بزرگ‌ترین چالش پیش روی گوگل در عصر هوش مصنوعی، نه کمبود فناوری یا سرمایه، بلکه ساختار انگیزشی مدل کسب‌وکار آن است. در حالی که مدل Gemini در ارزیابی‌های فنی ابتدای سال جاری میلادی در صدر جدول هوش مصنوعی قرار داشت، تاخیر در عرضه نسخه‌های جدیدتر و اولویت‌دهی به درآمدهای بخش ابری نشان می‌دهد که این غول فناوری در مواجهه با فناوری‌های تحول‌آفرین، رویکردی محافظه‌کارانه مشابه مایکروسافت در دهه‌های گذشته اتخاذ کرده است. گوگل با وجود داشتن تمام ابزارهای لازم برای رهبری بازار، تمایل چندانی به نابود کردن کسب‌وکار تبلیغات جستجوی خود که منبع اصلی درآمدش است، ندارد.
تاخیر در عرضه مدل‌ها و چالش تخصیص منابع پردازشی
در فوریه سال جاری، مدل Gemini 3.1 Pro در صدر شاخص تحلیل هوش مصنوعی (Artificial Analysis Intelligence Index) قرار گرفت و توانست مدل Claude Opus 4.6 را با اختلاف چهار امتیاز شکست دهد، در حالی که هزینه اجرای آن کمتر از نصف رقیب خود بود. با این حال، وعده گوگل در کنفرانس I/O ماه مه برای عرضه مدل Gemini 3.5 Pro در ماه ژوئن محقق نشد. گزارش بلومبرگ در اواسط ژوئیه نشان داد که کدنویسی این مدل به سطح مورد انتظار گوگل نرسیده و تغییر داده‌های آموزشی نیز نتایج ناامیدکننده‌ای داشته است.
در همین حال، گوگل مدل‌های دیگری مانند Gemini 3.7 Flash، Gemini 3.8 Flash، مدل‌های صوتی، ویدئویی، موسیقی و رباتیک را روانه بازار کرد، اما تا اواخر سپتامبر همچنان خبری از نسخه 3.5 Pro در فهرست تغییرات API این شرکت نبود. این در حالی است که سوندار پیچای (Sundar Pichai)، مدیرعامل گوگل، در گزارش درآمدهای سه‌ماهه دوم خود از Gemini 4 و جاه‌طلبانه‌ترین دوره پیش‌آموزش مدل‌های این شرکت سخن گفت.
تنش‌های داخلی بر سر تخصیص منابع پردازشی محدود نیز به این تاخیرها دامن زده است. رویترز در ماه اوت گزارش داد که محدودیت ظرفیت پردازشی و اختلافات میان مدیران بخش‌های مختلف Gemini، بخش‌هایی مانند کدنویسی را با کمبود منابع مواجه کرده است. مدیران ارشد بخش ابری امیدوار بودند که مدیریت جدید Gemini بتواند به درگیری‌ها با بخش DeepMind بر سر تصاحب تراشه‌های محدود گوگل پایان دهد. این در حالی است که سرگی برین (Sergey Brin)، هم‌بنیان‌گذار گوگل، در یادداشتی به کارکنان DeepMind تاکید کرده بود که شرکت باید فوراً فاصله خود را با مدل Claude در زمینه کدنویسی عامل‌محور (agentic coding) کاهش دهد.
اولویت درآمد ابری بر توسعه مدل‌های داخلی
تخصیص منابع پردازشی در گوگل نشان‌دهنده یک تصمیم تجاری منطقی اما محافظه‌کارانه است. در ماه مه، نشریه اینفورمیشن (The Information) گزارش داد که شرکت Anthropic متعهد شده است طی پنج سال مبلغ ۲۰۰ میلیارد دلار برای استفاده از خدمات ابری و تراشه‌های گوگل هزینه کند. در سه‌ماهه دوم سال جاری، درآمد گوگل کلود (Google Cloud) با رشد ۸۲ درصدی به ۲۴.۸ میلیارد دلار و سود عملیاتی آن به ۸.۸ میلیارد دلار رسید.
از دیدگاه تجاری، اجاره دادن واحدهای پردازش تنسور (TPU) به Anthropic درآمد تضمین‌شده‌ای را در همان فصل ایجاد می‌کند، در حالی که صرف این پردازنده‌ها برای آموزش مدل‌های داخلی Gemini یک شرط‌بندی برای آینده است. شرکتی که مجبور به پیروزی در رقابت بقا است، شرط‌بندی را انتخاب می‌کند؛ اما شرکتی که در حال حاضر در صورت سود و زیان (P&L) خود برنده است، قرارداد تجاری را ترجیح می‌دهد.
تضاد منافع با هسته اصلی کسب‌وکار جستجو
گوگل با ادغام هوش مصنوعی مولد در موتور جستجوی خود از طریق قابلیت‌هایی مانند AI Overviews و AI Mode، تلاش کرده است تا از این فناوری در جهت تقویت مدل سنتی خود استفاده کند. این استراتژی تا کنون موفقیت‌آمیز بوده است؛ درآمد بخش جستجو و سایر درآمدهای مرتبط گوگل در سه‌ماهه دوم با رشد ۱۷ درصدی به ۶۳.۳ میلیارد دلار رسید و پیچای این رشد را ناشی از ویژگی‌های هوش مصنوعی دانست.
اما تهدید واقعی برای موتور جستجو، دستیارهای هوش مصنوعی هستند که کار را به طور کامل انجام می‌دهند و هرگز صفحه نتایج جستجو را به کاربر نشان نمی‌دهند؛ ابزارهایی که کد می‌نویسند، قراردادها را مقایسه می‌کنند و سفرها را رزرو می‌کنند بدون اینکه کاربر در این مسیر روی هیچ تبلیغی کلیک کند. این دقیقاً همان حوزه‌ای است که گوگل بیشترین عقب‌ماندگی را در آن دارد، زیرا توسعه کامل چنین ابزاری به معنای اختیاری کردن موتور جستجو و نابودی مدل درآمدی فعلی شرکت است.
تجربه مایکروسافت نشان می‌دهد که داشتن کانال‌های توزیع گسترده مانند ویندوز، مرورگر Edge و مجموعه آفیس برای پیروزی کافی نیست. مایکروسافت با وجود اینکه اولین شرکتی بود که فناوری OpenAI را در فوریه ۲۰۲۳ در موتور جستجوی Bing ادغام کرد، طبق آمار استت‌کانتر (StatCounter) در ماه اوت، تنها ۴.۵ درصد از سهم بازار جهانی جستجو را در اختیار دارد و سهم Copilot از ترافیک ارجاعی چت‌بات‌های هوش مصنوعی تنها ۲.۸ درصد است.
تمایل بازار کار و متخصصان به رقبای چابک‌تر
آمارهای مربوط به هزینه‌کرد شرکت‌ها نیز نشان‌دهنده عقب‌ماندگی گوگل در بخش‌های تخصصی است. گزارش سال ۲۰۲۵ مؤسسه Menlo Ventures درباره هزینه‌کرد شرکت‌ها در بخش رابط‌های برنامه‌نویسی کاربردی (API) مدل‌های زبانی بزرگ نشان می‌دهد که Anthropic سهمی ۴۰ درصدی، OpenAI سهمی ۲۷ درصدی و گوگل سهمی ۲۱ درصدی را به خود اختصاص داده‌اند. در بخش کدنویسی، سهم Anthropic حدود ۵۴ درصد، OpenAI حدود ۲۱ درصد و گوگل تنها ۱۱ درصد است.
این وضعیت بر جذب و حفظ استعدادها نیز تاثیر گذاشته است. نوام شازیر (Noam Shazeer)، یکی از مدیران ارشد Gemini، در ماه ژوئن گوگل را به مقصد OpenAI ترک کرد. در ماه اوت نیز جف دین (Jeff Dean) پس از ۲۷ سال فعالیت، گوگل را برای تاسیس Discovery Loop ترک کرد و دمیس هاسابیس (Demis Hassabis) از مدیریت مستقیم کنار رفت تا ریاست هیئت مدیره DeepMind را بر عهده بگیرد و کوری کاووکچوغلو (Koray Kavukcuoglu) کنترل مستقیم Gemini را به دست گرفت. گزارش نشریه Fortune با استناد به داده‌های Zeki Data نشان می‌دهد که نسبت استخدام به خروج نیرو در DeepMind از حدود ۱۲ در سال ۲۰۲۳ به حدود ۲ در حال حاضر کاهش یافته است، در حالی که این رقم برای Anthropic در سال ۲۰۲۵ معادل ۲۲ بوده است. این آمار نشان می‌دهد پژوهشگرانی که به دنبال ساخت نسل بعدی فناوری هستند، به شرکت‌هایی می‌روند که تمام تمرکز کسب‌وکارشان بر روی همان فناوری متمرکز است.