הסטארט־אפ שהוקם ב־2022 על ידי יוצאי AWS ומלאנוקס פיתח מנוע ענן שמאיץ עומסי דאטה פי 10–100 ומפחית עלויות תשתית ב־50%–90%, ללא שינוי במערכות – וצופה להיות שכבת הביצועים של עידן ה־AI
חברת הדאטה DualBird, שהוקמה ב־2022 על ידי יזמים ישראלים ופועלת מבוסטון, הודיעה על גיוס כולל של 25 מיליון דולר בסבב Seed ו־A. את הסבב הוביל קרן Lightspeed Venture Partners, ובהשתתפות Bessemer Venture Partners, Angular Ventures ו־Uncork Capital.
DualBird הוקמה על ידי גלעד טל – מייסד שותף ו־CTO, אמיר גלעד – מייסד שותף ומנכ"ל, אוהד גמליאל – סמנכ"ל מחקר ופיתוח ואהוד אליעז – Chief HW Architect
ארבעת המייסדים הם בוגרי הטכניון ומביאים ניסיון מצטבר מאמזון AWS, מלאנוקס, הבאנה ותעשיית המוליכים למחצה. לחברה כ־30 עובדים, ומתוכה שילוב של מומחי חומרה, ענן ותשתיות דאטה.
לפי DualBird, הטכנולוגיה שפיתחה מאפשרת לארגונים להאיץ עומסי דאטה פי 10 עד 100 ולהפחית 50%–90% מעלויות התשתית, באמצעות תוסף תוכנה קל לשילוב – בלי להחליף מערכות, בלי לשכתב קוד ובלי לשנות תהליכי עבודה.
פקק ה־ : AIהנתונים גדלים מהר יותר מהתקציב
לפי הערכות שצוטטו על ידי החברה, שמבוססות בין היתר על נתוני מקינזי, שמירת הקצב עם הצמיחה בביקוש לחישוב – ובעיקר עומסי AI – תדרוש עד 7 טריליון דולר השקעה חדשה במרכזי נתונים עד 2030. יותר משלושה רבעים מסכום זה מיוחסים לעומסי AI בלבד. המשמעות: עלות עיבוד הנתונים גדלה הרבה יותר מהר מהתקציב, וארגונים עלולים למצוא את עצמם לא יכולים להרשות לעצמם ניתוחי דאטה מתקדמים או אימון חוזר תכוף של מודלי AI. (Pulse 2.0)
DualBird טוענת שהיא תוקפת את הבעיה ברמת הארכיטקטורה, ולא רק באמצעות "קוסמטיקה" כמו הוספת GPUs או אופטימיזציות קטנות.
"עיבוד נתונים הוא עומס העבודה הגדול ביותר שעדיין תקוע על מעבדים כלליים (CPU). הוא ראוי למעבדים ייעודיים משלו, בדיוק כמו של־AI יש GPUs", אומר אמיר גלעד, מייסד שותף ומנכ"ל DualBird. "חברות שופכות מיליונים על תשתיות דאטה ו־AI, אבל הארכיטקטורות הקיימות פשוט לא עומדות בקצב".
לדבריו, מנוע הענן של DualBird "מאחד את השכבות" – ממזג חומרה ותוכנה למנוע אחד. במקום להקים חומרה ייעודית באתר הלקוח, החברה מנצלת אינסטנסים בענן עם חומרה ניתנת להגדרה מחדש (rewritable hardware), ומספקת את האצה ברמת חומרה דרך תוסף תוכנה בלבד.
התוצאה: עומסים שלקחו שעות – מסתיימים בדקות, ותהליכים שבעבר היו יקרים מדי להרצה תדירה – כמו אימון חוזר של מודלי AI או אנליטיקות כבדות – הופכים מעשיים וכלכליים.
למה זה מעניין את שוק ה־AI?
בעידן שבו כל מודל AI גדול תלוי בצוואר בקבוק של עיבוד דאטה – איסוף, ניקוי, המרה, אחסון ואימון חוזר – פתרונות כמו של DualBird מכוונים להפוך את שכבת הדאטה ל"מאיץ" ולא לנטל.
עבור ארגונים גדולים, המשמעות הפוטנציאלית היא:פחות שרתים ומרכזי נתונים כדי לבצע את אותה עבודה; יכולת להריץ אנליטיקות כבדות ומודלי AI בתדירות גבוהה יותר ויתור על פרויקטי חומרה יקרים וארוכים, והסתמכות על תוסף ענני אחד.
החברה מתכוונת להשתמש בהשקעה להתרחבות מסחרית – גיוס צוותי מכירות ושירות לקוחות, העמקת שיתופי פעולה עם ארגונים גלובליים והכנת המוצר לזמינות רחבה בתחילת 2026.
