ב-1961 נכנס לפס הייצור של ג'נרל מוטורס הרובוט התעשייתי הראשון. הוא שקל שני טון וביצע רצף פקודות שנשמר על תוף מגנטי. היום עובדים בעולם יותר מחמישה מיליון רובוטים תעשייתיים, ושוק הפיזיקל AI צפוי להגיע ל-450 מיליארד דולר כבר ב-2030.
אז מה באמת השתנה, ולמה דווקא עכשיו הבינה המלאכותית מתחילה לצאת מהמסך אל העולם הפיזי?
בפרק הזה שרון סברייגו מארחת את דורין שני, מהנדסת מערכות בכירה כדי לדבר על ההבדל בין רובוטיקה קלאסית לבין פיזיקל AI, איך בכלל מלמדים רובוט להרים כוס מים, למה דווקא חוש המגע הוא הפער הגדול שנותר, ואיפה ישראל נמצאת במפה שבה ארצות הברית מחזיקה במודלים וסין בייצור?
הפרק בחסות מרכז החדשנות של נמל אשדוד – פינה מיוחדת עם מנהל מרכז החדשנות רועי אברהמי על איך דיפטק עושה מהפכה אפילו בנמל.
הצטרפו לקהילה החדשה שלנו בלחיצה כאן. 🚀
מקווים שנהנתם ואם כן אל תשכחו לדרג ולעקוב אחרי הפודקאסט.אל תשכחו להצטרף לניוזלטר השווה שלנו בלחיצה כאן. 💌
ולצפייה בפרקים הרשמו לערוץ היוטיוב שלנו בלחיצה כאן. 🤩
לעמוד האינסטגרם לחצו כאן
לעמוד הפייסבוק לחצו כאן
לעמוד הטוויטר לחצו כאן
לעמוד הטיקטוק לחצו כאן
תמלול הפרק
דיפ טק ישראל עם שרון סבריאגו בשנים האחרונות התרגלנו לחשוב על מהפכת ה-AI כמשהו שקורה בתוך המחשב. מודלים שכותבים, מתכנתים, יוצרים תמונות ומנתחים מידע. אבל הגל הבא של AI אמור לצאת מהמסך ולהתחיל לפעול בעולם הפיזי. קוראים לזה פיזיקל AI. מכוניות שנוהגות בעצמן, מפעלים ומחסנים אוטונומיים ורובוטים שעובדים לצד בני אדם.
אבל רובוטיקה ואוטומציה קיימות כבר עשרות שנים. ב-1961 נכנס לפס הייצור של ג'נרל מוטורס הרובוט התעשייתי הראשון. הוא שקל רק שני טון, עבד לפי סדרה קבועה של פקודות שנשמרו על טופ מגנטי, וכל מה שהיה צריך לעשות זה להרים חתיכת מתכת לועטת ולשים אותה במקום. היום בדרום קוריאה יש כבר 1,220 רובוטים תעשייתיים, וכל 10,000 עובדים אנושיים בפסי ייצור. כלומר בערך רובוט אחד לכל שמונה עובדים.
בכללי יש היום כבר למעלה מחמישה מיליון רובוטים למטרות תעשייתיות שעובדים במפעלים ברחבי העולם. אז מה בעצם השתנה עכשיו? אילו פריצות דרך מאפשרות למכונות לא רק לבצע פקודות, אלא לראות, להבין, ללמוד ולקבל החלטות בעולם האמיתי. איפה זה כבר עובד ואיפה נמצאות הזדמנויות? ברוכים הבאים לדיפטק ישראל, הפודקאסט לאנשים שרוצים לדעת לאן העולם הולך לפני כולם.
כאן אנחנו מדברים על טכנולוגיות שנשמעות כמו מדע בדיוני, אבל כבר מתחילות לשנות את העולם. אני שרון זברגו, וכדי לעשות לנו סדר, הזמנתי את דורין שני, מהנדסת מערכות בחירה, שעבדה על פיתוחים שונים בחברות כמו ג'נרל מוטורס ותעשייה אווירית, ובזמן הבקושי פנוי שלה, היא גם יושבת ראש עמותת בוגרי 8.1, וגם מובילה את קהילת פיזיקל AI. דורין, איזה כיף שאת פה איתנו, ברוכה באה לדיפטק ישראל. וואי שרון, איזה כיף לי להיות כאן איתכם. את יודעת דורין, כשמדברים על פיזיקל AI, מיד כולם חושבים על Humanoids, רובוטים אנושיים שנכנסים לבית, עושים לך את הכלים ומנקים את הרצפה, אבל בפועל רובוטיקה ואוטומציה קיימים כבר עשרות שנים, וחלק מהיישומים הכי מהותיים נמצאים איתנו כבר היום.
יש לי דוגמה מגניבה שאני רוצה לפתוח איתה ב-2025 למשל, אישה בסן פרנסיסקו הזמינה Waymo, שזה שירות עשרות שמושתת על רכבים אוטונומיים, בדרך לבית החולים ובסוף ילדה במושב האחורי של הרכב האוטונומי.
הוא ממש לא רק רובוטים דמויי אדם. רובוטים הומנואידיים הם הפנים הסקסיות של פיזיקל AI, אבל המהפכה הכלכלית כנראה מתחילה הרבה קודם, במפעל, במחסן, ברכב, בשדה ובמכונות שכבר קיימות. אז תעשי לנו רגע סדר ותעזרי לנו להבין מה זה בכלל פיזיקל AI. מעולה. אז קודם כל אני אתן כזה שני רגעים ובאמצע מתחוללת המהפכה הזאת הגדולה של פיזיקל AI ואז נבין באמת מה זה בכלל.
אז ב-1961 הרובוט התעשייתי הראשון נכנס לפס יצור של ג'נרל מוטורס. הוא ביצע שם רצף של תנועות שנכתב מראש, ממש תכנות ידני, חזרתי, הוא יודע בדיוק מה הוא הולך לעשות. השבוע ממש, לפי שיומי, רובוטים שלה השלימו משמרת מלאה של שמונה שעות במפעל רכב חשמלי.
עוברת המהפכה, יש לנו פה ממש שינוי מתכנות ידני של כל תרחיש, כל פעולה והאינטגרציה, השילוב ביניהם, לבין מה שאנחנו משתמשים בו היום במושג של פיזיקל AI, שזה בעצם תכלול של פעולות במצבים חדשים שהרובוטים עוד לא הכירו ורואים אותם בפעם הראשונה. ועכשיו כזה אני אנסה לתת איזושהי הגדרה. לפיזיקל AI. אז פיזיקל AI זה בעצם בינה מלאכותית שלא נשארת במסך. אם אנחנו מדברים על עולם פיזי, אז זו בינה מלאכותית שממש מבינה את העולם האמיתי.
היא רואה, היא מחליטה והיא זזה לפי מה שהיא ראתה ומה שקורה. יש לנו איזושהי עוקלת מחיישנים שאנחנו מקבלים ואז אנחנו מייצרים איזושהי פעולה פיזית. אבל זה לא כמו שאת ואני עושות את זה וזה הכי טבעי, תינוק שומע ויודע לאן להסתכל. זה איזשהו היתוך של חיישנים שפועלים ביחד ויודעים לבצע פעולות בהתאם לדבר הזה. אם כזה אני אנסה לעשות הקבלה למה שכולנו כבר מכירים היום בשם AI, אז LLM הם עוסקים במסך, בקריאה, בכתיבה, בתמונות.
אז פיזיקל AI עוסק במגע ובתנועה. ודיברנו כזה על מה שהיה, אמרת בעצמך שיש לנו לאורך השנים רובוטיקה קלאסית שנמצאת. אז גם הרובוטיקה הקלאסית היא לא קוד נוקשה, זה לא רק if then, גם שם יש לנו הרבה עבודה של חיישנים וראייה ממוחשבת, עשרות שנים של ראייה ממוחשבת, אנחנו נדבר על זה בהמשך. כי ישראל היא בין המובילות ביותר בתחום הזה, וההבדל האמיתי שקיים לנו בין פיזיקה ל-AI, שם אנחנו מאמנים מודל להכיר מרחב ולדעת לקבל החלטות בזמן אמת, לעומת סט של פעולות שאנחנו נותנים לרובוט ברובוטיקה קלאסית לבצע. אם הוא לא קיבל הנחיות ברורות קודם, אז הוא לא ידע לעשות פעולה אחרת.
אז בעצם פיזיקל AI זה איזושהי שכבה נוספת מעל האוטומציה והרובוטיקה וכל הכלים וכל החיישנים וכל מה שפיתחנו עד היום, שנותנת לו את היכולת לקבל החלטות לבד. אגב, זה נשמע ממש מעניין, כי בעצם אולי זה גם מאפשר לרובוטים או לכל שאר המערכות לעבוד ביחד, זאת אומרת, הם הופכים להיות יותר תלויים אחד בשני, יותר מודעים אחד לשני ממה שהיה לנו מרובוטים לפני זה. נכון, אז לאן שאת חותרת כאן זה בעצם השכבה של הסנס. אנחנו נותנים לרובוט ממש להרגיש ולהבין איפה הוא נמצא. וזה ממש מעניין, אני יכולה לתת כמה דוגמאות שיכולים אולי לתת לנו רגע את ההבדל.
רובוט מלצר ביפן, נכון? כל אומרים יפן זה כבר 50 שנה מוקדם.
מזון לאורחים. הוא לדוגמה רובוטיקה קלאסית, יש לו מיפוי מלא של המסעדה, הוא יודע בדיוק איפה נמצאים, איפה ה-location של כל שולחן, והוא יודע להגיד מנקודה א' לנקודה ב'. זה רובוטיקה קלאסית, זה לא physical AI, אם מפה לוקוס הוא לא יודע להרים אותה. לעומת זאת, אם נסתכל רגע על ה-warehouse של אמזון, שם יש לנו משהו מעניין, כי יש שם בעצם שתי דורות של חדשנות במפעל אחד. יש את הרובוט שינוע, שהוא יודע להרים מדפים ומשקלים מאוד כבדים, והוא גם יודע להגיע ממקום אחד למקום שני, הוא יודע להתחשב גם ביתר הרובוטים שנמצאים בסביבה שלו, אבל הוא רובוט קלאסי, יש לו גם מיפוי מלא של המקומות.
לעומת הרובוט הזרוע, זרוע מיון ספארו של אמזון, שגם נמצאת במחסנים שלהם, והיא יודעת ממש למיין, היא יודעת לעשות מיון ולהחליט לפי ראייה ממוחשבת חיישנים שנמצאים אצלה, היא יודעת לקחת שמפו לדוגמה ולא ללחוץ עליו חזק מדי כדי לא לפוצץ אותו, או לקחת תנורה והיא יודעת לארוז אותם ולעשות ממש מיון. אז יש לנו כאן אחד שהוא ממש פיזיקל AI, מולי, לעומת הדבר השני שאני לא יודעת מה עובר מולי, אבל אני יודעת שאני צריכה לקחת את ארגז א' שנמצא בתא 123580 למדף 12AB5. ובין הדברים האלה אז יש לנו באמת את השינוי, אבל גם הרובוטים הזרועות שמשתמשות בפיזיקל AI עדיין נשענות על רובוטיקה קלאסית, על בקרה, על משאבים, על בטיחות של רובוטיקה קלאסית, וזה לא ייעלם גם. ונתת כאן המון דוגמאות של רובוטים שבכלל פועלים, כמו שאמרת, ווארהאוס, במפעלים, בפסי ייצור, זה מביא אותי לשאלה, איזה תעשיות עומדות להיות מושפעות הכי הרבה מפיזיקל AI ואיך זה ייראה בפועל? אז נכון, הזכרת מקודם את וויימו, את הרובוט טקסי שלהם.
אז הרובוט הזה הוא כבר משלים כחצי מיליון נסיעות בתשלום בשבוע, ויש לנו יותר ממיליון רובוטים שזזים במחסנים של אמזון, ובאמת המהפכה כבר כאן, היא פשוט עוד לא בבתים שלנו, אנחנו עוד לא חיים עם Humanoid בבית שמקפל את הכביסה או מכין לנו חביתה. זה היה נחמד מאוד אם כן. זה יקרה. בתור אמא. זה יקרה, פשוט עוד כמה שנים.
צריך להבין כאן את הכלל המנחה, איך בכלל פיזיקל AI נכנס לתעשיות חדשות. קודם כל אנחנו נכניס אותו לסביבות שהן מובנות, שהמשימה בהן היא חזרתית, והכי משמעותי בעיניי זה שהטעות היא זולה. כשאני אומרת טעות זולה זה לא בהכרח בכסף.
טעות זולה זה אם אני מכניסה עכשיו רובוט הביתה והוא עלול לפגוע בנו או לעשות משהו שהוא בלתי הפיך, אז יש לנו פה... סיכון משמעותי. בדיוק, סיכון משמעותי. אז אנחנו רוצים ללכת קודם כל לתעשיות שהסביבה בהן תהיה פתוחה. האחריות פחותה, ככל שהאחריות יותר גבוהה, ככה ייקח יותר זמן לפיזיקל AI להיכנס לתוך התעשיות האלה.
למרות שגם רכבים אוטונומיים, אם אנחנו חושבים על רובוטקסי, ובטח על הסיפור שסיפרתי קודם על האישה שילדה באוטו, זאת אומרת, זה נשמע לי אחריות מאוד מאוד גדולה, וגם אותו רכב צריך לעבוד מול רכבים אחרים שהם לא אוטונומיים, זאת אומרת, כן יש כאן רמת סיכון גבוהה, אבל עדיין איזו תעשייה שהצליחה איכשהו... להתקדם מהר לעומת שאר התעשיות שעוד חוץ ממפעלים כאילו שרק עכשיו נכנסות לפיזיקל AI. נכון וגם שם אם תסתכלי זה לא שאנחנו רואים רובוטים מכוניות אוטונומיות בכל מקום גם המכוניות האוטונומיות נמצאות במקומות ספציפיים ואגב גם במקומות הספציפיים האלה קרו כל מיני מקרים משעשעים או לא תלוי את מי את שואלת כשעבדתי ב... בג'נרל מוטור זה היה אחד הימים שכל הרובוטים האוטונומיים שעבדנו איתם בחברה הגיעו וחסמו צומת מרכזית בסן פרנסיסקו, זה היה מוצאי שבת ואני זוכרת היה טירוף כאילו הקפיצו את כל הנהגים של החברה להגיע כי זה פשוט היה באג במערכת. יואו יש כזה סרט אפוקליפסי בדיוק עם הסיטואציה הזאתי, נשמע לי מחריד ובתור מי שגרה בסן פרנסיסקו איזה שש שנים אז אני כאילו ממש יכולה להבין.
למה זה סביבת ניסיון שבאמת תמיד מאפשרים, בדיוק היא מאפשרת, העירייה מאפשרת, המדינה מאפשרת, כאילו בדיוק להכניס את כל הטכנולוגיות האלה, אבל בטיחותי זה עוד לא לגמרי. זה נכון, וגם שם השכבות בטיחות ששמים על כל הרכבים האלה הן מטורפות ופסיכיות. הרכבים יודעים בדיוק את המפה, בדיוק איפה יש רמזורים, יודעים איפה כל רכב אחר נמצא.
והרמה של הסייפטי שם היא מטורפת. שזה אגב ממש הליבה של פיזיקל AI, היכולת באמת לקרוא את הרמזורים, לקרוא את הכביש, את המכוניות מסביבך, להבין אם יש הולכי רגל, להבין אם התחלף עכשיו רמזור, זאת אומרת זה הרבה מאוד דאטה בלייב, שאת צריכה לעבוד איתו כמכונה ובאמת להתנהל לפיו, זה ממש בינה מלאכותית. על רכב. לגמרי, ואנחנו גם ניגע בזה בהמשך, אבל גם כאן אז נכנס בעצם כל האימון של איך אנחנו מאמנים את אותם רכבים אוטונומיים או מערכות אוטונומיות, זה לא חייב להיות רכב, כדי להכיר את הסביבה שבהם הם עובדים, ואז לעשות איזשהו perception, מה הולך לקרות, מה הולך לקרות, ואז מה הפלנינג, מה אני מתכנן עם כל מצב כזה. כי זה באמת, הוא צריך לדעת כבר את הסט של הפעולות שעלולות לקרות כדי לדעת מה אני יכול לעשות כבר.
שזה בעצם גם איזשהו שינוי, כי בעצם אם רובוטים תמיד היו צריכים לעשות להם באמת את כל סדר הפעולות, לכתוב להם מראש, לדמיין את כל סדר הפעולות מראש, היום באמצעות בינה מלאכותית את יכולה בעצם לבוא להגיד, הרבה מההחלטות מתקבלות על בסיס דאטה שהוא קורא ואוסף, וזה לאו דווקא שיושב מתכנת ואומר אם קורה הסנאריו הזה ועכשיו אישה מבוגרת עוברת את הכביש, אז תעצור בצד. זאת אומרת, הוא יכול לקבל החלטות לבד, שזה מלחיץ כשלעצמו, אבל הוא בעצם ברמה תכנותית, ברמה תכנונית, זה קצת יותר קל, כי אתה מעביר אחריות בעצם לבינה המלאכותית. נכון, ואנחנו גם בזה ניגע כשנדבר על VLA. אז בעצם באיזה תעשיות היום פיזיקל AI מראה הכי הרבה ערך לעומת תחומים שאנחנו עדיין רק בדמו? מעולה.
אז כבר קורה. זה המחסנים והלוגיסטיקה. כבר קורה תחבורה, יצור, ומה יקרה בשנים הקרובות ומתפתח בקצב מאוד מהיר? בריאות וטיפול, ניתוחים בסיוע של רובוטים כבר קיימים, כולנו מכירים את דה וינצ'י, אבל אוטונומיה אמיתית ליד חולה תתקדם לאט בגלל הרגולציה. הצמיחה הקרובה שאני רואה שתהיה בעולם הזה זה מכשור מכיוון של רובוטים לשיקום או לוגיסטיקה בבתי חולים.
הכי מאוחר הגיע אלינו הביתה כמובן, למרות שכבר עכשיו יש את רובוט הבית של 1X שזה ניו והוא פתוח כבר להזמנה מוקדמת בארה״ב נראה לי במשהו כמו 20 אלף דולר, גם רווחת וגם מה שאני רואה שזה בית מלא אוטונומי לא יקרה בשנים הקרובות ויותר מזה אנחנו נראה שהרובוטים שיגיעו אלינו הביתה יעזרו באיזשהו גורם אנושי מרחוק. זאת אומרת יהפכו אותם לטיפה יותר טיפשים כדי שהם גם יהיו כנראה יותר בטוחים עבורנו. כנראה, זה מה שאני חושבת, וכזה בנקודה קטנה, כי גם בעולמות האלה אנחנו רואים המון המון התפתחות של פיזיקה ל-AI, זה ביטחון וצבא, אנחנו רואים כבר עכשיו, לצערי, עם כל המלחמות שעוברות גם באוקראינה ורוסיה וגם בארץ ובאיראן, אנחנו רואים שיש לנו מפעיל אחד שפועל על צי של רחפנים. מפעיל אחד שעובד על צי של רכבים אוטונומיים שנמצאים בשטח. וגם התקציבים שמקבלים אותם גופים הם הרבה יותר גבוהים ממה שהיו בעבר.
אז אחרי שהבנו מה זה ועל מי זה עומד להשפיע הכי הרבה, בואי נצלול לעומק הטכנולוגיות ופריצות הדרך שבכלל מאפשרות את כל עולם הפיזיקל AI. אז אורין, אולי תלמדי אותנו רגע, איך מלמדים רובוט להתנהג בעולם האמיתי? אם אני אומרת לרובוט, לך טרם מטבח ותביא לי כוס מים, מה צריך לקרות מהרגע שבו הוא שומע אותי ועד שהכוס נמצאת אצלי ביד? מדהים. את הבאת דוגמה שהיא נמצאת באיזשהו מחקר שממש פורסם השבוע.
שבעצם נותן לרובוט חוש בקצות האצבעות ונותן לו איזשהו סט מבוקר של 12 משימות, משימות מעבדה ותנאים נוחים וטובים, הרובוט יודע בדיוק מה הוא עושה ובעצם דורש ממנו לעשות כל מיני דברים, להרים ביצים, להבריג נורה. זה לסל גם הכוס מים הזאת. כן, יש את הדברים העדינים. עדינים מאוד ומורכבים מאוד, ובאמת עד היום אין לנו פריצת דרך שהיא סופר משמעותית. עד המחקר הזה עמדנו על ממוצע של בערך 42% הצלחה במשימות כאלה עדינות, ואחרי המחקר הזה ש...
שיתבצע, הגענו בעצם ל-65%. שזה עדיין, אגב, לא הייתי מכניסה את הרובוט הזה להכין לי חביתה. ממש לא. כי אז היה לי מלא עבודת תיקיון. ברור.
אז כשל. ברור. ולכן, זה נכון שראייה ממוחשבת עובדת ממש טוב בכל מיני תחומים, מלא תחומים, אבל מגע הוא תחום שעוד מחכה לפריצת דרך.
אז בעצם יש לנו כמה אבני יסוד שאנחנו נשענים עליהם ובסוף כאילו יש את האבני היסוד האלה אבל אין ארכיטקטורה שהיא קבועה. כל צוות בסוף בוחר איזה ארכיטקטורה ואיך הוא בונה את התרשים שלו כדי להצליח את הפעולה שהוא רוצה. בעצם אגב כשאנחנו מדברים היום בדרך כלל על תוכנות ועל זה, אנחנו מבינים שיש את המונח של טקסטק. של בעצם מה הטכנולוגיות השונות שנדרשות על מנת באמת להביא לפעולה מלאה ובאמת לאופרציה מלאה. אז נשמח להבין פה גם באמת רגע מה הטקסט-טק של תעשיית הפיזיקל AI, אותם מונחים שאצלכם שגורים בפה אבל אנחנו זה הפעם הראשונה שאנחנו נחשופים אליהם.
אסביר הכל. אז קודם כל אני אגיד רגע איך מלמדים רובוט ואז אנחנו ניכנס ממש לפיזיקל AI ונצלול רגע גם למושגים האלה. אז איך אנחנו מלמדים רובוט? יש לנו בעצם חמש אבני בניין שהן סופר קריטיות, יש לנו טלר אופרציה, בן אדם שמפעיל את הרובוט מרחוק והוא ממש מלמד אותו איך לעשות כל תנועה וכל תנועה כזאת נרשמת כדוגמה, הרובוט זוכר אותה ויודע לבצע אותה אחר כך, זה הדאטה הכי נאמן שקיים לנו אבל זה ממש איטי, לוקח לנו עשרות פרקים לשעה ואנחנו שואפים למיליונים כי... יש כל כך הרבה פעולות שצריך לבצע.
אחר כך יש לנו למידה מחיקוי, אנחנו בעצם, זה גם שיטת הלמידה המרכזית שקיימת, וגם אנחנו בעצם מראים אלפי דוגמאות, והמודל לומד בעצם את הדפוסים בעצמו, לפי הדוגמאות שאנחנו נתנו לו, איך נראית כוס, כמה חזק לאחוז, אנחנו מכירים את זה כזה מה... עולמות של סיווג, נכון שאת נכנסת לאיזשהו אתר ורוצים לדעת שאת לא רובוט ואז אומרים לך תסמני את כל האופניים, תסמני את כל האוטובוסים. זאת אומרת תוכיחי שאת לא רובוט כדי שנלמד רובוט לעשות את זה. כזה, כן. אז ממש אנחנו מלמדים אותו למידה מחיקוי.
יש לנו סימולציה שבעצם שם יש לנו אלפי ניסיונות שאנחנו נותנים. למערכת החכמה, למוח בעולם וירטואלי, זה גם זול, זה גם מהיר וזה גם בטוח, אנחנו לא שוחקים את החומרה שלנו, אבל יש לנו פה פער רציני, שזה בין הסימולציה לעולם האמיתי, שזה אם אנחנו צוללים רגע לטקסטק, זה בעצם הסים טו ריל גאפ, שאנחנו מכירים ושומעים כזה מדי פעם.
אוקיי, אז מה זה אומר? זה אומר שיש לנו פער בין הסימולציה שבה הפיזיקה היא אולי מושלמת ואין לה את הרעשים של העולם האמיתי, לעומת הפעולה שקורית בעולם האמיתי, וכאן יש לנו בעצם את הפיזיקה ואת אוסף הרעשים שיכולים לקרות לנו בעולם האמיתי שלא צפינו אותם קודם לכן, ואז אנחנו מקבלים בעצם תוצאות שונות.
יש לנו למידה מחיזוקים, שזה בעצם סוג של ניסוי ותהייה וסקורינג, אנחנו מנקדים את הרובוט על כל הצלחה שהוא הצליח בה, עשה משהו שהוא טוב, נותנים לו ציון גבוה, עשה משהו פחות טוב, ציון יותר נמוך, וככה הוא לומד אם משהו טוב לעשות אותו או משהו פחות טוב. בינתיים זה ממש נשמע כמו שיטות לימוד שאנחנו משתמשים בהן גם לילדים שלנו. לכלבים שלנו, כן. זה נכון. הדבר החדש פעם המשמעותי זה בעצם המודלי עולם.
זה הגול החדש, מודל שלומד מכמויות וידאו עצומות איך העולם שלנו מתנהג. הוא מדמיין את התוצאה והפעולה הבאה. זאת אומרת הוא ממש מבוסס על דאטה שרואה איך מכוניות נוסעות, איך אנשים זזים, איך הם מחזיקים כוסות, איך הם... מפעילים את המפעל, כאילו זה מה שאת מתכוונת אליו, מודל עולם, זאת אומרת דאטה אמיתי מהעולם, איך העולם מתנהל? נכון, ממש העולם הפיזיקלי שלנו, ואז אם אנחנו מדברים על המודל העולם, אפשר לדבר גם על הדיג'יטל טווין, התהום הדיגיטלי שלנו לסביבת עבודה ספציפית.
אנחנו רוצים קודם כל במודל עולם לחזות, ללמוד מהוידאו, איך המציאות תיראה. בעוד רגע, זה אומר אם אני שמה כוס בקצה של השולחן היא כנראה תיפול ואז מה יקרה? את כבר במוח שלך יודעת לדמיין את זה שהיא תיפול, שכל המים יישפכו, שהכוס תישבר, שהזכוכיות, אנחנו רוצים ללמד גם את המודל שלנו שזה מה שהולך לקרות ובהתאם לדעת בסוף איזה פעולות לעשות בהתאם. מדהים. אנחנו בעצם חוזים את מה שהולך לקרות.
לאפשר לו לצפות, הוא אנטיספיט, מה הולך לקרות, מדהים. בדיוק. ותהום דיגיטלי, אז מה זה תהום דיגיטלי? שמעתי על זה המון פה, גם בהקשר של, דיברנו על כורים גיאותרמיים, ושאתה רוצה לחזות מה הולך לקרות אם אתה קודח במעבה אדמה, ומצד שני שמענו על זה ממי שמפעילים נמלים, ואז באמת הם רוצים לדעת מה קורה בסיטואציות מסוימות של, הגורן שזז ממקום למקום וכל מיני תקלות שעלולות לקרות, תסביר לנו מה זה. מעולה, אז תהום דיגיטלי זה בעצם טק וירטואלי של מפעל אמיתי או של סביבה אמיתית שהיא מחוברת לנתונים בשטח, היא יודעת לבדוק בו שינויים לפני ההטמעה ולכן אפשר באמת לדבר על מלא סביבות, אפשר לדבר על סביבה עירונית ואפשר לדבר על ווארהאוס.
ואפשר לדבר על נמלים, אפשר לדבר על מה שאת רוצה, לכל דבר אפשר לבנות תאום דיגיטלי. ואז שם גם באמת לאמן ולעשות סימולציות ולנסות. זה נשמע לי שיושבים אנשים ובעצם מכניסים כמה שיותר דאטה, אם אנחנו תמיד ב-AI מדברים על המודלים וכל הקונספט של לבנות מודל ולהכניס אליו את כל הדאטה המתוקן, אז כאן אנחנו בעצם מדברים על דאטה שהוא לאו דווקא. מידעי בלבד וירטואלי, אלא הוא בעצם דאטה מהעולם הפיזי, צריך לאסוף הרבה מידע בשביל להכין מודלים שכאלה. נכון, ולכן אנחנו נכנסים גם לעולמות הדאטה הסינתטי, כי להקליט דאטה מהעולם האמיתי זה גם לוקח המון זמן, זה גם עולה הרבה מאוד כסף, וגם העולם האמיתי שופע לנו בהמון רעשים ותזוזות.
ולכן אנחנו נכנסים פה לאיזשהו דאטה סינתטי שאיתו אנחנו גם מאמנים, לא רק, אנחנו גם מאמנים על דאטה אמיתי שהקלטנו, אבל גם על דאטה סינתטי ועושים את זה בתוך עולם הסימולציה. ובעצם סימולציה היא הבמה של האימון, זה לא שיטת למידה בפני עצמה, כאילו אנחנו לא לומדים מסימולציה או לומדים מסימולציה, אלא אנחנו מאמנים בסימולציה ואנחנו יכולים לעשות את זה גם בשילוב של דאטה סינתטי, זה בעצם נתונים שאנחנו מייצרים אותם במחשב ואנחנו לא אוספים אותם בשטח, זה זול, זה מהיר, זה עם פחות סיכון מהעולם האמיתי כי זה בעצם עולם מדומה והוא לא תמיד מדויק, אבל זה פשוט נוח וככה אנחנו באמת יכולים לייצר לנו כל כך הרבה סנאריוז ולאמן את ה... את הרובוט שלנו, את המוח שלו, לזהות עוד כל מיני סיטואציות שעלולות לקרות, שלא תמיד אנחנו רוצים שהן באמת יקרו בעולם האמיתי, סתם אם אנחנו הולכים לעולמות התחבורה, את לאו דווקא רוצה באמת שיקפוץ לך ילד לכביש כדי שהרובוט, שהרכב ילמד לא להתנגש בו, ואת גם לא רוצה שמישהו עם כיסא גלגלים ייפול עכשיו במעבר חציה כדי ללמד, ואת עדיין רוצה ללמד. את הרכב שלך שלא להיזהר ממצבים כאלה. אז דיברנו כאן בעצם על כל הדרך שבה מלמדים את הרובוט וכמה דאטה זה דורש וכמה שיטות יש ודיברתי איתנו על מודלים שלמים, על איך אוספים דאטה סינתטי, על איך הופכים את זה לדיג'יטל טווינס, לעותקים של אותם סביבות, אם זה של המפעל או של הכביש או של המחסן וגם אחר כך משתמשים בהם בעצם כדי לייצר את אותה סימולציה.
בואי נדבר רגע על החומרה. כי בסופו של דבר אתה מלמד רובוט, אבל הוא צריך לצאת לעולם האמיתי, הוא מורכב ממש מחומרה פיזית. איך רובוט בכלל רואה ומבין את העולם? מדהים. אז כמו שלנו יש חושים, לרובוט יש חיישנים.
וכשאנחנו מדברים על פיזיקל AI, אז החיישנים האלה צריכים לעבוד ביחד, בסינרגיה. אז המושג החדש שנלמד זה בעצם סנסור פיוז'ן. היתוך חיישנים, איך אנחנו מאחדים את כל הזרמים שאנחנו מקבלים מכל חיישן בנפרד לאיזושהי פעולה, לאיזושהי הבנה אחת שלמה, יש לנו מצלמות ויש לנו ליידרים ויש לנו מק"מים ויש לנו חיישני מגע וטמפרטורה ואנחנו רוצים בסוף להוציא איזשהו אומדן אחד יחיד וממנו לקבל את ההחלטה לפעולה שנעשה. אז כמו שאנחנו יכולים, גם אם יש חושך בבניין, אני עדיין אדע בזכות החוש מגע שלי והידע איך להכניס את המפתח לדלת. אנחנו רוצים לתת את היכולות האלה לרובוט שלנו.
אז בעצם בסנסור פיוז'ן אנחנו יודעים לתת הבנה או משקלים לחיישנים שונים בזמנים קריטיים, כי יכול להיות שכל פעם הוא יקשיב יותר לחיישן אחר בהתאם לסיטואציה שבה הוא נמצא. זאת אומרת, כמו שאני יודעת להסתמך לפעמים יותר על הראייה שלי ולפעמים יותר על החוש ריח שלי, אנחנו נרצה שגם הרובוט יהיה מסוגל לנווט בין אותם חושים. וגם לשקלל את כולם ביחד. וגם לשקלל את כולם ביחד, וגם לא תמיד להשתמש בכולם, לא תמיד אני צריכה את כל החיישנים. אם אני אעשה איזשהו מיזוג גרוע בין חיישנים לפעולה מסוימת, יכול להיות שהתוצאה תהיה גרועה לעומת אם אני אקח סט אחר של חיישנים ואשתמש בהם לאותה פעולה.
אז גם כאן יש לנו איזושהי מחשבה עם איזה חיישנים אנחנו משתמשים. עבור איזה פעולה או משימה. ולזה קוראים sensor fusion, נכון, ניתוח שנים, אהבתי, אוקיי. יש לנו גם את הערייה הממוחשבת, machine vision, אז machine vision מדבר יותר על פסי יצור, היכולת שלנו להבין מה קורה או מה צריך לעשות מתוך תמונות או וידאו, אנחנו מזהים איזשהו עצם אנחנו יודעים לעקוב, לזהות את הפוזישן שלו ואז לעשות איזושהי פעולה בהתאם למשימות שאנחנו צריכים, לדוגמה בפסי יצור. פס יצור של נספרסו, אנחנו רוצים עכשיו להרכיב, אחד הדברים המאוד קשים בעולם זה בעצם העבודות החזרתיות האלה המשעממות שאנשים כבר לא רוצים לעבוד בהם.
אנחנו צריכים לקדוח בו כמה חורים. הפלסטיקה יכולה גם היא להיות, יש לה איזשהו טולרנס שאפשר לזוז בו. בעזרת ראייה ממוחשבת, המצלמות, אנחנו יכולים לזהות מיקום ספציפי ולעשות איזושהי טרנספורמציה בין עולם המצלמה, שהוא מדבר בפיקסלים, לבין עולם הרובוט, ששם אנחנו מדברים במילימטרים, נקודה ספציפית שבו הוא קודח ומבריג את המכונה שלנו. זה נשמע לי שילוב מטורף בין חומרה מאוד מורכבת, כל אותם חיישנים שיודעים באמת להסתכל, לחוש, להרגיש, לבין אותו ידע, אותם נתונים, אותם מודלים. נכון, וגם כאן אנחנו מדברים על איזושהי חומרה ומחשוב קצה שצריך לעבוד ב-real time, בצורה סופר מהירה, זה כל ה-edge compute.
רגע, מונח חדש, מה זה edge compute? אז זה בעצם כל המחשוב קצה, מה יושב לנו בסוף על הרובוט? כשאנחנו על רובוט, הוא לא תמיד מחובר לנו למחשב ספציפי כזה כמו שאנחנו מדמיינים. יש לנו כרטיסים או מחשבים ספציפיים קטנים כאלה שיושבים על הרובוט עצמו וצריכים לבצע את הפעולות. ב-real time, בקצב שהוא מאוד מאוד מהיר וזריז.
יש לי נקודות המעניינת על העניין הזה של ה-edge computing, כי אני חושבת שבאמת זה אחד האתגרים שאנחנו שומעים עליו יותר בפיזיקל AI, שבסופו של דבר היום רוב החברות סופטוור, חברות התוכנה, הן עובדות בקלאוד, בענן. כל המידע עולה לענן, עושה שם חישוב, חוזר אליך, אתה מסתכל על מסך, אבל בסוף השרתים שמחשבים את הכל, קורה בענן ובאדג' קומפיוטינג בעצם יש לנו רובוט שצריך לעבוד בזמן אמת, יש עליו המון המון המון המון חומרה וחיישנים שונים וכל אחד מזה צריך להתנהל ולקבל החלטות מסוימות ביחד או בנפרד ואני זוכרת שלפני שבע שנים שמעתי על המטרה של אחת מהחברות סלולר הגדולות, הם אמרו אנחנו רוצים לוודא שיש סים בכל רכיב דיגיטלי אפשרי, זאת אומרת שים אם פעם היית אומרת אוקיי את מוכרת לכל מי שיש לו טלפון, אבל ברגע שהבינו לאן הולך העולם הזה של edge computing, של בעצם כל רכיב הופך להיות דיגיטלי, את פתאום צריכה סים על כל דבר, פתאום נפתח לאותה חברת סלולר שוק ענקי כי בעצם הכל מדבר עם הכל, וזה קצת אולי באמת משהו להגיד על אותו edge computing שזה בעצם צורך משמעותי שהוא כשלעצמו הוא לייר נפרד של האתגר של פיזיקל AI. נכון, אבל כן חשוב להבין שעדיין משימות כבדות כמו אימון של מודלים, עדיין אפשר להריץ מרחוק בענן. פיזיקל AI לא אומר שאנחנו לא משתמשים יותר בענן, אנחנו עדיין יכולים לעשות, ואין איזשהו פתרון אחד קבוע. ואני חושבת שזה גם החוזקה המסורתית אולי אפשר להגיד של התעשייה הישראלית, כל היכולת שילובים הזאת, מה אנחנו מריצים בענן ומשתמשים ומאמנים ומה אנחנו בסוף עושים דיפלוי ומורידים לרובוט כדי שהוא יבצע את הפעולה שאנחנו רוצים.
זאת אומרת יש מחשוב שקורה בענן ובדרך כלל משימות. גדולות, המחשוב משמעותי ויש את המחשוב ב-real time על הרובוט או על המכונה. נכון. טוב, אבל זה מביא אותנו בכלל לתקשורת, כי בסופו של דבר רובוטים, גם אם הם במפעל וגם אם הם ברכב, אתה צריך לתקשר איתם בדיוק כמו שאתה מתקשר עם העובד במפעל או עם הנהג אובר שלך. אז תסביר לנו קצת איך זה עובד, כי זה כבר נשמע לי כאילו באמת next generation.
נכון, אז יש מודל ספציפי שהוא כזה מאוד מבוקש היום ומדובר היום וזה בעצם ה-VLA, זה ה-Vision Language Action, זה בעצם ראייה, שפה, פעולה. זה מודל אחד שיודע לקבל תמונה ממצלמות ופקודה בשפה. לדוגמה, תכניס את הכוס למדיח. הוא יודע להוציא פעולות בהתאם למה שביקשת ממנו. וזה האמת מאוד מעניין, כי אני חושבת שזאת בדיוק הנקודת מפגש בין מהפכת ה-LLM, שכולנו מכירים, לרובוטיקה.
וזה הכיוון בעצם של למידה מקצה לקצה. כי LLM מתמקד רק בשפה, בואו נבין את השפה, ננתח המון המון המון טקסטים, יצר את הטקסט הבא, to generate text, וכאן בעצם אנחנו מדברים על סיטואציה אחרת לגמרי, אתה גם צריך להבין שפה, גם צריך לתקשר בחזרה, אבל גם אתה צריך לחבר את זה לכל שאר אותם חושים כמו ראייה. נכון מאוד, אז בעצם מה שזה אומר, שבמקום קבועי תנועה קבועים, אנחנו בעצם מבינים, או המודל שלנו מבין, מה זה משקל, מה זה חיכוך, מה אני צריך לעשות עם איזשהו מודל או משהו מחליק לי מהיד. וזה כן, זה לא הגישה היחידה שקיימת, כאילו יש לצד זה גם את הבקרה והתכנון הקלאסיים, אבל זה לגמרי אחת הגישות המשפיעות ביותר היום, וממש כדאי להכיר. וואו, דיברנו פה קודם כל על המון דברים, בעצם כשאמרתי לך שאני אבקש מהרובוט להביא לי כוס מים, אני עכשיו כאילו ממש מרגישה לא נעים ממנו, כי הוא גם צריך להיות מושתת על...
חומרה מאוד מאוד מורכבת, לעשות הרבה מאוד מחשוב, להבין אותי, להפוך את זה לפקודות, להשתמש בכל הסימולציות והאימונים שהוא עשה ובכל הדאטה שמישהו ישב והכניס לו, וכמובן בסופו של דבר ללכת ולהביא את הקוסמיים. אז באמת זה ברור למה פיזיקה ל-AI זה עולם מאוד מאוד רחב. אגב, הוא גם נשמע עולם שיש בו הרבה מאוד הזדמנויות, זה מרגש ממש ועשית לנו כאן סדר בהמון מונחים. טוב, דיברנו כאן על כל כך הרבה תחומים וכל התחום נשמע לי כמו תעשייה שלמה. כשאני מסתכלת על סטארט-אפים או על חברות טכנולוגיה, זאת אומרת, יש חברות בכל דבר שאמרת פה, אמרת אדג' קומפיוטינג, אמרת VLA, מודלים, אימון מודלים, סימולציות, זאת אומרת, חומרה בין הליידרים לבין הסנסורים למיניהם נשמע כמו תעשייה ענקית.
ואני אשמח שתעשי לנו רגע סדר, מי השחקנים החשובים בפיזיקל AI ואיך נראה המרקט לנדסקייפ של התעשייה הזו. טוב, אז זה הולך אולי להפתיע קצת. יש לנו שתי מעצמות שחקניות ענקיות, שזה ארה״ב, שהיא בעצם חולשת על כל המודלים. יש לנו את סין שהיא על כל הייצור והשלישית שממלאת אותי במלא גאווה ותכף גם אותך ואת המאזינים שלנו זה בעצם מדינת ישראל. איך אנחנו נכנסנו פה באמצע?
וואו, ממש. שאנחנו בעצם אחראים על כל העירייה ממוחשבת והמוח על הסנסינג, על החיישנים. ואנחנו ממש ממש מובילים בתחום הזה, ואם אנחנו רגע מסתכלים באמת על עולם הפיזיקל AI, ארה״ב, סין וישראל. מי המאמין? האמת היא זה באמת נצח.
זה מרגש. זה מרגש. יש כל מיני שמות של חברות מאוד מצליחות בעולם, שאני חושבת שווה להכיר, כזה גם אם לא נצלול אליהם עכשיו, אבל יש את פיזיקל אינטליג'נס, שהם כזה אחראים על כל המודלים והמוח הכללי כזה לרובוטים.
יש לנו את סקילד איי, גם מארצות הברית, את פילד איי, את פיגר, את אג'יליטי רובוטיקס, כל אלה חברות בארצות הברית, אני רק זורקת אותן בתור היכרות עם המודלים והחברות שממש אחראיות בגדול על הדברים האלה. הן אחראיות על המודלים, זאת אומרת זה חברות שאחראיות רק על החלק של המודלים, על הסימולציות, אותו דאטה שדיברנו עליו קודם. נכון, הן בונות כל מיני מודלים שמהוות בסיס אחד להרבה גופים של רובוטים. ואם נדבר רגע על סין, אז יש לנו את יוניטרי, יש לנו את יוביטק, יש לנו את אג'יבוט, כל אלה בעצם אחראים על ממש יצור של רובוטים, גם תוקפניים במחירים שלהם, הם מורידים את המחירים לסכומים כאילו של 4,000 או 5,000 דולר עד 16,000 דולר, שזה כאילו כלום כשמדברים על יצוא בסקייל. ברור, כי בסוף את משווה את זה לעובד שיכול לעלות לך עשרות אלפי דולרים בשנה לעומת רובוט שאת משלמת עליו פעם אחת.
16,000 לדוגמה ואחר כך על תחזוקה וזה בסינס זאת אומרת זה רק ממש הייצור של אותם רובוטים זה בעיקר החומרה עצמה זה אפילו אנחנו לא מדברים כאן על מה שדיברת עליו קודם על אותם מודלים שנתת שמות אחרים של חברות של הדיג'יטל טווינס של הסינתטיק דאטה שזה יותר הדאטה מאחורי כל הדבר הזה. אז בואו ניתן גם קצת כזה זרקור על החברות הישראליות. אז יש לנו את אניגמה ששמענו עליהם ממש לא מזמן שהם יצאו מסטלט עם 71 מיליון דולר סיד. יש לנו את LTX שזה בעצם ספינ-אוף של לייטריקס שהם עושים מודל עולם גנרטיבי. יש לנו את מנטי רובוטיק שזה בעצם ה-humanite שנרכשה על ידי מוביליי ויש לנו את בלו-אייט שזה בעצם אוטונומיה לטרקטורים חקלאות.
זאת אומרת, יש כאן הזדמנויות, זו תעשייה הרבה יותר גדולה ממה שאנחנו מכירים בדרך כלל, עם הרבה מאוד מקום ליזמים להיכנס והרבה מאוד מקום לעשות שינוי, וזה דווקא ממש מוביל אותי ככה לשאלה שהכי מעניינת אותי פה, מה עוד לא עובד, מה עוד לא פתור, כי זה נשמע כמו תעשייה שהיא בשיא שלה, שיש המון הזדמנויות. ומצד שני תמיד יש וייט ספייס ותמיד יש מקום שגם החברות הגדולות וגם הקטנות עוד לא עובדות שם. אשמח ללמוד ממך איפה הווייט ספייס, איפה הזדמנויות ליזמים. יפה, אז בעצם יש באמת המון בעיות לא פתורות, אבל אני חושבת שהמשמעותיות ביותר הן, ודיברנו על זה גם, לאורך השיחה שלנו, אבל מגע, שזה כל הסנסינג, הדאטה, אמינות, סוללה, הפער בין סימולציה למציאות. דיברנו מקודם על זה ששיומי אמרה שרובוטים שלה סיימו משמרת מלאה של שמונה שעות, אבל הם לא ציינו איך הם פתרו את הבעיה של הסוללה, וזאת גם בעיה שהיא מאוד קריטית.
כן, זה ממש אפילו כשאמרת ששמונה שעות, אני אומרת למה הם צריכים רק שמונה שעות? כאילו תנו להם לעבוד. 24 שעות. אבל את אומרת, אתה סוללי, יש לך את הבעיות. כן.
זה אחד הדברים המעניינים. סתם רגע נעשה פאוזה חוצה. רובוט. מי המציא את המילה רובוט? רובוט לא הגיע מהתעשייה.
המילה הזאת הגיעה מהתיאטרון. באמת? כן.
עבודת פרך. נכון, רבוטה גם ברוסית כולנו מכירים, מצחיק. נכון, ויש איזה הצגה, שאני לא זוכרת עכשיו את שמה, שבה בעצם דיברו על רובוט, על מי שיעבוד כזה הכי הרבה, ובעצם רובוט זה הגיע מהמילה הזאת כדי לעבוד אינסוף. אין סוף זמן, אבל באמת גם פה יש לנו איזה משהו שהוא לא פתור. אפילו רק אתה יכול לעבוד ללא הפסקה.
זה נכון, כי האנרגיה הסוללה למשמרת מלאה במשקל שיהיה סביר, זה משהו שהוא פתוח. וואי, עשינו פה ממש פרק, ממש הפרק הקודם היה על סוללות, בדיוק בהקשר הזה שאת רוצה, הכל עובר דיגיטיזציה. הכל עובר לחשמל וכל רכיב או כל מוצר צריך סוללה מסוג אחר. זאת אומרת אם יש לך רכב שיושב כל הלילה ונטען אז אין בעיה שתהיה לו סוללה במשקל מסוים עם יכולת התנה מסוימת וכדומה וכשיש לך עובד רובוט שנמצא במפעל את לא רוצה שחס וחלילה הסוללה תתלקח כי אז אתה הלך לך כל המפעל ומצד שני את גם צריכה משהו שיחזיק הרבה שעות כי אחרת הוא לא יחזיק את המפעל ואת הפס יצור, אז זאת אומרת שזו בעיה שהיא קריטית גם בעולם הפיזיקלי. גם לא פתורה.
דאטה פיזי, אז אין לנו בעצם אינטרנט של ניסיון פיזי. אילון מאסק לא יכול לקנות את X ולתת לגרוק לקרוא את X כדי לדעת איך לענות לנו, כן? זאת אומרת, הוא יכול לעשות את זה עם גרוק ו-X, אבל בפיזיקל AI אין לך בעצם דאטה לקנות שהוא כאילו הנה ככה מכינים חביתה? ולכן חברות מעסיקות מאות מקליטים ומתחרות על כל שעת אימון אמיתית. אז זה גם בעיה שהיא סופר קריטית והיא עדיין לא פתורה.
אז שירותי דאטה או כלי הקלטה זולים או דאטה סינתטי איכותי הם לגמרי שדות פתוחים ליזמים. מדהים. אם אנחנו מדברים על אמינות ובטיחות, אז בעולם הפיזיקה ל-AI ורובוטיקה אנחנו מדברים הרבה על דמויים. אבל דמו מוצלח אחד לאו דווקא אומר לי שעשרות אלפים של שעות נצליח לעבוד בלי תקלות. וגם כאן המדדים האמיתיים, שיעורי ההצלחה, כמה התערבויות אנושיות אני צריכה כדי להצליח משהו, מה הזמן בין התקלות, זה עוד לא סטנדרט.
זאת אומרת, ה-65% שנתת קודם, שאמרת שבעצם עשו ניסויים וראו זה בהתחלה הם הצליחו ב45% ואחר כך ב65% ואת אומרת את עדיין לא תרצי לתת לרובוט להחזיק את הכוס זכוכית או להכין את החביתה או לבשל את הביצים. ברור זה הכל תנאי מעבדה. בדיוק זה גם תנאי מעבדה זה אפילו לא תנאים אמיתיים וכאן את אומרת כאילו בכלל אם אנחנו מנסים לקחת את זה לתנאים אמיתיים.
הוא חייב להכין לי חביתה מבלי לזרוק את כל הביצים לרצפה ולשרוף לי את הבית, כאילו זה אין אפס, זה או אפס או מאה. אז גם כאן, ההזדמנויות הפתוחות ליזמים זה בדיקות, זה תקינה, שכבות בטיחות, ביטוח לרובוטים. מאה אחוז. אהבתי, ביטוח לרובוטים, וואו, חברות הביטוח חפות עכשיו. דיברנו מקודם על פער בין הסימולציה לעולם האמיתי, למציאות, אז מה שעובד בעולם הווירטואלי, נשבר במגע עם העולם האמיתי, אז פה גם מלא הזדמנויות ליזמים, מודלי עולם מדויקים יותר, תאומים דיגיטליים, כלים שמודדים את הפער, אם יש מישהו שיכול להנגיש את זה ולעשות את זה בקלות גדולה יותר ולתת לחברות אחרות שרוצות להתעסק בפיתוח אחר, וואלה, פתרת פה איזושהי בעיה.
יש עוד משהו שנקרא... כולם מכירים סאס, נכון? סופטוויר איזה סרוויס. יש גם ראס, שזה רובוט איזה סרוויס. אז כבר היום יש רובוטים שמועסקים בתשלום, שזה בעצם סוג של שירות של חברה אחרת.
אז אם חברות יכולות לצוץ כאן ולעשות גם שירותים בחברות אחרות, זה עוד תחום שהוא ענק. את בעצם עכשיו נתת רעיון, חברות קבלן של רובוטים. נכון. זה כאילו אל תשכיר עכשיו מנקים לבית חולים שלך, תשכיר מאיתנו את הרובוטים, אנחנו נאמן אותם, אנחנו ניתן להם ביטוח, אנחנו זה, ונחליף להם את החלקים. וואו, אהבתי, חברות קבלן, אוקיי, אז אולי גם צריך להקים הסתדרות.
רובוטים, סליחה, יש כאן אין ספור מוסדות שישמחו לקפוץ על ההזדמנות, כן. ומגע וזריזות, חיישני מגע זולים יותר, מודלים שמשלבים מגע, ידיים טובות יותר, כל העולם הזה של סנסורים, שאנחנו רואים אגב, כאילו גם בשנים האחרונות שהוא זל הרבה יותר, אבל אם יש אפשרות להוזיל אותו עכשיו. עוד יותר, אז זה לגמרי המקום. המון הזדמנויות ליזמים. יואו, זה נשמע מטורף, וזה נשמע גם ממש בתחומי התמחות של מדינת ישראל.
חד משמעית. ובאמת זה מסביר לי גם למה לאחרונה באו וסימנו באמת את ישראל, כאילו אמרו, יש מצב שפיזיקל AI ייתן לנו את היתרון שלא הצלחנו להשיג בג'נרטיב AI. בג'נרטיב AI אנחנו קצת מאחורה, אנחנו לא נבנה את המודלים הגדולים כמו אנטרופיק ואופן AI, אבל מצד שני בפיזיקל AI כבר יש הרבה מאוד מהמומחיות הזאת בישראל, ויש הרבה מאוד מהיכולות לבנות את המוח הזה, או את הסנסורים, או את הזה, זאת אומרת זה ממש גם, את אומרת, כבר היום אנחנו יחד עם ארה״ב וסין, שזה די נחמד להיות עם שתי מעצמות עולמיות בתוך תעשייה שהיא מאוד גדולה ומאוד משמעותית, בישראל... למעלה מ-20 שנה פועל ארגון FIRST, זה ארגון רובוטיקה בינלאומי שמקדם בני נוער לעסוק במדע וטכנולוגיה. מהמדינה הקטנה שלנו כאן יוצאות קבוצות מטורפות לתחרויות העולמיות שמתחרות בארצות הברית ובקנדה ובאוסטרליה אפילו ומגיעות ל...
למקומות הכי גבוהים וראשונים בתחרות. זאת אומרת, מדינה כל כך קטנה, והשם שלנו כל הזמן מופיע, ואנחנו תמיד מגיעים לגמרים, ולגמר של הגמר, בתחרויות האלה עם רובוטים מטורפים, וזה רק בני נוער. אז החומר האנושי נמצא כאן. יואו, זה מדהים, וזה מוביל אותי לשאלה. שבאמת אני חושבת שהרבה אנשים שעכשיו חיים את עולם ההייטק וגם לא רק את עולם ההייטק, כל מיני תעשיות, באים ובטח שומעים את הפרק הזה ואומרים איך אני נכנס לעולם הפיזיקל AI?
ובטח ובטח אלה שלא היו בחוג רובוטיקה, אז איך נכנסים לעולם הפיזיקל AI? ובאמת זה גם, את יודעת, את מובילה את קהילת פיזיקל AI בישראל, אז אני בטוחה שאת רואה הרבה אנשים. קריירות שונות לגמרי, וממש מעניין אותי לשמוע ממך איך נכנסים לעולם הזה, מה צריך לדעת, מה צריך ללמוד, מאיזה, מה ללמוד באוניברסיטה ומה לעשות עכשיו בסביבה המקצועית, איך אנשים שונים יכולים לתרום לתחום הזה. אז קודם כל, לא צריך דוקטורט כדי להתחיל. זה כבר התחלה טובה.
ממש. כי אין לי. כן, לא צריך. אבל התחום הזה בונה עכשיו את הדור הראשון נגיד, של האנשים שיעסקו בו והוא צמא לרקעים שונים. כל בן אדם שיש לו רקע, קצת רקע בתוכנה, ראייה ממוחשבת, סימולטורים, זה נקודת פתיחה עם הלוואה בלי.
גם אנשי חומרה וחישה, אם זה אנשים שמתעסקים בחיישנים, באלקטרואופטיקה, באג' קומפיוט, במערכות משוברות. אנשים שמתעסקים במכניקה ויודעים איך זרועות זזות הם לגמרי אנשים שמתאימים ואני חושבת שכל האנשים שהם יוצאי תעשיות ביטחוניות למיניהם זה לגמרי המקום כי זה בעצם המקומות שנתנו לישראל את היתרון בסנסינג בחושים של פיזיקל AI אנשי מוצר אנשי עטיפול ואינטגרציה, מי שמבין לוגיסטיקה, יצור או בריאות. אני חושבת שהתחום הזה צמא לאנשים ממש מכל התחומים והמינים. אולי אפילו זה גם קצת היופי, כי בסוף אתה נכנס לתעשייה מסורתית, ואתה צריך בסופו של דבר את אותם אנשים שעובדים בתעשיות המסורתיות האלה, שייתנו את היתרונות וחסרונות, שיסבירו מה צריך, שיגדירו את הבעיות, שיגדירו את הצרכים שלהם. ויעזרו לאותה אינטגרציה, זה בסוף באמת פותח את הדלת לעוד הרבה מאוד אנשים שלא היו אגב עד היום בהייטק ורק במקצועות הייטק.
אני אתן איזשהו רגע של... רגע ספרותי. רגע ספרותי, נכון, בתור חובבת ספרי אסימוב, יש לו ספר שנקרא Nine Tomorrows, מחר כפול תשע.
נכון, ויש שם סיפור שנקרא מקצוע, הוא כתב אותו ב-1957, ובעצם מה שהוא מספר שם זה שאנשים לא לומדים מקצוע, הם פשוט מורידים אותו ישר למוח על ידי סרטים, ויש מי שהמוח שלו לא מתאים לקלוט את הסרטים האלה, ובעצם הוא לא יכול לקבל מקצוע, וזה מעניין כי שולחים אותם לאיזשהו מוסד לרפאי שכל ובסוף המוסד הזה לרפאי שכל מתברר כמקום שבו נמצאים האנשים הכי יצירתיים שבעצם ממציאים ויוצרים את העתיד. הם אלה שלא, המוח שלהם לא מובנה לקבל את מה שנוריד לו בדיוק. מורידים את המקצוע שלהם, הם אלה שממציאים את הדברים החדשים ובעצם מה שאנחנו יכולים לקחת מהמדע הבדיוני הזה, שהערך האמיתי נשאר אצל מי שיודע ליצור אותו. אני חושבת שגם כאן חשוב ממש לדעת שזה בסוף מה שמביא, יהיה בינה מלאכותית והיא תהיה מדהימה והכל, אבל אנחנו האנשים צריכים להישאר יצירתיים, החושבים. אני, את יודעת, את נותנת אבל גם הרבה תקווה בעניין הזה שאת מדברת על המקום היצירתי.
אני חושבת שבסופו של דבר, פיזיקל AI וג'נרטיב AI הוא מעורר חשש אצל אנשים, נכון? כבר אנחנו רואים גלי פיטורים, אמנם רוב העובדים הם לא עובדים היום בעבודות פיזיות, כבר מהפכה תעשייתית השתנתה והפכנו להיות... מהפכת המידע ועובדי מידע והייטק וכו', אבל עדיין יש חשש שהנה רובוטים עכשיו מחליפים אותנו, אפילו להיות נהג אובר אתה לא יכול, כי יש את וויימו. ומצד שני, וזה גם מעלה שאלות אצל הורים, מה אני מלמד את הילדים שלי? כי אם זה קורה עכשיו הפיזיקה ל-AI ב-15 שנים הקרובות, מה יקרה פה עוד 20 שנה כשהם יסיימו את הלימודים שלהם וייצאו לעולם העבודה?
ואני חושבת שזה מחזיר קצת למהות האנושית של יצירתיות, של סקרנות, של לצאת ללמוד כל דבר שמעניין אותך, להתנסות בכמה שיותר דברים, בעבודה עם אנשים, בעבודה עם חומרים שונים, עם אנשים שונים, תחומים שונים, כי זה בסוף זה האג' האנושי, זה היתרון האנושי והוא יישאר והוא לא הולך לשום מקום. וכשאתה מחנך לזה, לאותה תשתית, לאותו בסיס, אז הם ימצאו את דרכם כבר בקריירה שלהם בעוד 20 שנה. אני גם חושבת שאולי סט של מקצועות הולך ונעלם, אבל סט חדש של מקצועות קם וגדל. אז זה לא שלא יהיה לנו מה לעשות, תמיד יהיה לנו מה לעשות, אנחנו אנשים סטגלטניים, אנחנו נמצא את המשימה ואת העבודה הבאה שלנו. במקצוע הבא.
כן, אז באמת נתת לנו כאן תמונת עתיד מאוד מאוד חיובית ומאוד מעניינת, שגם הולכת באמת לשנות הרבה מאוד תעשיות. דיברנו ככה בהתחלה קצת על גודל השוק של התעשייה הזאת, אבל דיברנו רק על מה שמוכרים בשביל שהתעשייה תעבוד. בסוף כל תעשיית המדיקל ותעשיית החקלאות וייצור והכל הולך להשתנות, ובאמת אולי שם נראה כבר מרג'ינים גדולים יותר ותפוצה. תוצר גבוה יותר וגם הרבה פחות סכנות כי בסוף האנשים שעוסקים בזה היום ממש בפסי הייצור הם לא בדיוק זה לא עבודות שמכריעות את הנפש והן מאוד מסוכנות גם הרבה פעמים ומאוד סיזיפיות ויש כאן באמת עתיד בהיר יותר מה שנקרא בעולם כזה. אז דורין תודה רבה אני חושבת שבאמת אחד הדברים הכי מעניינים בפיזיקה ל-AI זה שאנחנו פשוט רואים שתי עולמות.
שפתאום מתחילים להתחבר נכון יש לנו את ה-AI ויש את המערכות פיזיות והרובוטיקה והסברת לנו איך כל הדבר הזה עכשיו מתחיל גם להתמזג אחד לשני ואם בשנים האחרונות ראינו מה קורה כש-AI מקבל גישה לידע אנושי, אנחנו בקרוב רואים מה קורה כשהוא גם מקבל עיניים וחיישנים וידיים ויכולת לפעול בעולם וזה כמובן פותח לא רק עולם חדש של טכנולוגיה אלא גם המון הזדמנויות למהנדסים, חוקרים, יזמים, אנשי עסקים ובאמת מי שרוצה להעמיק ולהכיר את האנשים שבונים את התחום בישראל, נחבר בתיאור הפרק גם לקהילה של פיזיקה ל-AI של דורין. דורין, ממש תודה שהיית איתנו. איזה כיף, תודה לך, היה כיף. ועכשיו נעבור לפינה קצרה ומיוחדת בשיתוף מרכז החדשנות של למעלה אשדוד.
יותר מ-80% מהסחר העולמי בסחורות עובר דרך הים, ובישראל כמעט 99% מהסחורות שאנחנו מייבאים ומייצאים, המכונית שאתם נוהגים בה, כולם עוברות בנמלים. מדובר בשוק עולמי של 27 טריליון דולר. אבל מאחורי המנופים, האוניות והמכולות מסתתרת תעשייה שצריכה להתמודד עם אתגרים של אוטומציה, סייבר, בטיחות ושרשראות אספקה. ובעולם הזה, דיפטק מתחיל לשנות את כללי המשחק. נמל אשדוד החליט לא רק לקנות טכנולוגיה, אלא להפוך בעצמו למעבדת ניסוי ולהשקיע בסטארט-אפים כדי להבין איך זה נראה בנמל אמיתי, נמצא איתנו פה רועי אברהמי, שהקים ומנהל את מערך החדשנות ואת פעילות ההשקעות של נמל אשדוד.
רועי, איזה כיף שאתה פה איתנו היום. תודה שאתם מאחלים אותי. טוב, רועי, אז אתה הקמת ואתה מנהל את מערך החדשנות של נמל אשדוד, והקמת שם את כל פעילות ההשקעות. נכון. כששמעתי בפעם הראשונה על פעילות ההשקעות של נמל אשדוד, אמרתי לעצמי...
השקעות, נמל, תסביר לנו רגע כמה מדינת ישראל תלויה בנמל אשדוד. צריך פשוט להבין, אני חושב שהרבה אנשים לא קולטים את הנפח של הפעילות, אבל תחשבי ש-85% מהסחר העולמי עובר דרך הים, ובסופו של דבר ישראל היא מדינה, היא כלכלת אי, זאת אומרת 99% מהסחורות שמגיעות למדינת ישראל מגיעות דרך הים, כלומר כל דבר שנמצא סביבך בערך, עבר דרך הנמל, הגיע דרך הים. תסביר לנו שנייה את צוואריה בקבוק, את הפיין פוינטס של נמל. אז תראי, בעיקר נמל מתעסק, הלב והליבה של הפעילות שלו הוא תפעול. בדרך כלל הבעיה שם זה בניתוח של הביג דאטה.
הרבה כמו בהרבה תשתיות קריטיות, מחלקות לפעמים לא יודעים לדבר אחת עם השנייה, אנחנו מכירים את התופעה הזאת, ולפעמים הרבה דברים נופלים בין הכיסאות, או בוא נגיד את זה בצורה הכי אהובית, התקשורת יכולה להיות הרבה יותר טובה. אנחנו יודעים שדאטה זה בעצם הזהב החדש. אנחנו צריכים לדעת לאסוף את הנתונים, לאבד אותם נורא מהר ולתת קליק תומך החלטה לאנשי התפעול. וזה משהו שאנחנו נורא מתעסקים בתקשורת התפעולית, שכל הזמן נוכל לתת מענה ללקוחות שלנו כמה שיותר מהר. בתחום הלוגיסטיקה לדוגמה, אנחנו מדברים עכשיו על החזקה.
אבל מה עם החזקה חזויה, פרדיקטי מנטננס? כלומר, נכון לעכשיו שאנחנו מחזיקים מנוע... זה בדיוק כמו שאת הולכת לעשות טסט לרכב שלך, איך? על פי סטטיסטיקות של יבואן הרכב, היצרן אומר לך לך יחיה ככה וככה, אבל מה אם תתחילי לדבר עם הרכב הספציפי שלך והוא יגיד לך בדיוק כואב לי, קר לי, עכשיו, עכשיו אחרת, כי להשבית מנוף להחזקה עולה הרבה מאוד כסף, וגם לדוגמה נושא הביטחון, תחשבי שעוברים אצלך גופי ענק, בעצם אוניות ענק, סדר גודל של ארבעה מגרשי כדורגל צפים שנכנסים לך לתוך הבית, אין לך מושג הרבה פעמים איפה הם היו לפני, מה ההתנהגות שלהם, האם יש להם התנהגות פחאית, האם יש להם אולי כוונת זדון כזו או אחרת, מה עם כלי שיט אחרים קטנים יותר. כלומר, אנחנו יודעים כבר לעשות סוג של פייס רקוגנישן לכלי שיט בכל העולם ולהגיד איפה ראו אותם לאחרונה, ממש לדעת כל כלי שיט ושיט איפה הוא נצפה לאחרונה, האם הוא מנסה להסתתר, האם הוא עשה פעילות חשודה וכולי.
יתרה מכך, גם אחרי שהוא מגיע לתוך הנמל, בעצם הספנה של האונייה הופכת לשטח תפעולי, שאנחנו מכניסים את העובדים שלנו, ואין לנו מושג מה קורה איתם בפנים, הרי אין לנו עיניים שם, נכון? אז בעצם אנחנו הבאנו עוד חברת סטארט-אפ שנקראת פלייז, שבעצם עוזרת לנו בנקודה העיוורת הזאת, שאנחנו יודעים לשים עיניים בעצם חיישנים. לראות מה קורה ושהכל בסדר, לאסוף את החיישנים וללכת הביתה. טוב, ציינת פה בעיות משמעותיות ביותר שאוביוסטי עולות המון המון כסף לנמל ומכילות בחורבן סיכונים אדירים לכל התשתית הקריטית הזאת של מדינת ישראל. איך הגענו למצב שבו נמל אשדוד, שהוא תעשייה מסורתית לכל דבר, עם ועדי עובדים וכל מה שמשתמע בזה, בוחרת להקים מערכת שינות ולעבוד עם סטארט-אפים?
אני חושב שזה נוגע לעצם זה שאנחנו כרגע הנמל הלאומי של מדינת ישראל, מדינת ישראל כסטארט-אפ ניישן, ההבנה והצניעות לדעת שבעצם המוח יכול להיות בחוץ על ידי האקו סיסטם המטורף שיש למדינת ישראל להציע, ותחת ההבנה שכל הבעיות שציינת לא מיוחדות רק למדינת ישראל, בפועל הן בעיות שקיימות בכל נמלי העולם. כלומר ההבנה שאם נפתור בעיה שלנו כנראה פתרנו בעיה עולמית, הבנו שיש פה מנוע צמיחה אמיתי ובעצם פרויקט שאנחנו יכולים להקים מאפס. ויתרה מכך, הבנו שבמקום שהנמל יצטרך עכשיו להתאים את עצמו למוצר מדף כזה או אחר, למה לא ניתן לחברת טכנולוגיה שהיא הרבה יותר אג'ילית מה שנקרא, לעשות טיילור מייד לפתרון שלנו על בסיס הדנ"א שלנו.
שאפשר לצקת אותו לתוך חברת סטארט-אפ עם המוח הגאוני שלה שיודעת מהתחום הטכנולוגי, השילוב והחיבור בין הטכנולוגיה לבין העבודה המסורתית, נוצר פה איזשהו מוצר שיש לו ביקוש ברמה העולמית, כי פשוט הרבה הרבה נמלים ברחבי העולם לא נגעו בזה. לא נגעו בטכנולוגיות חדשניות. לא נגעו בכלל, זאת אומרת תחשבי שאנחנו הנמל השלישי בעולם שמתעסק בכלל בפעילות של סטארט-אפים. ונמילים, גאים מאוד להיות אחרי נמל רוטרדם, שזה הנמל הכי גדול באירופה, ואחרי נמל סינגפור, שהוא השני בגודלו בעולם, קם נמל אשדוד והחליט שהוא הולך להתעסק בחדשנות בזכות האקו סיסטם המטורף שיש למדינת ישראל להציע. אז קודם כל זה מדהים לשמוע שחברה ממשלתית יודעת לבנות גוף השקעות ומערך חדשנות.
תספר לנו על המודל ולמה שסטארט-אפ יבוא אליכם לקבל השקעה. לעומת ללכת לקרנון סיכון שיושבת פה בסרונה או בהרצליה ויודעת לשים כסף ולקדם אותם לחו"ל. אני חושב שסטארט-אפ כשהוא מסתכל על המודל שלנו הוא בעצם מקבל one-stop-shop. למה? דבר ראשון הוא מקבל בטא סייט, הוא מקבל מגרש משחקים מאוד מאוד ייחודי שהוא לא יכול להשיג אותו בשום מקום אחר.
סטארט-אפ שרוצה להתעסק בנמלים גס וואט, צריך לעשות POC בנמל. אחר כך קם כשהוא בטח ובטח רוצה להגיע לעולם. אחר כך הוא מקבל את האפשרות לעשות POC והנמל הופך גם לדיזיין פרטנר, אנחנו ממש עוזרים לסטארט-אפיסט לעצב את המוצר בתחום הנמילים. בעצם עשרות שנות ניסיון של העובדים שלנו, בעצם לאט לאט מקבלים צורה והידע, אנחנו יוצקים אותו לתוך החברה. לאחר מכן הנמל הופך גם ללקוח, אנחנו אם ה-POC מצליח, אנחנו קונים את הטכנולוגיה ויש לו כבר בעצם לקוח עוגן מאוד מאוד משמעותי ואז נכנס גם המודל של ההשקעה, כי אז אנחנו גם יודעים לתת צ'ק של מיליון דולר וממש נכנסים באקוויטי באותה חברת סטארט-אפ, זה לא מספיק, אנחנו מביאים גם וי-סיז, בעצם קרנות וי-סיז רגילות שישקיעו יחד איתנו, אגב לוי-סיז אנחנו מצמצמי סיכון משמעותיים.
אנחנו לא משקיעים על בסיס מצגת של חצי שעה ונפנופי ידיים. החבר'ה האלה ישבו איתנו על הרציף ובדקנו אותם יחד עם ה-secret sauce שלנו, שזה העובדים שלנו. בסוף, שוב ויסי שבעולם לא יוכל לדעת אם הטכנולוגיה עובדת או לא עובדת עד שיהיו boots on the ground ואנחנו נדע בדיוק ונראה את זה, מה שנקרא, בשטח. והדבר החשוב ביותר... זה אנחנו עוזרים לסטארט-אפים האלה עם ה-go-to-market, אנחנו עוזרים להם להגיע לעולם.
אנחנו עושים את זה על ידי כך שהקמנו שגרירויות של חדשנות. שגרירות של חדשנות זה קשמה כני, אנחנו יודעים לייצא ולייבא סטארט-אפים מול נמל מקביל אלינו בעולם. חתמנו כבר עם 27 נמילים ברחבי העולם, שזה הדרך העיקרית שלנו בעצם לייצא את הקטר הלאומי החוצה. כבר בשבוע הבא... אנחנו הולכים גם לנמל המבורג, הוא נמל מאוד מאוד מרכזי באירופה, שבו אנחנו בעצם הולכים יחד עם הסטארט-אפים שלנו, בעצם שמונה סטארט-אפים הולכים להגיע ולהציג את מרכולתנו למקבלי ההחלטות של נמל המבורג ולעולם.
זה מסוג הדברים אגב, שאחד, שבאמת אחד הקשיים המשמעותיים של סטארט-אפים בתעשיות מסורתיות זה לפתוח את הדלת לבן אדם הנכון. כשאתה בונה סטארט-אפ בתחום התוכנה או סייבר, אתה יודע לפתוח את הדלת לחבר'ה בגוגל או במייקרוסופט או בזה, אבל לפתוח את הדלת לנמל בהמבורג למנהל שיחליט האם הוא מכניס את הטכנולוגיה או לא, באמת נשמע לי אתגר משמעותי, שאגב גם מפחיד הרבה מאוד יזמים. תראי, סייקל למכירה לתשתית קריטית הוא סדר גודל של שנתיים, הרנווי של חברת סטארט-אפ הוא סדר גודל של 18 חודשים, זה לא מתקנה. הוא יהיה חייב למצוא קיצור דרך, הוא יהיה חייב למצוא מישהו, מה שנקרא, זרי על אלכיו ולא פיכיו, וזה בדיוק מה שאנחנו עושים. קודם כל מכינים לו תשתית אנושית, אני בקשר אישי עם כל אחד מהגופים האלה, ואומרים, תראה, יש לנו פה הרבה חברות סטארט-אפ שעשויות לעניין אותך, ואז אנחנו כבר פותחים את הדלת.
אגב, אל תשכחי, קודם כל הם התגלחו על הזקן שלנו. זאת אומרת, כשאני מגיע עכשיו ליאנס, שהוא בעצם המנכ״ל של נמל המבורג, אני בא ואני אומר לו, זה טכנולוגיה שאנחנו כבר ניסינו, אני לא בא למכור לך חתול בשק והוא לא בא ומנסה לדפוק על הדלת. ממש מעניין אותי לשמוע, דיברת קודם על בעיות של בטיחות ודיברת על פלייז, דיברת על בעיות של אופרציה, מעניין אותי לדעת איך דיפ טק נכנס לכל הדבר הזה, להבין קצת יותר את הסטארט-אפים שמגיעים אליכם. אוקיי, אז בעולמות של הדיפ טק אני חושב שגולת הכותרת אצלנו זה חברת מקלות. שהיו"ר שלה זה שי אגסי, אם אתם, בטח כולם זוכרים אותו מבטאפלייס וכולי, ואני חושב שעדיין, וגם המנכ״ל שגיא, אני חושב שמקלום, מה שהיא עושה, היא יודעת לייצר ליידר שיודע לקרוא לטווחים של קילומטר, קילומטר וחצי ואף יותר.
שבדרך כלל ליידר יודע? לקרוא בדרך כלל בין טווחים של 500 עד קילומטר, זאת אומרת, הם כן יצרו פה איזה משהו שהוא נורא נורא ייחודי. אז איך בעצם הליידרים עוזרים לכם בנמל? אוקיי, תדמייני לדוגמה, קשה לדמיין את זה, אבל נמל אשדוד הוא בסך הכל כמו עיר קטנה. תחשבי שבתל אביב לדוגמה, היו בכל הצמתים לדוגמה ובכל רגע נתון היו ליידרים, בסדר?
שיודעים לאט לאט לדבר עם כל רכב ורכב, גם להגיד לו באיזה מהירות הוא נוסע, איפה הוא נוסע ולנתב בעצם את כל התנועה. כלומר, הבני אדם כבר לא נוסעים לבד בתוך תל אביב. הליידר עם העיר יודעת לארגן את עצמה לפי עומסי התנועה, ככה זה גם בנמל וגם ככה זה במטענים. פשוט כשאנחנו תקועים בפקק זה נורא נורא כואב לנו, כשמכולה תקועה גם לך זה כואב, בדרך כלל משלוחת לך מישיין מה שנקרא, אבל זה נורא נורא כואב ללקוח הסופי. ברגע שהתשתית הופכת להיות חכמה, היא יודעת להגיד מה קורה איתה בזמן אמת, היא יודעת לדבר עם נהגי המשאיות, היא יודעת לדבר יחד עם האוניות, היא יודעת לדבר יחד עם גופי תשתית אחרים שגם הם אומרים מה קורה איתה.
בזמן אמת. בטח ובטח שתיקחי את זה לעולמות של Defense Tech, של Dual Use, ברגע של מתקפה, כל התשתיות הלאומיות של מדינת ישראל ידעו לדבר אחת עם השנייה בזמן אמת, כל אחד יגיד איפה הוא יכול לתרום, איפה הוא חזק, איפה הוא חלש, האם הוא נפגע, מה הוא צריך, וזה הידע שכל כך חסר לנו כרגע. אז אתה מדבר כאן על תחום שהוא תופס תאוצה בטירוף היום, שזה Physical AI. שבעצם בכל מקום אתה יכול לשים סנסורים, ליידרים, לשתף את הדאטה, לייצר תאומים דיגיטליים, לחבר את הכל בבינה מלאכותית ובעצם לייצר את אותה רשת תקשורת בין כל אותם גופים ובאמת לנהל את המערך הזה. זאת אומרת, אתה מדבר ואני מדמיינת נמל שעובד אוטונומי אצלי.
זה נמל וירטואלי שהוא בעצם מושתת על נמל חי ואמיתי. בסוף מהפכת ה-AI היא אחת. היא לא תחליף שוב תשתית קריטית לעולם, שום AI לא יוכל להחליף את זה, אבל מה שכן ה-AI יוכל לעזור זה לתת לנו הרבה דאטה, ביג דאטה, שבו נוכל לתפעל את המערכות הנאה כאלה ולהגן עליהן. טוב, אז זה נשמע שאתם עושים כאן משהו מאוד מאוד חדשני, ובעצם מצליחים להכניס סטארט-אפים לאחד העולמות הכי מורכבים וסגורים גם שקיימים, אז קודם כל אני ממש מקווה שכל מיזם וסטארט-אפ שנוגע בתחומים האלו, שיכול לדמיין את הצורך, נותן לכם פתרונות, יפנה אליך ובאמת יקבל את המענה שאתם רוצים לתת להם. ואני רוצה לשמוע ממך קצת מה החזון, דיברת כאן על תעשיות מסורתיות, על איך בתי זיקוק וחברות חשמל יכולות גם אולי לפתח מערכת שונות בסגנון הזה.
אז אני חושב שאנחנו רוצים, החזון הוא כרגע לענות על כשל שוק בין תשתית קריטית שבדרך כלל מפחדת להתעסק בטכנולוגיה. לבין כך שהאיומים הטכנולוגיים הולכים וגוברים ומשתכללים כל הזמן. אנחנו עושים את זה על ידי כך שאנחנו מתחילים עכשיו לייצר קשר עם אותם גופי תשתית ובעצם להתחיל להקים מערך משותף, לעשות POC משותף, למצוא pain points משותף לכל גופי התשתית ועליהם בעצם להריץ את ה-POC יחד. אני באמת חושב, וזו לא סיסמה, באמת כוחנו ואחדותנו מהמקום הזה שאם כל התשתיות הקריטיות יחזיקו ידיים ביחד, ידעו לדבר אחת עם השנייה, יבחנו באמת את הבעיה יחד, נוכל גם למצוא פתרונות, וכן, נוכל גם למצוא מודל עסקי שיטיב גם עם הסטארט-אפיסטים, גם עם התשתית קריטית וגם עם המשקיעים, כי בסוף אתה צריך לייצר אקו-סיסטם שלם כדי שהקסם הזה יקרה. אז תודה לך רועי שהגעת היום לספר לנו על מערך החדשנות של נמל השדות.
ובהצלחה. תודה רבה. תודה שהאזנתם לדיפטק ישראל, תודה לראות שוקר העורכת שלנו ולאורי די שהיא טכנאי האולפן שלנו. אם אהבתם את הפרק, תדרגו ותשתפו עם עוד אנשים שרוצים להבין לאן העולם הולך לפני כולם. ואתם מוזמנים להצטרף לקהילת המאזינים שלנו, לשאול שאלות ולהציע תחומים לפרקים נוספים שהייתם רוצים שנכין עבורכם.
ראו את העורכת שלנו, תשים לכם לינק בתיאור הפרק. אני שרון סבריאגו, נתראה בפרק הבא של דיפטק ישראל