חברת Lyte, שפועלת בתחום התפיסה לרובוטים ולמערכות אוטונומיות, השלימה סבב גיוס C בהיקף של 165 מיליון דולר. הסבב מעניק לחברה שווי של 1.6 מיליארד דולר אחרי הכסף ומביא את סך ההון שגייסה מאז הקמתה ב־2021 ל־272 מיליון דולר.

את הסבב הובילה Maverick Silicon. השתתפו בו גם Fidelity Management & Research, שהובילה את סבב B של החברה, Atreides Management, קרן Key1 Capital, ‏Ora Global, לשעבר Exor Ventures, וכן משקיעים קיימים וחדשים נוספים. אנדרו הומן, שותף מנהל ב־Maverick Silicon, יצטרף לדירקטוריון Lyte.

הגיוס מגיע שמונה חודשים בלבד לאחר שהחברה יצאה ממצב חשאי בינואר 2026 ודיווחה אז על גיוסים מצטברים של 107 מיליון דולר. Lyte כבר החלה בייצור ובאספקה ללקוחות בתחום הרובוטיקה בענפי הבדיקה התעשייתית, הלוגיסטיקה והייצור, אך לא חשפה את שמות הלקוחות, היקף ההכנסות או מספר המערכות שנמסרו.

שכבת התפיסה של ה־Physical AI

Lyte אינה מפתחת רובוט שלם. היא מבקשת לספק את שכבת התפיסה שמאפשרת לרובוטים ולמערכות אוטונומיות להבין היכן הם נמצאים, אילו עצמים מקיפים אותם ומה נע בסביבה בזמן אמת.

המוצר המרכזי שלה, LyteVision, משלב ראייה קוהרנטית בארבעה ממדים, צילום RGB ומדידת תנועה באמצעות יחידת IMU. שבב ייעודי שפיתחה החברה ממזג את המידע מכמה חיישנים כבר ברמת החומרה ומפיק זרם נתונים מרחבי, חזותי ומתוזמן במשותף. הנתונים מוזרמים למערכות המחשוב ולמודלי הבינה המלאכותית שמפעילים את הרובוט.

הגישה נועדה לפתור אחת הבעיות המורכבות ברובוטיקה: שילוב חיישנים שמגיעים מספקים שונים, פועלים בקצבים שונים ודורשים כיול וסנכרון. במערכות רגילות, צוותי הפיתוח צריכים להשקיע זמן רב בחיבור המצלמות, חיישני העומק, מערכות מדידת התנועה ותוכנות המיזוג. Lyte טוענת כי שילוב אנכי של שבב, אופטיקה, חיישנים ותוכנה מקטין השהיה, מפחית סטיות כיול ומספק למערכת הרובוטית ציר זמן יחיד ומסונכרן.

לפי החברה, הפלטפורמה מיועדת למגוון מערכות Physical AI, ובהן רובוטים ניידים אוטונומיים, זרועות רובוטיות, רובוטים בעלי ארבע רגליים, רובוטקסי ורובוטים דמויי אדם. היא אמורה להשתלב עם פלטפורמות מחשוב AI קיימות ולא להחליף את המעבד הראשי שמריץ את מודלי ההחלטה והפעולה.

הקשר הישראלי: אביגדור וילנץ

Lyte היא חברה אמריקנית שמרכזה בסאניווייל שבקליפורניה. הקשר הישראלי המרכזי שלה הוא אביגדור וילנץ, המשקיע המייסד ויו״ר הדירקטוריון. וילנץ היה ממייסדי Galileo Technologies, שנמכרה למארוול, וכן משקיע מוקדם ב־Annapurna Labs וב־Habana Labs.

את החברה הקימו אלכסנדר שפונט, ארמן חג׳תי ויובל גרסון. שפונט היה ממייסדי PrimeSense וסמנכ״ל הטכנולוגיות שלה; טכנולוגיית חישת העומק שפיתחה החברה שימשה ב־Kinect של מיקרוסופט, ולאחר רכישת PrimeSense בידי אפל הוא עסק שם במערכות תפיסה. חג׳תי וגרסון מילאו גם הם תפקידי הנדסה באפל, וגרסון הוא יוצא PrimeSense.

השילוב הזה מסביר מדוע Lyte מציגה את עצמה לא כחברת חיישנים בלבד, אלא כחברת מערכות שבונה את כל שרשרת התפיסה — מהטרנזיסטור ועד לנתונים המרחביים שמקבל מודל הבינה המלאכותית.

הכסף יופנה להרחבת הייצור

Lyte מתכננת להשתמש בכספי הגיוס כדי להרחיב את ייצור שבבי החישה ואת פלטפורמת LyteVision, לשפר את יכולות הבינה המלאכותית והתפיסה ולהגדיל את מספר ההטמעות אצל חברות רובוטיקה ולקוחות תעשייתיים. החברה גם מתכננת להרחיב משמעותית את כוח האדם בתחומי השבבים, התוכנה, האופטיקה, הייצור, התפעול והשיווק.

השווי הגבוה משקף את ציפיות המשקיעים לכך שהמרוץ ל־Physical AI לא יוכרע רק באמצעות מודלי בינה מלאכותית ומעבדי האצה. לפני שרובוט יכול לקבל החלטה, הוא זקוק לנתוני סביבה אמינים, מסונכרנים ומהירים. עם זאת, בשלב הנוכחי Lyte עדיין אינה מפרסמת נתונים שמאפשרים לבחון את קצב האימוץ המסחרי או את היתרון הכמותי של הפלטפורמה לעומת פתרונות חישה ומיזוג אחרים.

הפוסט Lyte של אביגדור וילנץ גייסה 165 מיליון דולר לפי שווי של 1.6 מיליארד דולר הופיע לראשונה ב-Chiportal.

שישה מכל עשרה מנהלים מעריכים כי הארגון שלהם יפעיל צי רובוטים בתוך חמש שנים, אך רק ארבעה מכל עשרה מדווחים שכבר קיימת אצלם אסטרטגיה רשמית לניהול כוח עבודה משולב של בני אדם ורובוטים. כך עולה ממחקר בינלאומי חדש שהוזמן על ידי אינטל, תחת הכותרת The Robotics Readiness Gap.

המחקר מצביע על פער בין קצב ההתפתחות של רובוטיקה חכמה לבין יכולתם של ארגונים לשלב אותה בפעילות השוטפת. 67% מהמשיבים סבורים כי עד שנת 2030 יהיה הארגון שלהם ערוך לניהול כוח עבודה משולב, ו־74% מאמינים שעד אז לא יהיה עוד אפשר להפריד בין תכנון כוח האדם לבין אסטרטגיית הרובוטיקה.

מנגד, רק 40% מהארגונים כבר מחזיקים באסטרטגיה רשמית בתחום. האחריות על הרובוטיקה מפוצלת כיום בין מנהלי טכנולוגיה, מערכות מידע ותפעול: 29% מהמשיבים מסרו כי האחריות העיקרית מוטלת על סמנכ"ל הטכנולוגיות, 18% על מנהל מערכות המידע ו־16% על מנהל התפעול. רק ב־12% מהארגונים קיים מנהל ייעודי לרובוטיקה או לאוטומציה.

תפקידים חדשים – אך לא בהכרח יותר משרות

אחד הנתונים הבולטים במחקר הוא ש־75% מהמשיבים צופים כי הכנסת רובוטים תחייב את ארגוניהם ליצור תפקידים אנושיים מסוגים חדשים – ובהם ניהול ציי רובוטים, תחזוקה, פיקוח, בטיחות ושיתוף פעולה בין עובדים למכונות. 67% מעריכים שהרובוטיקה תהפוך את העובדים למיומנים יותר.

עם זאת, הנתונים אינם מוכיחים כי מספר המשרות הכולל יגדל. המחקר בדק את הערכותיהם של מנהלים ובעלי תפקידים, ולא מדד בפועל את מספר המשרות שנוצרו או בוטלו בעקבות הכנסת רובוטים. בנוסף, המשיבים מעריכים כי בתוך כשלוש שנים יהיה בממוצע זול יותר להציב רובוט מאשר להעסיק אדם לצורך אותה משימה.

המנהלים העריכו כי הרובוטיקה כבר שחררה או אפשרה להקצות מחדש כ־14% מיכולת העבודה האנושית בארגוניהם. הם צופים ששיעור זה יעלה ל־24% עד שנת 2030.

רק 45% אמרו שהכנסת הרובוטים גרמה לעובדים האנושיים להרגיש מוערכים יותר. 41% סבורים שמנהלי משאבי האנוש עדיין אינם ערוכים לתכנון כוח עבודה הכולל גם רובוטים.

מחסור בכישורים ובתשתיות

ארבעה מכל עשרה מנהלים ציינו שמחסור בכוח אדם מיומן מעכב את הרחבת השימוש ברובוטיקה. הפער הגדול ביותר נמצא בתחומי מחשוב הקצה ובינה מלאכותית הפועלת על גבי המכשיר עצמו. פערים נוספים נמצאו בהנדסת נתונים, אבטחת סייבר, בינה מלאכותית, תחזוקת רובוטים וניהול ציים.

מחשוב קצה חיוני במיוחד משום שרובוטים הפועלים לצד בני אדם אינם יכולים תמיד להמתין לתשובה משרת מרוחק. 78% מהמשיבים אמרו שיישומי רובוטיקה קריטיים צריכים לקבל החלטה בתוך פחות מ־100 אלפיות השנייה, ו־23% זקוקים לזמן תגובה קצר מעשר אלפיות השנייה.

כיום, 42% מהארגונים כבר מחזיקים באסטרטגיה מתוקצבת למחשוב קצה או ל־AI מקומי עבור מערכות רובוטיות, ועוד 39% נמצאים בתהליך גיבושה.

הבטיחות עדיין מעכבת את הפריסה

31% מהמנהלים ציינו כי שיפור הבטיחות הוא התחום שבו הרובוטיקה סיפקה לארגונם את הערך הגדול ביותר. רובוטים יכולים לקבל על עצמם משימות מסוכנות, פיזיות או חזרתיות ולהפחית את חשיפת העובדים לפציעות.

אלא שהסקר מציג גם תמונה מורכבת יותר: 55% אמרו שחששות בטיחותיים עיכבו אצלם פרויקטים רובוטיים, ו־48% דיווחו כי בארגונם כבר התרחש אירוע בטיחות שבו היה מעורב רובוט. בנוסף, 42% רואים בסיכוני סייבר או מידע חסם בפני הרחבת השימוש.

68% מהמנהלים סבורים שתקני בטיחות בינלאומיים ברורים יותר יאיצו את אימוץ הרובוטיקה, אך רק 37% מהארגונים מפעילים כיום תקנים אחידים בכל האתרים והשווקים שבהם הם פועלים.

פחות עניין ברובוטים דמויי אדם

למרות תשומת הלב הרבה שמקבלים רובוטים דמויי אדם, מנהלי החברות מתעניינים יותר במערכות ייעודיות. 77% אמרו שביצועים ואמינות חשובים יותר ממראה הרובוט, ו־40% סבורים שרובוטים דמויי אדם לעולם לא יהיו כדאיים לפריסה המונית.

רק 6% העריכו שרובוטים דמויי אדם יהיו סוג הרובוט בעל ההשפעה הגדולה ביותר על הענף שלהם בחמש השנים הקרובות. לעומתם, 20% הצביעו על רובוטים ניידים אוטונומיים, 14% על זרועות תעשייתיות ו־11% על רובוטים לבדיקות ולחישה.

המחקר הוזמן על ידי אינטל ונערך באמצעות Coleman Parkes Research בשיתוף חברת הייעוץ Man Bites Dog. השתתפו בו 800 מנהלים בכירים, מנהלי מערכות מידע, מומחי רובוטיקה ונציגי ממשל ובריאות מארצות הברית, סין, גרמניה, יפן, בריטניה ודרום קוריאה. כל המשתתפים פעלו בארגונים בעלי הכנסה שנתית של לפחות 500 מיליון דולר.

מכיוון שאינטל משווקת מעבדים, תשתיות מחשוב קצה וכלים עבור רובוטיקה ו־Physical AI, יש להתייחס למחקר גם כחלק מהעניין העסקי שלה בהתרחבות השוק. עם זאת, הנתונים מצביעים על כך שהאתגר אינו מסתכם ברכישת רובוטים: הוא כולל שינוי ארגוני, הכשרת עובדים, אבטחת סייבר, תקינה ותשתיות מחשוב בזמן אמת.

הפוסט מחקר אינטל: ארגונים נערכים לציי רובוטים – אך לרובם עדיין אין אסטרטגיה הופיע לראשונה ב-Chiportal.

חברת הטכנולוגיה הביטחונית האמריקנית אונדס (Ondas) חתמה על הסכם לרכישת ארן דיפנס, שאליה תועבר פעילות הפיתוח והייצור הביטחונית של ארן מחקר ופיתוח הישראלית. שווי העסקה נאמד בכ־100 מיליון שקל, או כ־33 מיליון דולר.

ארן דיפנס מרכזת שירותי הנדסה וייצור עבור לקוחות ממשלתיים בישראל וחברות ביטחוניות בארץ ובעולם. הפעילות כוללת תכנון מכני ואלקטרוני, ייצור אבות טיפוס, עיבוד שבבי, הרכבות אלקטרו־מכניות, כבילה, בקרת איכות, הדפסה בתלת־ממד והעברה מפיתוח לייצור סדרתי.

החברה מפעילה בישראל מתקנים בשטח כולל של כ־4,400 מ"ר: אתר מרכזי בשטח של כ־2,800 מ"ר ושני מתקנים נוספים בשטח מצטבר של כ־1,600 מ"ר. חלק מהמתקנים מותאמים לביצוע עבודות מסווגות.

הפעילות הנרכשת רשמה בשנת 2025 הכנסות של כ־17 מיליון דולר, לעומת כ־12 מיליון דולר ב־2024. אונדס מעריכה כי הכנסותיה יגיעו לכ־26 מיליון דולר ב־2026 וכי היא תציג EBITDA מתואם חיובי. מחיר הרכישה משקף מכפיל של כ־1.3 על ההכנסות החזויות לשנה הנוכחית.

מבחינת אונדס, מטרת העסקה אינה רק תוספת הכנסות, אלא גם הכנסת יכולת ייצור ואינטגרציה לתוך הקבוצה. מתקני ארן אמורים לתמוך בייצור מערכות נגד רחפנים, מערכות מודיעין ותצפית, חימוש משוטט, רחפנים אוטונומיים ורובוטים קרקעיים.

העסקה מצטרפת לשורת רכישות שביצעה אונדס בישראל, ובהן איירובוטיקס, Sentrycs, Omnisys,‏ Apeiro Motion ו־4M Defense. בתחילת אוגוסט מינתה החברה את ראש המוסד לשעבר דוד ברנע לנשיא הגלובלי וליו"ר הפעילות הביטחונית שלה.

לפי דיווח ארן לבורסה, החברה צפויה לרשום בעקבות העסקה רווח של כ־75 מיליון שקל לפני מס. השלמתה צפויה במהלך הרבעון השלישי של 2026, בכפוף לאישור רשות התחרות ולתנאים מתלים נוספים.

הרכישה מדגישה את המעבר של אונדס ממבנה המבוסס על אוסף חברות טכנולוגיה למודל של קבוצה ביטחונית משולבת, השולטת גם בפיתוח, באינטגרציה ובייצור הסדרתי. עם זאת, האתגר יהיה לחבר בין החברות הרבות שנרכשו ולתרגם את צבר ההזמנות לייצור ולמסירות בקנה מידה גדול.

הפוסט אונדס תרכוש את הפעילות הביטחונית של ארן בכ־100 מיליון שקל הופיע לראשונה ב-Chiportal.

יפן מקדמת הקמה של תשתית מחשוב לאומית רחבת היקף לפיתוח בינה מלאכותית פיזית, רובוטיקה ומערכות אוטונומיות. חברת Noetra היפנית תקים בשיתוף אנבידיה מרכז מחשוב הכולל 27,500 מאיצים גרפיים מדור Rubin ו־13,750 מעבדי Vera, בהספק כולל של 140 מגוואט.

התשתית תספק את כוח המחשוב למיזם FRONTia של משרד הכלכלה, המסחר והתעשייה של יפן, METI. המיזם נועד לפתח ביפן מודלי יסוד רב־אופניים שיוכלו לעבד במקביל טקסט, תמונות, וידאו, קול ונתוני חיישנים, ולשמש מערכות הפועלות בעולם הפיזי.

לפי Noetra, הקמת מרכז המחשוב תחל באפריל 2027 והוא צפוי להתחיל לפעול ביוני 2028. החברות לא מסרו את היקף ההשקעה או את התמורה שתשולם לאנבידיה. (Honda Global)

מערכות Vera Rubin ורשת Spectrum-X

מרכז המחשוב יתבסס על ארונות Vera Rubin NVL72 ועל פלטפורמת התכנון DSX של אנבידיה. המערכות יחוברו באמצעות רשת Spectrum-X Ethernet ויכללו גם מעבדי תקשורת BlueField. התשתית מיועדת לאימון מודלים גדולים במיוחד וליישומים הדורשים שילוב של עיבוד שפה, תמונה, וידאו ומידע מחיישנים. (NVIDIA Newsroom)

אנבידיה ו־Noetra מתארות את המיזם כתשתית הלאומית הראשונה בעולם המוקדשת לבינה מלאכותית פיזית. זהו תיאורן של החברות, ולא הגדרה שנקבעה בידי גוף בינלאומי בלתי תלוי.

בינה מלאכותית פיזית היא שם כולל למערכות AI שאינן מסתפקות ביצירת טקסט או תמונות, אלא קולטות מידע מהסביבה, מסיקות ממנו מסקנות ומפעילות מכונות בעולם הממשי. היישומים כוללים רובוטים תעשייתיים, כלי רכב אוטונומיים, מערכות לוגיסטיקה, ציוד רפואי, רחפנים ותאומים דיגיטליים של מפעלים ותשתיות.

המערכת תשמש לפיתוח מודלים פתוחים יחסית לשימוש התעשייה היפנית. Noetra מתכננת להעמיד את המשקלים שאומנו מראש לרשות מפתחי מודלים וחברות ביפן, לצד כלי תוכנה ומודלים של אנבידיה ובהם Cosmos,‏ Isaac GR00T,‏ Nemotron ו־NeMo. (NVIDIA Newsroom)

44 חברות וארגונים משתתפים

Noetra הוקמה סביב ארבע חברות ליבה: סוני, סופטבנק, NEC והונדה. בסך הכול השקיעו בה 44 חברות וארגונים, בהם יצרניות רובוטים, חברות אלקטרוניקה, יצרניות רכב, בנקים וחברות תעשייה. ברשימת המשתתפות נמצאות בין היתר פאנוק, יסקאווה, היטאצ'י, פוג'יטסו, טוקיו אלקטרון, מיצובישי אלקטריק, טושיבה, שארפ ו־Murata. (Honda Global)

צוות המחקר והפיתוח יכלול מהנדסים מהחברות השותפות, מהמכון הלאומי היפני למדע וטכנולוגיה תעשייתיים, AIST, ומחברת Preferred Networks. בשלב הראשון תתחיל Noetra לפתח את המודל באמצעות תשתיות מחשוב קיימות של ספקים יפניים, עוד לפני שמרכז Rubin החדש ייכנס לפעולה. (Honda Global)

משרד הכלכלה היפני בחר ב־Noetra וב־AIST להוביל את תוכנית פיתוח מודל היסוד המקומי לשנים 2026–2030. הממשלה מציגה את היכולת להשתמש בנתוני מפעלים ובמידע תעשייתי מבלי להעבירם לפלטפורמות זרות כאחד הנימוקים המרכזיים להקמת התשתית. (meti.go.jp)

יפן מבקשת למנף את יתרונה בתעשייה וברובוטיקה

יפן איבדה במהלך העשורים האחרונים חלק ניכר ממעמדה בייצור שבבים, אך היא עדיין מחזיקה בתעשיות חזקות של ציוד לייצור מוליכים למחצה, חומרים, מכונות, רכב ורובוטיקה. הממשלה מבקשת להשתמש במידע הנאסף במפעלים ובמערכות תעשייתיות כדי לפתח מודלים המותאמים לייצור ולמערכות אוטונומיות.

אסטרטגיית הרובוטיקה היפנית מציבה יעד להחדיר כעשרה מיליון רובוטים עד 2040 ולהגיע ליותר מ־30% משוק רובוטיקת ה־AI העולמי. הממשלה רואה ברובוטיקה דרך להתמודד עם הזדקנות האוכלוסייה, המחסור בכוח אדם, אסונות טבע ומשימות מסוכנות כגון פירוק מתקנים גרעיניים. (meti.go.jp)

במקביל להודעת התשתית הכריזה אנבידיה על שיתופי פעולה עם חברות רובוטיקה יפניות, ובהן פאנוק ו־Yaskawa Electric. שיתופי הפעולה יתמקדו בפיתוח רובוטים שניתן להתאים למשימות משתנות באמצעות מודלים של בינה מלאכותית ולא רק באמצעות תכנות קבוע מראש. (Reuters)

מנכ״ל אנבידיה, ג'נסן הואנג, אמר כי יפן המציאה את הייצור המודרני וכעת היא מקימה את מפעלי ה־AI שיניעו את המהפכה התעשייתית הבאה. מבחינת אנבידיה, המיזם הוא גם עסקה משמעותית לדור Rubin שטרם נכנס לפריסה רחבה, וגם חלק מהתרחבות שוק ה־AI הריבוני – תשתיות מחשוב שמדינות מבקשות להחזיק בתחומן ולשלוט בנתונים ובמודלים הפועלים עליהן. (NVIDIA Newsroom)

הפוסט יפן תקים תשתית AI לאומית עם 27,500 מאיצי Rubin של אנבידיה הופיע לראשונה ב-Chiportal.

חברת נאנובל (Nanovel) הישראלית, המפתחת רובוטים אוטונומיים לקטיף פירות, קיבלה מענק לא־מדלל של 2.5 מיליון אירו מתוכנית ההאצה של המועצה האירופית לחדשנות, EIC Accelerator. המענק ישמש להשלמת הגרסה המסחרית של המערכת, לעריכת ניסויי שדה בפרדסים באירופה ולהכנות להשקה מסחרית המתוכננת לשנת 2028.

לפי הודעת החברה, ה־EIC הגדירה אותה גם כמועמדת להשקעה הונית של עד 4.3 מיליון אירו. אין מדובר עדיין בהשקעה חתומה: המימון ההוני כפוף בין היתר לבדיקת נאותות ולהשלמת הליך ההשקעה. נאנובל מתכננת להשתמש בהשקעה האפשרית כעוגן לסבב גיוס של כ־8 מיליון אירו.

תוכנית EIC Accelerator מיועדת לחברות הזנק ולחברות קטנות ובינוניות המפתחות טכנולוגיות בעלות סיכון טכנולוגי גבוה ופוטנציאל מסחרי משמעותי. התוכנית מאפשרת מענקים של עד 2.5 מיליון אירו, ובחלק מהמקרים גם השקעה הונית מקרן ה־EIC. בסבב האחרון שעליו דיווחה המועצה האירופית נבחרו 38 חברות לקבלת מענקים והשקעות אפשריות בהיקף כולל של מאות מיליוני אירו.

נאנובל, הפועלת מפארק התעשיות מבוא כרמל, מפתחת מערכת המשלבת ראייה ממוחשבת, למידה עמוקה ומספר זרועות קטיף טלסקופיות. המערכת נועדה לזהות פירות גם כאשר הם מוסתרים בתוך עלווה צפופה, להגיע אליהם ולנתק אותם מהעץ בלי לגרום נזק לפרי.

בליבת המערכת נמצא מנגנון שפיתחה החברה ומכונה Grip & Trim – „תפוס וגזום”. כף הקטיף אוחזת בפרי וגוזמת את העוקץ במקום למשוך אותו בכוח. כמה זרועות יכולות לפעול במקביל, תחת ניהולו של מחשב מרכזי המחובר למערכת בקרה מרחוק.

החברה מתמקדת בשלב הראשון בקטיף תפוזים ולימונים. היא מתכננת ניסויים נוספים בישראל, בספרד, באיטליה ובארצות הברית, לאחר שביצעה בסתיו 2025 ניסוי בקליפורניה בשיתוף מועצת המחקר להדרים המקומית. מפת הדרכים שלה כוללת בהמשך התאמה גם לזני הדרים נוספים, למנגו, לאפרסקים ולנקטרינות.

הצורך באוטומציה נובע מהתלות של ענף הפירות בכוח אדם עונתי. לפי נתוני החברה, הקטיף הידני עשוי להוות כמחצית מעלויות הייצור של מגדלים מסוימים, בעוד שבאזורים חקלאיים רבים הולך ומחריף המחסור בעובדים זמינים.

״המשימה שלנו היא להבטיח את הזמינות העולמית ואת הכדאיות הכלכלית של פירות טריים באמצעות אוטומציה של תהליך העבודה עתיר כוח האדם ביותר בחקלאות״, אמר איציק מזור, מייסד ומנכ״ל נאנובל. לדבריו, המענק יאפשר לחברה להרחיב את הפעילות באירופה ולהתקדם לקראת השקה מסחרית ב־2028.

נאנובל נוסדה בשנת 2018 בידי מזור, שייסד בעבר את חברת ציוד המדידה לתעשיית השבבים Jordan Valley Semiconductor. החברה נמכרה לברוקר האמריקנית בשנת 2015.

הפוסט נאנובל קיבלה מענק של 2.5 מיליון אירו למסחור רובוטי קטיף הדרים הופיע לראשונה ב-Chiportal.

אלטרה (Altera), יצרנית רכיבי ה־FPGA שנפרדה מאינטל בשנה שעברה, חוזרת למסלול צמיחה לאחר תקופה ממושכת של ירידה בהכנסות ואובדן נתח שוק. מנכ"ל החברה, רג'יב חוסיין, אמר לרויטרס כי הכנסות אלטרה גדלו ביותר מ־20% בשנה שעברה, וכי החברה צופה צמיחה בשיעור של כ־25% גם השנה. לדבריו, ההכנסה התפעולית של החברה יותר מהוכפלה, אולם כחברה פרטית אלטרה אינה מפרסמת נתונים כספיים מלאים. (Reuters)

השיפור מגיע לאחר שבשנת 2024 צנחו הכנסות פעילות ה־FPGA של אינטל לכ־1.5 מיליארד דולר, לעומת 2.9 מיליארד דולר ב־2023. הפעילות רשמה באותה שנה הפסד תפעולי של כ־615 מיליון דולר. הירידה נבעה בין היתר מחולשה מחזורית בשוק, מעבר תקציבי השקעה למאיצים גרפיים ואובדן נתח שוק ל־Xilinx, שנרכשה בידי AMD.

לדברי חוסיין, אחד ממנועי ההתאוששות הוא הביקוש הגובר למערכות בינה מלאכותית, רובוטיקה, אוטומציה תעשייתית ומחשוב קצה. בניגוד למעבד רגיל או למאיץ שתפקידיו נקבעים במידה רבה בעת התכנון, רכיבי FPGA כוללים מערך לוגי שניתן לתכנות מחדש גם לאחר ייצור השבב. תכונה זו מאפשרת להתאים את החומרה ליישומים חדשים, לתקני תקשורת משתנים ולדרישות זמן אמת.

במערכות רובוטיות יכולים רכיבי FPGA לטפל במקביל בזרמי מידע המגיעים ממצלמות, חיישני LiDAR, מכ"ם ומערכות בקרת תנועה. הם משמשים לעיבוד מוקדם של המידע, למיזוג נתוני חיישנים ולחיבור בין המעבדים לבין הרכיבים הפיזיים. בכך הם אינם מתחרים בהכרח במעבדי ה־GPU של אנבידיה, אלא משלימים אותם ומטפלים בפעולות הדורשות השהיה צפויה ונמוכה.

חוסיין הגדיר את רכיבי ה־FPGA כ"מערכת העצבים" של עולם הרובוטיקה. להערכתו, השימוש בהם ברובוטים ובמערכות בינה מלאכותית פיזית עשוי ליצור בעשור הקרוב שוק בהיקף מצטבר של 100–300 מיליארד דולר. מדובר בתחזית של הנהלת החברה ולא בהערכת שוק עצמאית.

אלטרה הציגה בתערוכת Embedded World שנערכה במרץ 2026 פתרונות ממשפחות Agilex 3 ו־Agilex 5, המיועדים בין היתר לראייה ממוחשבת, עיבוד חיישנים, בקרה רובוטית ויישומי בינה מלאכותית בקצה הרשת. החברה מדגישה את היכולת לספק ביצועים דטרמיניסטיים – כלומר, להשלים פעולות בתוך פרק זמן ידוע מראש – תכונה חשובה במכונות תעשייתיות ובמערכות בטיחותיות.

חזרה לעצמאות – לפי פחות ממחצית ממחיר הרכישה

אינטל רכשה את אלטרה בשנת 2015 תמורת 16.7 מיליארד דולר, בניסיון להרחיב את פעילותה במרכזי נתונים, תקשורת ומערכות משובצות. באפריל 2025 הסכימה אינטל למכור 51% מהחברה לקרן ההשקעות סילבר לייק תמורת כ־4.46 מיליארד דולר. העסקה שיקפה לאלטרה שווי של 8.75 מיליארד דולר – מעט יותר ממחצית מהסכום ששילמה אינטל כעשור קודם לכן. אינטל ממשיכה להחזיק ב־49% מהחברה. (altera.com)

אלטרה השלימה את הפיכתה לחברה עצמאית בספטמבר 2025. מאז פעלה לצמצום התלות התפעולית באינטל: לדברי חוסיין, מספר הסכמי שירותי המעבר בין שתי החברות ירד מ־125 ל־15 בלבד. במקביל השיקה אלטרה שישה שבבים חדשים וחיזקה את הקשר הישיר בין צוותי ההנדסה ללקוחות.

למרות ההפרדה, אלטרה מוסיפה להשתמש בשירותי הייצור של אינטל לצד TSMC. לדברי חוסיין, החברה עובדת עם TSMC גם על טכנולוגיות ייצור של 3 ו־2 ננומטר, ומחזיקה כיום בייצור סדרתי פתרונות FPGA התומכים בזיכרונות DDR5.

החברה נערכת להנפקה עתידית, אך טרם פרסמה מועד או שווי יעד. הנפקה כזו עשויה להפוך את אלטרה לאחת האפשרויות הבודדות בשוק הציבורי להשקעה ממוקדת בתחום ה־FPGA, לאחר שהמתחרה העיקרית Xilinx נטמעה בתוך AMD. עם זאת, המשך הצמיחה תלוי ביכולתה של אלטרה להחזיר נתחי שוק, לשמור על קצב השקת מוצרים ולהוכיח שההתאוששות אינה רק תוצאה של יציאה מהשפל המחזורי בענף.

הפוסט אלטרה חוזרת לצמוח: הביקוש ל־FPGA מתרחב בזכות בינה מלאכותית ורובוטיקה הופיע לראשונה ב-Chiportal.

תעשיית השבבים משקיעה משאבים עצומים בהגדלת כוח החישוב הזמין לבינה מלאכותית: מאיצים חזקים יותר, זיכרונות מהירים, רשתות תקשורת למרכזי נתונים, מערכות קירור וארכיטקטורות המאפשרות לחבר עשרות אלפי מעבדים למודל אחד.

אולם מדען המחשבים פיטר ג'יי דנינג טוען כי הגדלת התשתית החומרתית והיקף המודלים לא תוביל בהכרח לבינה מלאכותית כללית ברמה אנושית.

בספר חדש הוא מציג טענה שלפיה המחקר בתחום פועל במשך יותר מ־75 שנה על בסיס פרשנות מוטעית של הצעת אלן טיורינג. טיורינג הציע בשנת 1950 לבחון אם מכונה יכולה להציג בשיחה התנהגות שאינה ניתנת להבחנה מזו של אדם. מבחן זה, שנודע לימים כמבחן טיורינג, הפך לאחת מנקודות הייחוס המרכזיות בדיון על מכונות חושבות.

לדברי דנינג, יכולתה של מערכת לחקות שיחה אנושית אינה מוכיחה שהיא מבינה את המילים שבהן היא משתמשת. הוא טוען כי אינטליגנציה אנושית אינה תוכנה בלבד, אלא תוצר של גוף ביולוגי, ניסיון מצטבר, קשרים חברתיים, רגשות, הקשר ותרבות.

מדובר בתזה המוצגת בספר ולא בממצא ניסויי שעבר ביקורת עמיתים. חוקרים וחברות בתעשיית הבינה המלאכותית עשויים לחלוק עליה, במיוחד לנוכח השיפור המהיר ביכולותיהם של מודלים גדולים. עם זאת, הטיעון מציב שאלה מהותית בפני תעשיית החומרה: האם הבעיה בדרך ל־AGI היא בעיקר מחסור בכוח חישוב, או שמדובר במחסום מסוג אחר לחלוטין?

הגדלת המודל אינה בהכרח הגדלת ההבנה

בלב טיעונו של דנינג נמצא "ידע סמוי" – ידע שבני אדם משתמשים בו, אך אינם מסוגלים להפוך לסדרה מלאה של מילים, סמלים או הוראות.

הידע הזה כולל שכל ישר, מיומנויות גופניות, אינטואיציה, הבנת התנהגות של אחרים, נורמות חברתיות, תרבות והיסטוריה משותפת. אנשים יודעים לזהות מתי אמירה היא סרקסטית, מתי נדרש טקט ומתי אפשר להתבדח, אף שבדרך כלל אינם מחשבים במודע את כל הכללים שהובילו אותם למסקנה.

מערכת מחשב, לעומת זאת, יכולה לעבד רק מידע שיוצג לה בצורה הניתנת לקידוד. דנינג מכנה זאת "בעיית הייצוג": כל נתון והוראה חייבים להיות מיוצגים בצורה פיזית שהמעבד מסוגל לזהות, לאחסן ולשנות.

ידע סמוי אינו בהכרח קיים בצורה כזו. אפשר לתעד את התוצאה של מיומנות, אך לא תמיד את הידע הגופני והתחושתי המאפשר לבצע אותה. כנר, למשל, יכול להדגים נגינה מעולה, אך אינו מסוגל להעביר לתלמיד את מלוא המיומנות באמצעות רשימת הוראות.

מנקודת המבט של תעשיית השבבים, משמעות הטענה היא כי יותר טרנזיסטורים, יותר זיכרון ורוחב פס גדול יותר יכולים לשפר את מהירות המודל, את גודלו ואת מספר המשימות שהוא מבצע – אך אינם מבטיחים מעבר מחיקוי מוצלח להבנה אנושית.

גם רובוט אינו בהכרח פותר את בעיית הגוף

חלק מחוקרי הבינה המלאכותית מנסים להתמודד עם מגבלת הטקסט באמצעות בינה מלאכותית מגולמת: רובוטים ומערכות אוטונומיות הלומדים באמצעות מצלמות, חיישני מגע, מיקרופונים ותנועה בעולם הפיזי.

מגמה זו צפויה להגדיל את הביקוש לשבבי קצה, מעבדי ראייה, חיישנים, מערכות זמן אמת ומאיצים חסכוניים באנרגיה. היא עשויה לאפשר למכונות ללמוד קשרים בין פעולה לתוצאה ולא רק לנתח מאגרי טקסט.

אולם דנינג טוען כי גם גוף רובוטי אינו זהה לגוף ביולוגי. רובוט יכול לצפות בביצוע, לאסוף נתוני חיישנים ולחקות תנועה, אך אין פירוש הדבר שהוא חווה את התחושות, הרגשות והמשמעויות שבני אדם מייחסים לפעולה.

הפער הזה חשוב במיוחד במערכות הפועלות לצד בני אדם. מכונית אוטונומית, רובוט תעשייתי, מערכת רפואית או סוכן תוכנה עשויים להצליח ברוב המצבים שנכללו באימון – ועדיין להיכשל במצב חריג שבו נדרש ידע הקשרי שלא הוגדר מראש.

הסכנה המעשית אינה מחייבת מחשב־על תבוני

דנינג אינו טוען כי כישלון אפשרי בהשגת AGI מבטל את הסיכונים של הבינה המלאכותית. לדבריו, מערכות שאינן מבינות את העולם כמו בני אדם עדיין יכולות להיות מהירות, אוטונומיות ובעלות השפעה רחבה.

רשתות של סוכני בינה מלאכותית עשויות לבצע משימות, לקבל החלטות ולתקשר זו עם זו ללא פיקוח רציף. הן אינן חייבות להיות בעלות תודעה או תבונה כללית כדי לגרום לשיבושים פיננסיים, להפיץ מידע שגוי, להפעיל מערכות באופן בלתי צפוי או לקבל החלטות שאינן מתיישבות עם מטרות המשתמשים.

לדברי דנינג, יישור מערכות בינה מלאכותית עם ערכים אנושיים נותר קשה משום שחלק מן הכוונות, הנורמות וההקשרים האנושיים כלל אינם מנוסחים. מערכת יכולה לציית להוראה המילולית ועדיין להחמיץ את מטרתה האמיתית.

לתעשיית השבבים אין מכאן מסקנה שלפיה הביקוש לחומרת AI עומד להיעלם. גם ללא AGI, מודלים ייעודיים, מערכות סוכניות, רובוטיקה, עיבוד שפה, תכנון שבבים, רפואה ומערכות אוטונומיות צפויים לדרוש כוח חישוב משמעותי.

אולם הטענה של דנינג מערערת על ההנחה שכמות החישוב היא המדד המרכזי להתקדמות לעבר אינטליגנציה אנושית. ייתכן שתעשיית החומרה תמשיך לשפר במהירות את ביצועי המכונות – בלי שהמכונות יתקרבו באותה מידה להבנה, משמעות או שיקול דעת אנושי.

הפוסט האם עוד שבבים וכוח חישוב יספיקו לבינה מלאכותית כללית? מדען מחשבים טוען שלא הופיע לראשונה ב-Chiportal.

חברת השבבים הישראלית היילו (Hailo) הודיעה על פיטורי כ-110 עובדים, כמחצית מכוח האדם שלה. לפי הדיווח בכלכליסט, החברה מעסיקה כיום כ-220 עובדים, והמהלך מגיע בהמשך לשינוי ארגוני שביצעה לפני כמה חודשים כדי להתמקד בתחום ה-Physical AI – יישומי בינה מלאכותית בעולם הפיזי, ובהם רובוטיקה, רחפנים ומכשירי קצה חכמים.

היילו, שהוקמה ב-2017 ונחשבה במשך שנים לאחת ההבטחות הבולטות של תעשיית השבבים הישראלית, מפתחת מאיצי AI למכשירי קצה. מוצרי החברה נועדו להריץ מודלי ראייה ממוחשבת ובינה מלאכותית גנרטיבית קרוב למקור הנתונים, בלי להעביר את כל העיבוד לענן. לפי החברה, מעבדי הקצה שלה מיועדים ליישומי AI במכשירי קצה, ובהם מוצרי צריכה, רכב, מערכות תעשייתיות ורובוטיקה.

מהתלהבות סביב AI Edge לצמצום חריף

הפיטורים הנוכחיים הם סבב הקיצוצים השני של היילו השנה. בינואר 2026 פיטרה החברה כ-10% מעובדיה, אז כ-30 עובדים, והסבירה כי היא ממקדת משאבים בתחומי צמיחה ובהם רובוטיקה ו-Physical AI.

לפי הדיווח, החברה מבקשת להגיע למבנה תפעולי רזה יותר, שיאפשר לה להמשיך לשרת לקוחות קיימים באמצעות רשת שותפים ומפיצים גלובלית, ובמקביל לשפר את הגמישות לקראת השקעה, רכישה או מהלך פיננסי אחר. החברה מסרה כי מוצרי הדגל שלה, מאיצי AI למכשירי קצה, נמכרו ביותר מ-500 אלף יחידות.

ההתמקדות ב-Physical AI משקפת מגמה רחבה יותר בתעשייה: מעבר מחישובי AI גדולים בענן בלבד אל עיבוד מקומי במצלמות, רובוטים, רחפנים, מערכות רכב ומכשירי IoT. עבור היילו, זהו גם ניסיון לבדל את עצמה מול שוק צפוף ותחרותי, שבו פועלות ענקיות שבבים לצד חברות צעירות רבות שניסו לנצל את גל ההשקעות בבינה מלאכותית.

לחץ פיננסי ומחיקת השקעה בדלק רכב

המהלך מגיע על רקע מצוקה פיננסית מתמשכת. לפי כלכליסט, דלק רכב, אחת המחזיקות המשמעותיות בהיילו, דיווחה כי מיזוג SPAC שתוכנן עבור החברה בוול סטריט נקלע לקשיים ואינו מתקדם. בעקבות זאת, דלק רכב צפויה למחוק את מרבית שווי השקעתה בהיילו כבר בדוחות הרבעון השני של 2026, מהלך שעלול להעביר אותה להפסד מהותי באותו רבעון.

בשיאה, באפריל 2024, גייסה היילו 120 מיליון דולר לפי שווי של 1.2 מיליארד דולר, והפכה לאחת מחברות החד־קרן הבולטות בתחום שבבי ה-AI למכשירי קצה. רויטרס דיווחה אז כי החברה גייסה עד אותו שלב יותר מ-340 מיליון דולר מאז הקמתה. לפי הדיווחים האחרונים, שוויה הריאלי של החברה מוערך כעת בפחות מ-500 מיליון דולר.

כלכליסט ציין כי סך החשיפה של דלק רכב להיילו עומד על כ-62.4 מיליון דולר, שהם כ-197 מיליון שקל, וכי בינואר 2026 העמידה דלק מוטורס להיילו הלוואה של 9 מיליון דולר, עם אפשרות להגדלה נוספת של 3 מיליון דולר. לפי הדיווח, ההלוואה נושאת ריבית גבוהה של 1.5% בחודש, שעשויה לעלות ל-3% בחודש אם לא יתרחש אירוע נזילות בתוך 12 חודשים.

חברה עם טכנולוגיה קיימת, אבל שוק קשה יותר

הקושי של היילו אינו נובע בהכרח מהיעדר טכנולוגיה. החברה השיקה בשנים האחרונות כמה דורות של מאיצי AI, ובהם Hailo-8 ליישומי ראייה ממוחשבת ו-Hailo-10H, שנועד להריץ מודלי שפה וראייה גנרטיביים במכשירי קצה. לפי היילו, Hailo-10H מספק 40 TOPS בביצועי INT4, תומך במודלי LLM ו-VLM, ומתוכנן לפעול בהספק טיפוסי של 2.5 ואט.

עם זאת, פיתוח שבבים הוא תחום עתיר הון, והמעבר ממוצר טכנולוגי מרשים להכנסות בהיקף גדול דורש זמן, שרשרת אספקה יציבה, תוכנה בשלה, תמיכת לקוחות רחבה וחדירה לשווקים שמאמצים טכנולוגיה בקצב מספק. במקרה של היילו, הנתונים הפיננסיים שפורסמו סביב דלק רכב מצביעים על פער בין ההבטחה הטכנולוגית לבין צורכי המזומן והקצב העסקי של החברה.

מנכ”ל היילו, אור דנון, מסר כי ענף השבבים בעידן ה-AI הופך לחלק מהתשתיות הקריטיות במדינות רבות, וכי הבינה המלאכותית “עוזבת את הענן ועוברת לעולם הפיזי”. לדבריו, המהלכים הנוכחיים נועדו לשמר את המובילות הטכנולוגית של החברה ולהמשיך לייצר ערך ללקוחות קיימים ועתידיים.

היילו עדיין מחזיקה במוצר, בלקוחות, ברשת שותפים ובמוניטין טכנולוגי בתחום שבו הביקוש עשוי לצמוח בשנים הקרובות. אבל סבב הפיטורים החריף מסמן כי החברה נכנסת לשלב מבחן: האם תצליח להפוך את פעילותה לממוקדת ורזה מספיק כדי לשרוד עד גיוס, רכישה או התאוששות עסקית – או שהלחץ הפיננסי יכריע את אחת ההבטחות הגדולות של שבבי ה-AI בישראל.

הפוסט היילו מפטרת כמחצית מעובדיה ותתמקד ב-Physical AI הופיע לראשונה ב-Chiportal.

הבינה המלאכותית הגנרטיבית התחילה מבחינת רוב המשתמשים כחלון צ’אט. אבל מבחינת תעשיית השבבים, הצ’אטבוטים היו רק השלב הראשון. בסימפוזיון הטכנולוגיות של TSMC באירופה הוצגה תמונה רחבה יותר: AI מתקדמת מהענן וממרכזי הנתונים אל הקצה, אל מכוניות, רובוטים, מכונות תעשייתיות וחיישנים. כל מעבר כזה אינו רק שדרוג תוכנה, אלא קפיצת מדרגה בדרישות החומרה.

כריס תומאס, נשיא TSMC Europe, תיאר את ה-AI כטכנולוגיה שמתפשטת במקביל בענן, במרכזי נתונים ובקצה. לפי סיכום דבריו, ההתפשטות הזו דורשת “צפיפות מחשוב קיצונית, רוחב פס גבוה ויעילות הספק”. זהו למעשה קיצור של האתגר כולו: יותר חישוב, יותר נתונים, ופחות אנרגיה לכל פעולה.

שלב ראשון: צ’אטבוטים וכלכלת הטוקנים

השלב הראשון של הגל הנוכחי הוא הצ’אטבוט. כאן צוואר הבקבוק המרכזי הוא ייצור טוקנים: כמה מהר המודל עונה, כמה עולה כל תשובה, וכמה זיכרון נדרש כדי לשמור את ההקשר. ככל שהמודלים גדלים וחלונות ההקשר מתארכים, עולה החשיבות של HBM, רוחב פס לזיכרון, רשתות מהירות בין מאיצים ואריזות מתקדמות.

בשלב הזה המדד אינו רק ביצועי שיא של GPU יחיד. מרכזי נתונים נמדדים יותר ויותר בטוקנים לוואט, טוקנים לדולר, ניצול מערכת וזמן הגעה לייצור. לכן תעשיית השבבים עוברת מחשיבה על שבב בודד לחשיבה על מערכת שלמה: מאיץ, זיכרון, רשת, קירור, תוכנה ואריזה.

שלב שני: Agentic AI הופך תשובה לתהליך עבודה

השלב השני הוא Agentic AI — בינה מלאכותית סוכנית. כאן המערכת אינה מסתפקת בתשובה אחת. היא מפרקת משימה לשלבים, מפעילה כלים, בודקת תוצאות, מתקנת שגיאות וממשיכה לפעול לאורך זמן. מבחינת המחשוב, שאילתה אחת יכולה להפוך לעשרות פעולות משנה: קריאות למודלים, קוד, חיפוש, גישה למסדי נתונים, בדיקות והרצות חוזרות.

לכן Agentic AI מחזיר למרכז הבמה גם את המעבדים הכלליים, את מערכות האחסון ואת שכבות התזמור. לא מדובר רק בעוד עומס על GPU, אלא במפעל AI שמנהל תהליכים מתמשכים.

הדוגמה של Siemens ו-TSMC ממחישה שהשינוי הזה נכנס גם לתכנון השבבים עצמו. סימנס תיארה את מערכת Fuse EDA AI כ-Agentic AI ייעודי לתעשיית השבבים, שנועד לבצע “אוטומציות מרובות-שלבים ומרובות-כלים” סביב אימות פיזי, תיקון הפרות DRC וגישה מהירה למידע תכנוני. אנקור גופטה, סגן נשיא בכיר ב-Siemens EDA, אמר כי השילוב עם טכנולוגיות הייצור של TSMC מסייע ללקוחות להגיע ל“רמות חדשות של מהירות, דיוק וביטחון בתכנון”.

גם מצד TSMC הודגש הקשר בין AI לבין יעילות אנרגטית. אביק סרקר מ-TSMC אמר כי ההתקדמות המשותפת בכלי EDA מבוססי AI מסייעת לקדם “חדשנות שבבים יעילה אנרגטית” בעידן ה-AI.

שלב שלישי: Physical AI יוצא מהדאטה סנטר

השלב השלישי הוא Physical AI — בינה מלאכותית שפועלת בעולם הפיזי. כאן מדובר ברכבים אוטונומיים, רובוטים תעשייתיים, מכונות ייצור, מערכות לוגיסטיקה, ציוד רפואי וחיישנים חכמים. בשונה מצ’אטבוט, מערכת כזו אינה יכולה תמיד להמתין לענן. היא צריכה לראות, להבין, להחליט ולפעול בזמן אמת, תחת מגבלות הספק, חום ובטיחות.

ז’אן-מארק שרי, מנכ”ל STMicroelectronics, הציג בסימפוזיון את Physical AI כדוגמה להתכנסות בין תחומים שבעבר נראו שונים: רכב חשמלי, רובוטיקה תעשייתית וממשקי אדם-מכונה. בשלושתם מופיעים אותם רכיבים מערכתיים: מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, מיקרו-בקרים ורכיבי הספק.

המשמעות היא ש-Physical AI אינו שוק של מאיצים בלבד. הוא דורש גם חיישנים, רכיבי הספק, SiC ו-GaN, בקרים, תקשורת, תוכנה משובצת ומודלים יעילים בקצה. בענן מאמנים ומדמים. בקצה מקבלים החלטות.

ג’נסן הואנג מאנבידיה ניסח זאת בשיחת הוועידה של החברה בצורה חדה: “The world is rebuilding computing for Agentic AI and robotic physical AI.” כלומר, לא מדובר בעוד מחזור שדרוג רגיל של מחשבים, אלא בבנייה מחדש של שכבת המחשוב סביב דפוסי שימוש חדשים.

המסקנה: AI הופך לארכיטקטורת מערכת

שלושת השלבים אינם מחליפים זה את זה. הם מצטרפים זה לזה. צ’אטבוטים ימשיכו לדרוש מרכזי נתונים עצומים וזיכרון מהיר. Agentic AI יוסיף עומסי תזמור, CPU, אחסון ואבטחה. Physical AI יוסיף אתגרי זמן אמת, חישה, אמינות והספק בקצה.

לכן קפיצת המדרגה הבאה ב-AI לא תימדד רק בגודל המודל. היא תימדד ביכולת לבנות מערכת מלאה: שבבים מתקדמים, זיכרון קרוב, אריזות תלת-ממדיות, קישוריות אופטית, רכיבי הספק, תוכנה, קירור ויכולת ייצור בהיקף גדול. עבור תעשיית השבבים, זהו מעבר ממירוץ על טרנזיסטורים למירוץ על ארכיטקטורה מערכתית שלמה.

הפוסט מצ’אטבוטים לרובוטים: שלוש קפיצות המחשוב של עידן ה-AI הופיע לראשונה ב-Chiportal.

אוניברסיטת בן־גוריון בנגב הודיעה על כוונתה לפתוח בשנת הלימודים תשפ"ז תוכנית לתואר ראשון (B.Sc) בבינה מלאכותית, בכפוף לאישור המועצה להשכלה גבוהה. מדובר במהלך שמטרתו להעניק הכשרה ממוקדת בתחום שהפך בשנים האחרונות לאחד ממנועי הצמיחה המרכזיים של תעשיית ההייטק והמחקר.

עד כה נלמדה הבינה המלאכותית ברוב המוסדות האקדמיים בישראל כחלק מתואר במדעי המחשב, באמצעות קורסי בחירה או מסלולי התמחות. התוכנית החדשה מבקשת להפוך את התחום לליבת התואר כולו, תוך שילוב קורסים במדעי המחשב, מתמטיקה, סטטיסטיקה ולמידת מכונה לצד נושאים מתקדמים כגון למידה עמוקה, מודלים גנרטיביים, עיבוד שפה טבעית וראייה ממוחשבת.

התוכנית אמורה לפעול במסגרת הפקולטה למדעי המחשב והמידע באוניברסיטה, ותהיה מבוססת על סגל החוקרים העוסק בבינה מלאכותית בתחומים שונים. בראש התוכנית צפוי לעמוד פרופ' ערן טרייסטר, חוקר בתחום למידת המכונה והחישוב המדעי.

המהלך מגיע על רקע מחסור עולמי באנשי מקצוע בעלי הכשרה מתקדמת בבינה מלאכותית. חברות טכנולוגיה, מוסדות מחקר וגופי ממשל מגבירים בשנים האחרונות את הביקוש למהנדסים וחוקרים בעלי הבנה עמוקה של אלגוריתמים, מודלים גדולים ותשתיות חישוב מתקדמות.

עם זאת, מומחים בתחום מציינים כי השאלה המרכזית אינה רק פתיחת מסלולים חדשים, אלא גם התאמת תוכניות הלימודים לקצב ההתפתחות המהיר של התחום. טכנולוגיות שנלמדות כיום עשויות להשתנות בתוך שנים ספורות, ולכן נדרשת הכשרה המבוססת על יסודות מתמטיים ומדעיים לצד חשיפה לכלים העדכניים ביותר.

לדברי האוניברסיטה, התוכנית תסתמך על תשתיות מחשוב ייעודיות, לרבות אשכול חישוב מבוסס GPU המאפשר אימון והרצה של מודלים מתקדמים, וכן על מעבדות רובוטיקה ושיתופי פעולה עם חברות טכנולוגיה. בנוסף ייכללו בתוכנית קורסים העוסקים בהשלכות החברתיות והאתיות של הבינה המלאכותית, נושא הזוכה לתשומת לב גוברת בעולם האקדמי והרגולטורי.

פתיחת התוכנית משתלבת במגמה רחבה יותר בישראל, שבה מוסדות אקדמיים מנסים להרחיב את ההיצע בתחומי הבינה המלאכותית, מדעי הנתונים והסייבר, במטרה לענות על צורכי המשק ולחזק את מעמדה של ישראל בזירה הטכנולוגית העולמית.

עד לקבלת אישור המל"ג, טרם פורסמו היקף הקליטה הצפוי, תנאי הקבלה הסופיים או מספר המקומות שיוצעו במחזור הראשון.

הפוסט אוניברסיטת בן־גוריון מבקשת לפתוח תואר ראשון ייעודי בבינה מלאכותית הופיע לראשונה ב-Chiportal.