קשקרי מהפד משאיר את הדלת פתוחה להעלאות שער ריבית נוספות
יום חמישי, 27.08.2026 — אנבידיה (NVDA) השתמשה בפסגת The Six Five Summit: AI Unleashed 2026 כדי להציג עמדה ברורה בעד בינה מלאכותית בקוד פתוח, תוך הכרה גם במגבלות של אסטרטגיית מודל יחיד. החברה אמרה כי מודלים פתוחים יכולים לשפר מהירות, פרטיות ושליטה עבור ארגונים עסקיים, אך הדגישה גם כי מערכות חזית מתחרות כמו Claude ו-ChatGPT עדיין חשובות למשימות חדשניות ולאינטליגנציה רחבה.
ראשי פרקים
- בינה מלאכותית בקוד פתוח הופכת לזרז לחדשנות פתוחה וסגורה כאחד, ולא רק לחלופה נישתית.
- אנבידיה אמרה כי הערך בבינה המלאכותית עבר ממשקלי המודל לנתוני האימון, מה שהופך את נתוני הארגון לנכס מרכזי.
- החברה טענה כי רוב הארגונים יזדקקו לתצורה של מודלים מרובים, תוך שימוש במודלים פתוחים, מותאמים אישית ומודלי חזית יחד.
- חששות אבטחה עוברים מהמודל עצמו ל"רתמה" — כולל כלים, זיכרון, סביבת ריצה ועקבות סוכן.
- אנבידיה מצפה שמודלים בקוד פתוח יעלו על מודלים בקוד סגור בשימוש מוחלט בטוקנים תוך כשנה.
מודלים בקוד פתוח ושוק הבינה המלאכותית המשתנה
נאדר שייח’, דירקטור טכנולוגיית מפתחים של אנבידיה ולשעבר מנכ"ל ומייסד שותף של Brev.dev, אמר כי מודלים בקוד פתוח שינו את התעשייה על ידי האצת חדשנות בחתך כולל.
- הוא אמר כי קוד פתוח הוא "זרז לחדשנות פתוחה וסגורה כאחד."
- הוא השווה את התבנית לשינויים קודמים במחשוב, כולל התפשטות תוכנות אינטרנט, מערכות הפעלה וכלי ענן.
- הוא אמר כי השוק למד במהירות שהערך העמיד בבינה המלאכותית נמצא פחות במשקלי המודל ויותר בנתונים.
- הוא הצביע על התפתחות Llama כדוגמה: Llama 1 שחררה ארכיטקטורה בלבד, בעוד Llama 2 שחררה משקלים וארכיטקטורה אך לא נתונים.
- הוא ציין גם את Stable Diffusion כמקרה שבו שחרור פתוח הוביל למקרי שימוש רבים של סטארטאפים ומאמצי כוונון עדין מותאמים אישית.
שייח’ אמר כי פרויקטים פתוחים שונים שיתפו רמות פירוט שונות. RedPajama שחררה נתונים, משקלים וארכיטקטורה. Stable LM לא שחררה ארכיטקטורה. מאמצי הקוד הפתוח של אנבידיה עצמה, אמר, נועדו להסיר צווארי בקבוק שמאטים התאמה אישית ופריסה.
אסטרטגיית המודל הפתוח של אנבידיה
הדיון התמקד רבות בדחיפת המודל הפתוח של אנבידיה עצמה, כולל Nemotron 3.5 Lightning, NeMo ו-NeMo Switchyard.
- אנבידיה אמרה כי Nemotron 3.5 Lightning פתוח לחלוטין, כולל משקלים, ארכיטקטורה ונתוני אימון מלאים.
- שייח’ אמר כי החברה מוכנה להשקיע רבות באיסוף ושחרור נתונים מכיוון שהנתונים הם כעת צוואר הבקבוק.
- הוא אמר כי ServiceNow אימנה את המודל שלה באמצעות הנתונים שאנבידיה שחררה, אותם תיאר כאימות לאסטרטגיה.
- הוא אמר כי Nemotron Lightning יכול לפעול ב-100 טוקנים לשנייה על DGX Station ויכול להיות מהיר פי 2 עד 3 מ-Claude או ChatGPT בחלק מהתצורות המקומיות.
- NeMo Switchyard תואר כנתב מודלים שמחליט איזה מודל להשתמש בו בהתאם למשימה.
שייח’ אמר כי המטרה אינה לאלץ לקוחות להתרחק ממודלי חזית, אלא להקל על שימוש במודל הנכון לעבודה הנכונה.
בינה מלאכותית רב-מודלית ובחירת מקרי שימוש
שייח’ טען כי עולם הבינה המלאכותית הופך הטרוגני, כלומר ארגונים ישתמשו במספר מודלים בו-זמנית במקום לבחור מנצח יחיד.
- הוא אמר כי בחירת המודל צריכה לעקוב אחר חזית פארטו, תוך איזון בין אינטליגנציה מצד אחד ומהירות או זמן אחזור מצד שני.
- הוא אמר כי משימות בתחום ספציפי עובדות לרוב בצורה הטובה ביותר עם מודלים פתוחים קטנים ומותאמים שפועלים מהר יותר ומשתמשים במשאבים פחותים.
- הוא אמר כי משימות לא ידועות או חדשניות עדיין מעדיפות מערכות חזית כמו Claude, ChatGPT ו-GPT-5.5 מכיוון שהן שואבות מנתוני אימון רחבים יותר.
- הוא אמר כי עבודה רגישה לזמן אחזור, כמו שידורי ספורט בזמן אמת או מחשוב קצה, דורשת לעתים קרובות פריסה מקומית או on-premises.
- הוא אמר כי זרימת העבודה שלו עצמו משתמשת ב-GLM-5.2 על DGX Station בעוד הוא משתמש גם ב-Claude וב-ChatGPT למשימות אחרות.
שילוב זה, אמר, משקף כיצד ארגונים עסקיים צפויים לעבוד בפועל: מודלים פתוחים למהירות, עלות ושליטה, ומודלי חזית לרוחב ולהיגיון על בעיות לא מוכרות.
עדכונים תפעוליים ובינה מלאכותית מבוזרת
החברה תיארה גם תצורת בינה מלאכותית מבוזרת יותר, שבה יישומים יכולים לפעול על פני תחנות עבודה, מרכזי נתונים on-premises, אתרי colocation ומספקי ענן היפר-סקייל.
- שייח’ אמר כי DGX Station מתחת לשולחן יכולה לספק עוצמת GPU ברמת מרכז נתונים תוך שמירה על מיקום רכוש רוחני ידוע וזמן אחזור נמוך יותר.
- הוא אמר כי מספר חברי צוות יכולים לשתף DGX Station אחת דרך גישה למפתח API.
- הוא אמר כי NeMo Switchyard תומך בזרימות עבודה אמיתיות של burst-to-cloud דרך לוגיקת ניתוב ולא על ידי העברת יישום שלם.
- הוא אמר כי מדיניות אבטחה ונתונים יכולה להחליט איזה מודל ואיזה מיקום יטפלו בכל בקשה.
- הוא אמר כי עיבוד PII ברמת הנתב יכול לסנן מידע רגיש לפני שהנתונים נשלחים למודל חזית.
שייח’ אמר כי גישה זו שונה מרעיונות קודמים של cloud-bursting שנכשלו לרוב מכיוון שניסו להעביר יישומים שלמים במקום לנתב משימות בודדות.
אבטחה, רתמות ועקבות סוכן
חלק מרכזי בשיחה התמקד באבטחת סוכנים. שייח’ אמר כי שדה הקרב האמיתי אינו המודל לבדו, אלא הרתמה סביבו.
- הוא הגדיר את הרתמה כממשק, זיכרון, כלים, סביבת ריצה ועקבות היגיון שמעצבים כיצד משתמשים במודל.
- הוא אמר כי הערך של ChatGPT נבע לא רק מהמודל הבסיסי, אלא גם מצ’אט, קלט מולטימודאלי, זיכרון, חיפוש ברשת וקריאת כלים.
- הוא אמר כי קריאת כלים שינתה את ההנחה שבינה מלאכותית לא יכולה לטפל בשפות תכנות חדשות אלא אם כן אומנה עליהן.
- הוא הצביע על Cursor כדוגמה נוספת, ואמר כי שילוב מערכת הקבצים שיפר את השימושיות יותר משדרוגי מודל בלבד.
- הוא אמר כי חברות חייבות לבעול עקבות רתמה כדי להגן על רכוש רוחני ולהגיב במהירות לאירועי אבטחה.
שייח’ אמר כי דירקטוריונים ונושאי משרה בכירה מתמקדים יותר ויותר בשאלה האם עקבות סוכן יכולות לחשוף נתונים רגישים. הוא אמר כי Shared AI Findings Exchange, שהושק עם קרן Linux ו-Open Secure AI Alliance, נועד לעזור לחברות לשתף לקחי אבטחה מהר יותר.
אסטרטגיית ארגון ורכוש רוחני
שייח’ אמר כי ארגונים עסקיים לא צריכים להסתמך רק על מערכות חזית חיצוניות אם הם רוצים להגן על נתונים ולשלוט בעלויות.
- הוא אמר כי ארגונים צריכים לבעול ולהפעיל את הסטרקצ’ר שלהם ככל האפשר.
- הוא אמר כי פעולות רגישות צריכות להישאר על מודלים פתוחים מותאמים הפועלים מקומית או on-premises.
- הוא אמר כי מודלי חזית צריכים לשמש לתכנון ברמה גבוהה, היגיון רחב ומשימות חדשניות.
- הוא אמר כי פיצול זה עוזר לחברות לשמור על רכוש רוחני בתוך הארגון תוך שימוש בברז של אינטליגנציה חיצונית בעת הצורך.
- הוא אמר כי ריבונות נתונים, אבטחה, עלות ומהירות חדשנות כולם מעדיפים אסטרטגיית מודל מבוזרת.
הוא הוסיף כי הבעיה האמיתית עבור חברות רבות אינה האם בינה מלאכותית שימושית, אלא כמה מהעבודה הן יכולות להעביר בבטחה לבינה מלאכותית מבלי לחשוף נתונים פרטיים או זרימות עבודה פנימיות.
תחזית עתידית
שייח’ העניק תחזית נועזת לשנה הקרובה.
- הוא אמר כי מודלים בקוד פתוח יעלו על מודלים בקוד סגור בצריכת טוקנים מוחלטת תוך כשנה.
- הוא אמר כי צמיחה זו לא תפחית את השימוש במודלי חזית מכיוון ששוק הבינה המלאכותית הכולל מתרחב במהירות.
- הוא השווה את התבנית לווירטואליזציה, סמארטפונים וטאבלטים, שהרחיבו את המחשוב במקום להחליף התקנים ישנים יותר.
- הוא אמר כי רק 2% מהצרכנים משלמים כיום עבור בינה מלאכותית, מה שמשאיר מקום לצמיחה נוספת.
- הוא אמר כי ארגונים גדולים, כולל בנקים עם עשרות אלפי יישומים, רק החלו לחקור זרימות עבודה אפשריות של בינה מלאכותית.
הוא גם אמר כי קוד פתוח ייזקף ככל הנראה לזכות סיוע לתעשייה בפריסת סוכנים בצורה בטוחה יותר, מכיוון שלקחים שנלמדו במקום אחד יכולים להתפשט במהירות בכל המערכת האקולוגית. הוא הוסיף כי התקני מחברת עתידיים של אנבידיה עשויים להביא יכולת דמויית DGX קרוב יותר לצד הלקוח בתוך מספר שנים.
ראשי פרקים מהשאלות והתשובות
בשאלות מהקהל, שייח’ חזר לאותו מסר מרכזי: מודלים פתוחים וסגורים יתקיימו זה לצד זה.
- כשנשאל מדוע אנבידיה מוותרת על מודלים פתוחים, הוא אמר כי החברה משקיעה בנתונים מכיוון שנתונים, לא משקלים, הם הנכס העמיד.
- כשנשאל על הפיצול בין מודלים פתוחים וסגורים, הוא אמר כי ארגונים ישתמשו בשניהם, בהתאם לזמן אחזור, רגישות וסוג המשימה.
- כשנשאל מה על מנהלי מידע ראשיים לעשות, הוא אמר שעליהם לאמץ אסטרטגיות מודלים מרובים, לבעול את הסטרקצ’ר שלהם, לשלוט היכן שירותים פועלים ולבעול עקבות רתמה.
- כשנשאל על עתיד המודלים הפתוחים עד 2027, הוא חזר על עמדתו כי שימוש בטוקנים בקוד פתוח יעלה על שימוש בטוקנים בקוד סגור.
- כשנשאל על cloud bursting, הוא אמר כי NeMo Switchyard יכול לתמוך בכך דרך ניתוב, עיבוד ובקרות מדיניות.
סיכום
המושב הראה את אנבידיה ממצבת מודלים פתוחים ככלי מעשי לבינה מלאכותית ארגונית, ולא כתחליף למערכות חזית. הקוראים יכולים לעיין בתמליל המלא להלן לפרטים נוספים.
מאמר זה נוצר ותורגם בתמיכת AI ונבדק על ידי עורך. לקבלת מידע נוסף, עיין בתנאים והתניות שלנו.
