ההדגמה שהמחישה לאמזון מדוע דקארט שווה 7 מיליארד דולר

קשה להתעלם מהעובדה שבמהלך השנה האחרונה התעניינו בדקארט כמה מהחברות הבולטות בתעשיית הבינה המלאכותית, המייצגות חוליות שונות בשרשרת הערך: יצרנית שבבים, ספקית ענן, מפתחת מודלי שפה וחברת טכנולוגיה בעלת פעילות AI נרחבת. מה יש בחברה הישראלית הצעירה שעשוי להצדיק תג מחיר של מיליארדי דולרים? במקרה של אמזון, ייתכן שהתשובה טמונה בהדגמה טכנולוגית שהשתיים הציגו לפני פחות משנה.

ההדגמה שהציגה את הפוטנציאל של Trainium3

בדצמבר 2025, בכנס AWS re בלאס וגאס, עלה לבמה מנכ"ל ומייסד-שותף של דקארט, דין לייטרסדורף, במסגרת הרצאתו של פיטר דה-סנטיס, מבכירי אמזון. לייטרסדורף הציג את תוצאות העבודה המשותפת של החברות על הרצת מודל וידאו בזמן אמת באמצעות מאיץ הבינה המלאכותית Trainium3, שאמזון פיתחה בעצמה.

המערכת של דקארט מסוגלת לקלוט וידאו ולייצר ממנו רצף תמונות חדש בזמן אמת, למשל באמצעות שינוי הסגנון החזותי או עריכת פרטים בתמונה. יישום כזה מחייב ביצוע רציף של חישובים מורכבים, תוך שמירה על השהיה נמוכה במיוחד.

לדברי החברות, המימוש שהותאם ל-Trainium3 השיג קצב יצירת פריימים גבוה פי 3.8 עד פי ארבעה בהשוואה למאיצי GPU מתקדמים, ובעלות חישוב נמוכה בכ-50%. בדקארט דיווחו גם על ניצולת של עד 89% מיחידות החישוב הייעודיות בשבב, ואמזון הציגה הדגמות שבהן זמן יצירת פריים היה נמוך מ-10 מילישניות.

כדי להגיע לתוצאות הללו פיתחה דקארט רכיב תוכנה ייעודי מסוג Mega-Kernel, באמצעות סביבת הפיתוח NKI של אמזון. במקום להריץ את רכיבי מודל הווידאו בזה אחר זה, המימוש מאפשר לבצע חלק מהפעולות במקביל ולנצל טוב יותר את יחידות החישוב ואת רוחב הפס של הזיכרון. כך ניתן לצמצם זמני המתנה ותקורות הנובעות מהעברת נתונים בין שלבי העיבוד.

חשוב לסייג את התוצאות: מדובר בהדגמה של מודל וידאו מסוים, ולא בהוכחה לכך שניתן לשפר פי ארבעה את ביצועי Trainium3 בכל משימת AI. החברות גם לא פרסמו מתודולוגיית השוואה מלאה, לרבות דגמי ה-GPU המדויקים ורמת האופטימיזציה שלהם. יתרה מכך, חלק מההישג עשוי לנבוע מהתאמות שבוצעו בארכיטקטורת המודל עצמו.

ואולם, גם בכפוף להסתייגויות הללו, ההדגמה המחישה יכולת בעלת משמעות מסחרית רחבה: דקארט יודעת לבצע אופטימיזציה עמוקה של תוכנה לחומרה מסוימת ולהפיק ממנה ביצועים גבוהים. ייתכן שדווקא העבודה המשותפת הזאת אפשרה לאמזון להכיר מקרוב את היכולות ההנדסיות של החברה הישראלית ואת הפוטנציאל שלהן עבור עסקי הענן.

הנשק של אמזון מול אנבידיה

כדי להבין את החשיבות האסטרטגית של הטכנולוגיה, צריך להכיר את Trainium. מדובר במשפחת מאיצי AI שאמזון מפתחת בעצמה, בדומה למאיצי TPU של גוגל. אלה אינם מעבדים כלליים מסוג CPU, וגם לא GPU רב-תכליתי, אלא שבבים ייעודיים לחישובים של רשתות נוירונים.

המשפחה כבר נמצאת בשימוש מסחרי. הדור השלישי, Trainium3, שהושק בדצמבר 2025, מיוצר בתהליך של 3 ננומטר ומציע ביצועים תיאורטיים של עד 2.52 פטה-פלופס בחישובי FP8 לשבב. אמזון משלבת את המאיצים במערכות מחשוב גדולות ומציעה את השימוש בהם באמצעות AWS, ולא כמוצר מדף למכירה עצמאית.

מבחינת אמזון, פיתוח השבבים הוא חלק מהמאמץ להפחית את התלות באנבידיה ולשלוט בעלויות המחשוב. אלא שפיתוח חומרה תחרותית הוא רק חלק מהאתגר. מרבית תעשיית ה-AI בנתה את כלי הפיתוח ואת תשתיות התוכנה שלה סביב סביבת CUDA של אנבידיה. מעבר למאיץ אחר מחייב התאמות תוכנה, ולעיתים גם פיתוח מחדש של רכיבי חישוב.

כאן עשויה דקארט למלא תפקיד מרכזי. שכבת האופטימיזציה שלה יכולה לסייע בהתאמת מודלים לארכיטקטורות חומרה שונות ובשיפור הביצועים המתקבלים מהן. עבור אמזון, המשמעות האפשרית כפולה: הקלת המעבר של לקוחות מ-GPU של אנבידיה ל-Trainium, ושיפור ניצולת השבבים שלה כדי להציע עלות נמוכה יותר לאימון ולהרצת מודלים.

למעשה, הטכנולוגיה עשויה לשרת גם את פעילות הענן הרחבה של אמזון, שמציעה שרתים המבוססים על מאיצי NVIDIA. במקרה כזה, אופטימיזציה טובה יותר יכולה לשפר את התפוקה של תשתיות קיימות, בלי להוסיף חומרה. עם זאת, אין כיום אישור פומבי שאמזון מתכננת לשלב את הטכנולוגיה בשירותי AWS באופן הזה.

שכבת התוכנה שמעניינת את כל התעשייה

דקארט, שהוקמה ב-2023 בידי דין לייטרסדורף ומשה שיליסר, פועלת בשני תחומים משלימים. מצד אחד היא מפתחת מודלי AI ליצירת וידאו וסביבות אינטראקטיביות, ובהם Oasis ו-Lucy. מצד שני, היא מפתחת שכבת אופטימיזציה בשם Decart Optimization Stack, או DOS, שנועדה לשפר את יעילות האימון והאינפרנס של מודלי AI.

הטכנולוגיה משלבת פיתוח Kernels מותאמים, קומפיילרים, אופטימיזציה של פעולות חישוב, ניהול זיכרון והתאמה של מודלים לארכיטקטורות שונות. החברה מציגה תמיכה בסביבות חומרה של אנבידיה, אמזון, גוגל ו-AMD. עם זאת, לא ברור מהו היקף ההתאמות האוטומטיות שמבצעת DOS וכמה עבודה הנדסית נדרשת לכל מודל וחומרה.

ההתעניינות מצד חברות שונות ממחישה את מגוון היישומים האפשריים של הטכנולוגיה. עבור אנבידיה, רכישת דקארט עשויה לחזק את שכבת התוכנה המלווה את מאיצי ה-GPU שלה, ולסייע לה להפיק מהם ביצועים גבוהים יותר. עבור אנתרופיק, המפתחת את משפחת מודלי Claude, היתרון האפשרי הוא צמצום עלויות האימון והאינפרנס, לצד גמישות גדולה יותר בשימוש בספקי חומרה שונים.

במקרה של ספייס X, שהוזכרה גם היא בדיווחים, התמונה פחות ברורה. העניין עשוי להיות קשור לייעול תשתיות AI עתירות מחשוב, אך ייתכן גם שמודלי העולם והווידאו של דקארט רלוונטיים לפעילות בתחומי הסימולציה והרובוטיקה.

בסופו של דבר, העניין בדקארט משקף שינוי רחב יותר בתעשיית ה-AI. ככל שמתרחב מגוון המאיצים, וככל שעלויות האימון והאינפרנס הופכות למרכיב מרכזי בכלכלת התעשייה, עולה חשיבותה של שכבת התוכנה שמחברת בין המודלים לחומרה ומאפשרת לנצל אותה ביעילות.

ההדגמה המשותפת עם אמזון לא הוכיחה ש-DOS מסוגלת לשפר את הביצועים של כל מודל על כל שבב. אבל היא סיפקה דוגמה מוחשית לערך שעשויה ליצור מומחיות מהסוג הזה. אם אמזון אכן תרכוש את דקארט, ייתכן שהיא לא תשלם מיליארדי דולרים רק עבור מודלי הווידאו שלה, אלא גם עבור היכולת להפוך את שבבי ה-AI שלה לתחרותיים יותר.