دمج خرائط جوجل مع جيميني، وإطلاق ثلاثة ميزات رئيسية للذكاء الاصطناعي موجهة للشركات الوكيل

في مؤتمر Google Cloud Next 2026، أعلنت جوجل عن إدخال ثلاث ميزات جديدة تعتمد على ذكاء Gemini AI لمنصتي Maps و Earth، معلنة أن الخرائط لم تعد مجرد أداة للملاحة.
(ملخص سابق: جوجل تطلق الجيل الثامن من TPU: شريحتا ذكاء اصطناعي مخصصتان للتدريب والاستدلال، لمواجهة نقاط ضعف Nvidia)
(معلومات إضافية: نظام تصميم مفتوح المصدر من Google Stitch: ملف DESIGN.md يتيح لـ Claude Code و Codex و Antigravity توليد واجهات مستخدم عالية الجودة)

أعلنت جوجل في مؤتمر Cloud Next 2026 في لاس فيغاس، عن تمكين الذكاء الاصطناعي من توليد مشاهد واقعية مباشرة على الخرائط، وتقليل زمن تحليل الصور الفضائية من “أسابيع” إلى “دقائق”، بالإضافة إلى فتح نماذج ذكاء اصطناعي للتعرف على الجسور وخطوط الكهرباء أمام جميع الشركات.

هذه الثلاثة إنجازات تبدو مستقلة عن بعضها، لكنها تشير إلى نفس الاتجاه: جوجل تعمل على تحويل الخرائط من أدوات للملاحة إلى بنية أساسية للإدراك تعتمد على الذكاء الاصطناعي كوكلاء للشركات.

ثلاث مفاتيح، وباب جديد

الميزات الثلاث التي أُعلن عنها في Cloud Next تستهدف كل منها سيناريوهات عمليات جغرافية ومكانية كانت تتطلب سابقًا الكثير من الموارد البشرية.

الأول هو “تثبيت الصور على الخريطة”. يمكن للمستخدمين من الشركات إدخال نص بسيط على منصة Gemini Enterprise Agent، ليتمكنوا من توليد صور مرئية تعتمد على الذكاء الاصطناعي ضمن مشاهد حقيقية من Google Street View. وقد بدأت مجموعة الإعلانات WPP في اختبار هذه الميزة لاستخدامها في صناعة إعلانات غامرة للعملاء. حاليًا، تقتصر على مواقع في الولايات المتحدة، وهي في مرحلة المعاينة الخاصة.

ببساطة: العلامات التجارية لن تحتاج للسفر إلى نيويورك أولاً، بل يمكنها رؤية كيف ستبدو لوحات الإعلانات في ميدان تايمز سكوير على الكمبيوتر، مع خلفية حقيقية من المباني والأرصفة، وليس مشهدًا ثلاثي الأبعاد مركبًا.

الثاني هو “رصد الصور الفضائية والجوية”. تدمج الميزة الجديدة صور الأقمار الصناعية من Google Earth في BigQuery (مخزن البيانات السحابي من جوجل) لتحليلها تلقائيًا. يمكن لمخططي المدن مراقبة تقدم بناء الأحياء السكنية على الفور، وشركات التأمين تتبع الأضرار بعد الكوارث، وتدعي جوجل أن هذه التقنية تقلل زمن تحليل الصور من “أسابيع” إلى دقائق.

الثالث هو نموذجان “Earth AI” للصورة، متاحان الآن بشكل تجريبي في Google Cloud Model Garden. تم تدريب النموذجين على التعرف على عناصر محددة في الصور الفضائية، مثل الجسور، الطرق، وخطوط الكهرباء.

في السابق، كانت الشركات بحاجة لبناء وتدريب أنظمة ذكاء اصطناعي خاصة بها لتحقيق ذلك، وهو عملية تستغرق شهورًا. وقد دمجت شركة Vantor هذين النموذجين في تطبيقها للتعافي من الكوارث، Sentry، حيث يتم تلقائيًا تحديد البنى التحتية المتضررة بعد الأحوال الجوية القصوى.

الخرائط كبنية إدراك لوكيل الذكاء الاصطناعي

تشترك هذه الميزات الثلاث في أساس تقني واحد: أن البيانات الجغرافية ليست مجرد “أين” الإجابة، بل هي مدخلات حسية تُمكّن وكيل الذكاء الاصطناعي من فهم العالم المادي.

سبق أن أطلقت جوجل Maps Grounding Lite، والتي أصبحت متاحة للمطورين عبر MCP، مما يتيح لأي نموذج لغة كبير (LLM) الوصول إلى قاعدة بيانات Google Maps التي تحتوي على 200 مليون موقع. وقد استخدم كأساس في كأس العالم 2026 وفريق بوسطن ماراثون، كمساعد ذكي في التوجيه خلال الفعاليات. كما استعملت شركة TUI للسياحة هذه التقنية لتحويل الجداول الثابتة إلى توصيات شخصية فورية.

هذه المنطق يتوافق مع توجه Gemini في تقديم خدمات استهلاكية عبر الخرائط: “Ask Maps” تتيح للمستخدمين الاستعلام عبر الحوار عن “هل يوجد محطات شحن قريبة بدون انتظار”، مع تحليل بيانات من 500 مليون مساهم من المجتمع، وGemini يحلل صور Street View والصور الجوية لإنشاء مسارات ثلاثية الأبعاد تظهر الواجهات الحقيقية للمباني.

من المستهلك إلى الشركات، المنطق واحد: يحتاج Gemini إلى خريطة كأساس للإدراك، ليتمكن من التحرك في العالم المادي.

حصانة الخرائط، لم تكن يومًا فقط في كثافة تصوير الشوارع، بل في عمق البيانات التي تم جمعها، ومدى اعتماد العديد من الشركات على الخرائط كجزء لا يتجزأ من بنيتها التحتية الأساسية.