من قواعد بيانات متخصصة إلى S3: ما الذي تغيّر في تخزين المتجهات؟
تعتمد تطبيقات الذكاء الاصطناعي التوليدي — من البحث الدلالي إلى التوليد المعزز بالاسترجاع (RAG) وذاكرة وكلاء الذكاء الاصطناعي — على «المتجهات» (Vector Embeddings): تمثيلات رقمية للنصوص والصور تلتقط المعنى وتتيح البحث بالتشابه بدلًا من الكلمات المفتاحية. وحتى وقت قريب كان تخزين هذه المتجهات يتطلب قاعدة بيانات متخصصة تعمل على بنية تحتية دائمة التشغيل، فتتحول التجارب الصغيرة إلى فواتير شهرية ثابتة حتى في أوقات الخمول.
في ديسمبر 2025، وخلال مؤتمر re:Invent، أعلنت AWS الإتاحة العامة لخدمة Amazon S3 Vectors، أول تخزين كائنات سحابي يدعم تخزين المتجهات والاستعلام عنها أصلًا، بنموذج خالٍ من الخوادم بالكامل تدفع فيه مقابل الاستخدام فقط، وبتكلفة إجمالية أقل بنسبة تصل إلى 90% مقارنة بقواعد المتجهات المتخصصة بحسب AWS. وقد كشفت فترة المعاينة عن إقبال واضح: أكثر من 250 ألف فهرس متجهات أُنشئ، وأكثر من 40 مليار متجه خُزّن، وأكثر من مليار استعلام نُفّذ خلال نحو أربعة أشهر فقط.
قدرات الإتاحة العامة: ملياري متجه في الفهرس واستجابة نحو 100 ملّي ثانية
رفعت الإتاحة العامة سقف الخدمة أربعين ضعفًا: من 50 مليون متجه لكل فهرس في المعاينة إلى ملياري متجه، مع دعم 10 آلاف فهرس في الحاوية الواحدة، أي ما يصل نظريًا إلى 20 تريليون متجه في حاوية واحدة — ما يغني المؤسسات عن تقسيم بياناتها عبر فهارس متعددة وبناء منطق معقّد لتوحيد الاستعلامات. وتحسّن الأداء كذلك: الاستعلامات المتكررة تعود في نحو 100 ملّي ثانية أو أقل، وغير المتكررة في أقل من ثانية، مع إمكانية استرجاع حتى 100 نتيجة لكل استعلام بدلًا من 30، ودعم كتابة يصل إلى 1000 عملية إدراج في الثانية.
يقوم التسعير على ثلاثة أبعاد: تخزين بنحو 0.06 دولار للجيجابايت شهريًا، ورسوم رفع بواقع 0.20 دولار للجيجابايت، ورسوم استعلام تنخفض وحدتها كلما كبر الفهرس. وعلى صعيد الانتشار، انطلقت الخدمة عامًا في 14 منطقة سحابية، ثم أضافت AWS في مارس 2026 سبع عشرة منطقة إضافية ليصل الإجمالي إلى 31 منطقة حول العالم.
التكامل مع Bedrock وOpenSearch: أين تقع الخدمة في منظومة AWS؟
أصبح تكاملان رئيسيان متاحين عامًا مع الخدمة: الأول مع قواعد المعرفة في Amazon Bedrock، حيث يمكن استخدام S3 Vectors محركَ تخزين للمتجهات مباشرة، فيبني الفريق تطبيق RAG كاملًا — من تقطيع المستندات إلى التوليد — دون إدارة أي قاعدة بيانات؛ والثاني مع Amazon OpenSearch، حيث تعمل S3 Vectors طبقةَ تخزين اقتصادية بينما تتولى OpenSearch قدرات البحث والتحليلات المتقدمة للفهارس النشطة.
متى تختار S3 Vectors إذًا؟ القاعدة العملية: إذا كان تطبيقك يتطلب زمن استجابة أحادي الأرقام بالملّي ثانية باستمرار أو فلترة فائقة التعقيد، فستبقى قواعد المتجهات المتخصصة أو OpenSearch خيارك الأنسب. أما لأغلب تطبيقات RAG وذاكرة الوكلاء والبحث الدلالي في الأرشيفات — حيث تُقبل استجابة بمئات الملّي ثواني — فتقدم S3 Vectors التوازن الأفضل بين التكلفة والأداء.
ماذا يعني ذلك للمؤسسات السعودية؟
بالنسبة للمؤسسات السعودية التي تبني مساعدات ذكاء اصطناعي عربية أو تفهرس أرشيفات مستندات ضخمة — من العقود والسياسات إلى تذاكر الدعم — كانت تكلفة قواعد المتجهات عائقًا أمام الانتقال من النموذج الأولي إلى الإنتاج. مع S3 Vectors يمكن فهرسة ملايين المستندات بتكلفة تخزين شهرية رمزية والدفع فعليًا عند الاستعلام فقط، وهو نموذج يناسب أحمال العمل الموسمية وفرق الابتكار التي تجرّب حالات استخدام متعددة بالتوازي.
الخطوة العملية الأولى: جرّب بناء قاعدة معرفة في Bedrock مع S3 Vectors مخزنًا للمتجهات، وقس التكلفة والأداء على بياناتك العربية قبل الالتزام بقاعدة متجهات متخصصة. ومع توسّع حضور AWS في المنطقة، تصبح هذه الخيارات أقرب إلى متطلبات توطين البيانات — لكن تحقق دائمًا من توفر الخدمة في المنطقة السحابية التي تستهدفها قبل اعتماد التصميم النهائي.
