גנסן הואנג, אנבידיה  (רשתות חברתיות)
גנסן הואנג, אנבידיה (רשתות חברתיות)

המלך של ה-AI מסביר איך הכל התחיל - "מתחום הגיימינג" ומעריך שזו רק ההתחלה

ג'נסן הואנג, האיש שהפך את אנבידיה ממפתחת כרטיסי מסך לחברת ענק שמובילה את מהפכת הבינה המלאכותית והרובוטיקה, מספר איך זה קרה – ולמה העולם רק מתחיל להבין את השינוי

עמית בר |

ממשחקי מחשב למהפכת הבינה המלאכותית

ג'נסן הואנג הקים את אנבידיה אי שם בשנות ה-90, כשהמחשבים היו עדיין מגושמים והאינטרנט היה בחיתוליו. מה שהוא רצה לעשות אז היה פשוט – לאפשר למשחקי מחשב להיראות טוב יותר. אבל מה שהוא והצוות שלו פיתחו אז, בסך הכול כדי לשפר את הגרפיקה במשחקים, הפך במרוצת השנים לאחת מפריצות הדרך המשמעותיות ביותר בעולם המחשוב.

"הכול התחיל ממשחקים," הואנג סיפר בעבר בראיונות שונים לתקשורת האמריקאית. "ראינו שהמעבדים שהיו קיימים פשוט לא מספיק טובים בשביל להתמודד עם חישובים מסובכים של גרפיקה תלת-ממדית, אז חיפשנו דרך אחרת לעשות את זה."

הדרך האחרת הזו הייתה המעבד הגרפי (GPU), שההבדל המרכזי בינו לבין המעבד הרגיל (CPU) הוא שהוא יודע לחשב המון פעולות בו-זמנית. במקום שהמחשב יעבד כל תמונה בנפרד, המעבד הגרפי יכול לטפל בכמה חישובים במקביל – וזה בדיוק מה שהפך אותו לאידיאלי לא רק למשחקים, אלא לכל תחום שדורש כוח חישובי רציני.


איך גיימינג הפך למנוע צמיחה של תחום שלם?

בשנות ה-90 וה-2000 אנבידיה הייתה קודם כול חברת משחקים. המעבדים שלה עזרו להפוך משחקים כמו GTA, Doom ו-FIFA למרשימים יותר וגרמו למחשבים להריץ גרפיקה מתקדמת. אבל אז קרה משהו שהואנג לא צפה – מדענים, חוקרים ומהנדסים הבינו שה-GPU יכול לשמש גם לתחומים אחרים.

"היה לנו ברור שהמעבד הזה מהיר בטירוף, אבל פתאום התחילו לפנות אלינו חוקרים מתחומים אחרים, כמו רפואה, אקלים ופיזיקה קוונטית, שרצו לבדוק איך הם יכולים להשתמש בזה," סיפר הואנג. "הם הבינו שמה שעובד עבור משחקים יכול לעבוד גם בתחומים הרבה יותר רחבים."

וזה בדיוק מה שקרה – מעולם שהסתובב סביב משחקים, אנבידיה הפכה להיות החברה שמובילה את מהפכת הבינה המלאכותית. והכול התחיל מניסוי קטן ב-2012.



הנקודה שבה הבינה המלאכותית התפוצצה

הפריצה האמיתית של אנבידיה לעולם הבינה המלאכותית קרתה בשנת 2012. צוות חוקרים מאוניברסיטת טורונטו פיתח רשת נוירונים בשם AlexNet, שהייתה מסוגלת לזהות תמונות בצורה טובה בהרבה מכל מערכת אחרת באותה תקופה. אבל הדבר הכי מעניין היה שהם אימנו את המודל שלהם על כרטיסי המסך של אנבידיה.

קיראו עוד ב"BizTech"

"זה היה רגע של הארה," אומר הואנג. "פתאום ראינו שהטכנולוגיה שלנו, שהייתה אמורה רק לעזור לשחקנים לראות גרפיקה יפה יותר, יכולה לשמש כדי ללמד מחשבים לזהות תמונות, להבין דיבור ואפילו להפיק תובנות על סמך כמויות מידע אדירות."

מאותו רגע הכול השתנה. חברות הבינו שאפשר להשתמש ב-GPU של אנבידיה כדי לאמן את מערכות הבינה המלאכותית שלהן במהירות שיא, וזה הפך את החברה לשם דבר בעולם הטכנולוגיה.


אז מה בעצם אנבידיה עושה היום?

היום אנבידיה כבר מזמן לא רק חברת חומרה. נכון, היא עדיין מייצרת את כרטיסי המסך הכי טובים בשוק, אבל רוב ההכנסות שלה מגיעות מאזורים אחרים לגמרי – בינה מלאכותית, מחשוב ענן, מכוניות אוטונומיות ורובוטיקה.

כמה דוגמאות למה שאנבידיה עושה היום:



שאלות ותשובות – כל מה שרציתם לדעת על אנבידיה

למה דווקא אנבידיה הפכה לחברה המובילה בבינה מלאכותית?
כי היא הייתה הראשונה לזהות את הפוטנציאל של מחשוב מקבילי ולפתח טכנולוגיות כמו CUDA, שמאפשרות לנצל את כוח המעבדים שלה בתחומים שלא קשורים רק לגרפיקה.

מה ההבדל בין CPU ל-GPU?
ה-CPU (מעבד מרכזי) מבצע חישובים בצורה סדרתית – אחד אחרי השני. ה-GPU (מעבד גרפי) יודע לבצע חישובים מקבילים – מאות ואלפי חישובים בו-זמנית, מה שהופך אותו לאידיאלי עבור בינה מלאכותית, הדמיות מדעיות ועוד.

איך אנבידיה הפכה משחקנית גיימינג לחברה טכנולוגית ענקית?
בהתחלה זה היה מקרי – חוקרים גילו שהשבבים של אנבידיה יכולים לשמש גם לתחומים אחרים. אבל אז החברה זיהתה את הפוטנציאל והתחילה להשקיע מיליארדים בפיתוח פתרונות מתקדמים במיוחד.

העתיד של אנבידיה?
החברה כבר מסתכלת קדימה. הואנג אומר שבעתיד הקרוב, "כל מה שזז – יהפוך לרובוטי", וזה אומר שגם מכוניות, גם מפעלים וגם אפילו שירותים שאנחנו משתמשים בהם ביום-יום יתבססו על מערכות של בינה מלאכותית.

איזה סיכונים יש לאנבידיה?
החברה שולטת כיום בשוק הבינה המלאכותית, אבל יש תחרות. AMD, אינטל וגם סטארטאפים קטנים מנסים לייצר פתרונות מתחרים. בנוסף, אם שוק ה-AI ייכנס למשבר או שמדינות יתחילו להגביל את התחום – זה עלול לפגוע בהכנסות החברה.

מה הקטע עם אנבידיה ורובוטים?
היא מפתחת כלים שמאפשרים לאמן רובוטים בצורה מהירה ובטוחה יותר. במקום לשלוח רובוטים ללמוד משימות בעולם האמיתי – הם יכולים להתאמן בסביבה וירטואלית. זה חוסך זמן וכסף, ומאפשר לרובוטים להיות חכמים יותר מהרגע הראשון.

הגב לכתבה

השדות המסומנים ב-* הם שדות חובה
ג'ף בזוס אמאזון אמזון
צילום: AFP

אמזון משיקה שבב AI חדש שיתחרה באנבידיה- "השבב שלנו יעיל יותר וחוסך בעלויות"

אחרי שגוגל השיקה שבב מתחרה לאנבידיה - מגיע תורה של אמזון; במקביל משיקה החברה סוכני AI למוקד שירות ותיקון תקלות, אבטחה ולפיתוח תוכנה

מנדי הניג |
נושאים בכתבה אמזון אנבידיה

אחרי שגוגל השיקה שבב חדש לשוק ה-AI, גם אמזון משקיה שבב חדש וטוענת שהוא מהווה תחרות עם חלק מרכזי מהיכולות של השבב של אנבידיה. על פי ההערכות השבב של גוגל מתחרה בסגמנט של 15% בערך מהיקף השוק של השבב של של אנבידיה שלה יש פלטפורמה מלאה. באמזון מדברים על תחרות חזקה עוד יותר. 

באמזון טוענים כי  "השב שלנו יעיל יותר וחוסך בעלויות". השבב החדש הוא תוצר של מחלקת השבבים ב-AWS חטיבת הענן של אמזון והוא נוצר כדי לצמצם תלות במעבדי GPU של אמזון ולהבטיח את יכולתה של החברה בעיבוד והסקה של מערכות AI מורכבות. 

שבב ה-AI של אמזון יקרא Trainium3 ולפי הצהרות החברה, מדובר בשבב שמציע ביצועים טובים יותר בעלות נמוכה יותר, ומאפשר ללקוחות להריץ אימונים ויישומי AI בעלות נמוכה ב-50% לעומת השימוש במעבדים של אנבידיה.

המוצר החדש מצטרף לקו שבבי הבינה המלאכותית של AWS, הכולל גם את Inferentia3 לתהליכי הסקה (Inference) ואת Graviton4 לעומסי עבודה כלליים בענן. מטרת החברה ברורה: להפחית את התלות באנבידיה, לשפר את הרווחיות של תשתיות הענן שלה ולתת מענה למגמה הגוברת של חישובים עתירי משאבים.


מטרה ברורה: לצמצם את הפער מול אנבידיה

השבב Trainium3, שיופעל בשירותי הענן של AWS החל מ־2026, מאפשר אימון מודלים מורכבים יותר בזמן קצר יותר, לטענת אמזון, עד פי ארבעה בהשוואה לדור הקודם של השבב. בנוסף, הוא תומך בתקשורת מהירה יותר בין יחידות עיבוד, דבר קריטי באימון מודלים רחבי היקף.

דיקטה. קרדיט: רשתות חברתיותדיקטה. קרדיט: רשתות חברתיות

בתמיכת אנבידיה: דיקטה מכניסה את ארון הספרים היהודי ל-AI

העמותה הישראלית השיקה שלושה מודלי קוד פתוח שמאומנים על מאות מיליארדי טוקנים בעברית ובאנגלית, ומציבים סטנדרט חדש ליכולות AI מקומיות; טכנולוגיות האימון שבו השתמשה היא של אנבידיה

רן קידר |

בזמן שמודלי השפה הגדולים ממשיכים להתקדם במהירות ברחבי העולם, רובם עדיין נשענים על אנגלית כשפה מרכזית, ורק בהמשך מקבלים עדכוני התאמה לשפות אחרות. היום מציגה דיקטה חלופה יוצאת דופן: סדרת Dicta-LM 3.0, אוסף מודלים גדולים וריבוניים בקוד פתוח, שתוכננו לספק יכולות עומק בעברית כבר משלב האימון הראשוני, לא כתוספת, אלא כבסיס.

בניגוד למודלי שפה בינלאומיים שנשענים כמעט לחלוטין על גופי מידע באנגלית, המודל של דיקטה מאומן מראש על מאגר דיגיטלי עצום של טקסטים עבריים, הכוללים מקורות פומביים, ארכיונים, אוספי תכנים מהספרייה הלאומית, חומרים שנמסרו לעמותה בידי גופים ציבוריים ופרטיים, ונתונים עבריים ייעודיים שפותחו במיוחד לצורכי המחקר. שילובם עם דאטה איכותי באנגלית יוצר מודלים שמבינים עברית ברמת עומק תרבותית ולשונית, תוך שמירה על יכולות ההסקה והידע הגלובלי של המודלים הבסיסיים שעליהם הותאמו.

ברמה הטכנית, מדובר באחת ההשקות החשובות ביותר בתחום ה-AI המקומי: מודלים במשקל 24 מיליארד (על בסיס Mistral), 12 מיליארד (על בסיס מודל בסיסי של אנבידיה) ו-1.7 מיליארד פרמטרים (שמיועד גם למכשירי קצה אישיים). המודלים הללו הוכשרו על כ-150 מיליארד טוקנים (כ-75% עברית, 25% אנגלית), תוך הרחבת חלון ההקשר המקורי של המודלים לכ-65 אלף טוקנים, כלומר כ-26 אלף מילים בעברית. כל שלושת המודלים זמינים לשימוש חופשי, ניתנים להורדה ישירות מ-HuggingFace, וניתנים להרצה הן בתצורה מלאה והן בגרסאות דחוסות כמו FP8 ו-4bit.

בנוסף, המודל הקטן זמין גם דרך אתר דיקטה. 

שלושה מודלים - שלוש מטרות

כאמור, המודל המוביל של הסדרה החדשה מבוסס על Mistral Small 3.1, והוא מותאם להנמקה מתקדמת ולשיחה ארוכת־טווח. בנוסף אליו, ישנו דגם קל משקל המבוסס על ארכיטקטורת אנבידיה Nemotron Nano V2, המאפשר חלון הקשר ארוך משמעותית וצריכת זיכרון נמוכה.

המודל הקטן יותר, מיועד להרצה על חומרה צרכנית, כולל מחשבים אישיים ואפילו מכשירי קצה. בכל הדגמים ניתן למצוא תמיכה מובנית ב-tool calling, המאפשרת חיבור לכלים חיצוניים, API וסביבות מידע בזמן ריצה. השילוב הזה אמור להיות אטרקטיבי לארגונים ישראליים, עם פתרונות AI ריבוניים שיכולים לרוץ on-prem על תשתיות קיימות, מבלי להסתמך על ענן זר או העברת מידע רגיש לחו״ל.