מי שולט היום בחזית הבינה המלאכותית

יש דרך אחת, כמעט אינסטינקטיבית, לספר את הסיפור של הבינה המלאכותית. זה סיפור מוכר על רעיונות גדולים, חוקרים מבריקים, מעבדות חדשניות ופריצות דרך טכנולוגיות. זה סיפור שאומר שהכוח נמצא אצל מי שחושב מהר יותר, עמוק יותר, מקורי יותר. אולם, בחזית של 2026, הסיפור הזה כבר לא מספיק.

מי שמביט היום בקצה העליון של עולם הבינה המלאכותית רואה משהו אחר לגמרי. לא עוד זירה שמונעת בעיקר על ידי מאמרים, מחקרים ותחרות מדעית פתוחה יחסית, אלא מרחב צפוף, יקר, וריכוזי הרבה יותר, שבו השאלה החשובה איננה רק מי פיתח רעיון טוב, אלא מי בכלל מסוגל לממן, להפעיל ולתחזק את התשתית הדרושה כדי להפוך רעיון כזה לעוצמה ממשית.

זה נשמע כמו הבדל דק. בפועל, מדובר בשינוי מבני עמוק. ברגע שהחזית חדלה להיות בעיקר מחקרית והופכת לתעשייתית, השליטה כבר אינה שייכת בהכרח למי שיש לו את המדען הטוב ביותר, אלא למי שמסוגל להחזיק מערכת שלמה: גישה למחשוב עצום, נתונים איכותיים, שבבים, צוותי עידון, שכבת בטיחות, תשתית שירות, הון שמוכן להישרף במשך שנים, ויכולת להפיץ את המודל לעולם כולו בתנאים שהוא קובע. במובן הזה, החזית של הבינה המלאכותית מתחילה להידמות פחות לעולם התוכנה הישן, ויותר לעולמות כמו שבבים, אנרגיה או תעופה. תחומים שבהם יש מעט שחקנים, מחסומי כניסה עצומים, ותלות עמוקה במדינה, בתשתיות ובמערכת הגיאופוליטית שמסביב.

קודם צריך להבין מהו בכלל ״מודל בולט״
כדי להבין את עומק השינוי, צריך להתחיל בהבהרה בסיסית. כשמדברים על “מודלים בולטים”, לא מדברים על כל מודל שפורסם, הושק או קיבל יחסי ציבור. מדובר בקטגוריה צרה יותר: מודלים שנחשבים משמעותיים במיוחד, משום שקידמו את חזית היכולת, יצרו פריצת דרך, השפיעו על השדה כולו, או זכו לחשיבות מחקרית והיסטורית מיוחדת.

מאגר המודלים של Epoch AI, שעליו נשען גם הניתוח של הדוח שפורסם על ידי Stanford HAI, לא מנסה למפות את כל עולם הבינה המלאכותית, אלא את הקצה הקדמי של הכוח. את אותם מודלים שלא רק מצטרפים לרעש הכללי, אלא מזיזים את הגבול עצמו. זוהי הבחנה קריטית. כי ברגע שמבינים שמדובר לא במפקד אוכלוסין, אלא במדד לחזית, גם המספרים מקבלים משמעות אחרת.

לפי דוח הבינה המלאכותית של Stanford HAI, ארצות הברית הובילה ב-2025 במספר המודלים הבולטים עם 50 מודלים, בעוד שסין עמדה על 30 מודלים. זה עדיין יתרון אמריקאי ברור, אבל כבר לא כזה שאפשר לתאר בביטחון כשליטה מוחלטת וחסרת תחרות. הפער קיים, אך הוא איננו בלתי עביר. סין כבר אינה רק שחקנית של יישום, ייצור או פרסומים. היא מייצרת גם נכסי חזית ממשיים. זאת נקודה חשובה, משום שהיא מפרקת נרטיב ישן ונוח. במשך זמן רב היה אפשר לתאר את חלוקת העבודה כך: אמריקה ממציאה, סין מיישמת, אבל התמונה בשנת 2025 כבר מורכבת יותר. סין אינה ניצבת רק בקצה היצרני של המערכת, היא חלק מהמאבק על עצם הגדרת החזית.

האקדמיה כבר אינה יושבת במרכז הבמה
הנתון החד ביותר בדוח הזה אינו בהכרח הפער בין ארצות הברית לסין. הנתון החד באמת הוא הפער בין התעשייה לאקדמיה. לפי Stanford HAI, יותר מ-90% מהמודלים הבולטים של 2025 הגיעו מן התעשייה. האקדמיה, שבעבר עמדה בלב הסיפור של התחום, כמעט נעלמה מן החזית. כשבשנה שלמה מופיע רק מודל אקדמי בולט אחד, מול עשרות רבות שיצאו מחברות, קשה עוד לדבר על שדה שמבנה הכוח שלו נותר מדעי בעיקרו.

כאן צריך לעצור לרגע, כי זהו לא פרט טכני. זהו שינוי אופי. פעם היה אפשר לחשוב על קו התקדמות שנע ככה: רעיון חדש, מאמר, קוד, שכפול, ביקורת, שיפור. אפילו כאשר היו פערי משאבים, עדיין הייתה תחושה של מרחב תחרות יחסית, שבו לאוניברסיטאות ולמעבדות מחקר יש סיכוי אמיתי להגדיר את הכיוון. היום, מודל חזיתי כבר כמעט לא נולד כך. כדי להוציא לעולם מודל שבאמת משנה את גבול היכולת, לא מספיק עוד צוות מחקר מצוין. צריך מערך ייצור שלם שכולל כוח מחשוב חריג, נתונים בהיקף ובעיבוד שרק מעטים מסוגלים לממן, הנדסת אימון, עידון לאחר האימון, בדיקות, בטיחות, מוצר, מערך שירות פעיל ויכולת להחזיק את כל זה לאורך זמן. במילים אחרות, החזית של הבינה המלאכותית כבר אינה מנוהלת בעיקר בידי מי שיודע לכתוב את המאמר הטוב ביותר. היא מנוהלת יותר ויותר בידי מי שמסוגל לתחזק מפעל שלם של יכולת, וזה בדיוק הרגע שבו התחום הופך מתחרות מדעית לתחרות תעשייתית.
במרוץ החדש, לא מספיקות אוניברסיטאות טובות

ברגע שמבינים את זה, משתנה גם האופן שבו צריך לחשוב על תחרות בין מדינות. אם בעבר היתרון של מדינה נמדד בעיקר דרך אוניברסיטאות, מענקי מחקר, חוקרים מובילים ותפוקה מדעית, היום כל אלה עדיין חשובים, אבל הם כבר אינם מספיקים. העליונות האמיתית נובעת מיכולת להעמיד מערכת שלמה: שוק הון עמוק, חברות ענן, גישה לשבבים, תשתיות חשמל, מרכזי מחשוב, מדיניות תעשייתית, ושרשרת של חברות שמסוגלות לתרגם מחקר לכוח מסחרי וטכנולוגי מתמשך.

זו הסיבה שהעליונות האמריקאית איננה רק סיפור של סטנפורד, ברקלי או MIT. היא סיפור של OpenAI, Google, Microsoft, Amazon, Nvidia, ושל המערכת הפיננסית והתשתיתית שמחזיקה אותן. באותו אופן, גם ההתקדמות הסינית אינה עוברת רק דרך אוניברסיטאות או מאמרים, אלא דרך Alibaba, ByteDance, Baidu, DeepSeek ושחקנים נוספים, שפועלים בתוך מערך לאומי תעשייתי שנעשה צפוף, מתואם ועמיד יותר. כלומר, המאבק על הבינה המלאכותית כבר אינו רק מאבק בין רעיונות לאומיים, הוא מאבק בין אקו-מערכות תעשייתיות שלמות.
וגם בתוך התעשייה עצמה, אין באמת שוק פתוח

אפשר היה לחשוב שהמעבר הזה אל התעשייה דווקא ירחיב את מעגל המשתתפים. בפועל, הוא פועל ההפך, הוא מרכז את הכוח. לפי Stanford HAI, ב-2025 OpenAI הובילה עם 19 מודלים בולטים, Google עם 12, ו-Alibaba עם 11. מאחוריהן נמצאות Anthropic, xAI, DeepSeek, Meta, ByteDance ושחקנים נוספים, אך בפער. התמונה הזאת אינה דומה לשוק רחב שבו עשרות או מאות גופים פועלים במשקל דומה. היא נראית הרבה יותר כמו אוליגופול, מצב שבו קומץ שחקנים גדולים מחזיק בחלק עצום מן היכולת, מן ההפצה, ולעיתים גם מן הכוח לקבוע את כללי המשחק.

מדובר לא רק בריכוז עסקי. מדובר בריכוז בעל משמעות כמעט ריבונית. החברות הללו אינן עוד “חברות תוכנה” במובן המוכר של העשור הקודם. הן מחזיקות בנכסים שהופכים אותן לגופים בעלי כוח גאופוליטי ממשי: גישה למחשוב עצום, שליטה בשירותים, השפעה על מחירים, יכולת להגביל שימושים, לעצב סינון תוכן, ובמקרים מסוימים גם להשפיע על עיצוב הרגולציה עצמה. זו הסיבה שהתחרות האמיתית כבר אינה מתנהלת רק בין ארצות הברית לסין כמדינות, אלא בין חברות הטכנולוגיה האמריקאיות הגדולות, שמחזיקות בנתח גדול מן החזית, לבין המערכת הסינית, שבה החברות פועלות בקשר הדוק יותר עם המדינה. לכן, מי שמנסה להבין את הפוליטיקה של הבינה המלאכותית דרך ממשלות בלבד, מפספס חלק גדול מן הסיפור.

הגישה פתוחה, אבל השליטה נשארת למעלה
אחד הביטויים החזקים ביותר לשינוי הזה הוא הדרך שבה המודלים משוחררים לציבור. יותר ויותר מן המודלים הבולטים אינם נמסרים כמשהו שאפשר להחזיק בו באמת, להריץ עצמאית, לבדוק, לשנות, ולהטמיע כרצונך. במקום זאת, הם ניתנים כשירות מרוחק, דרך ממשק תכנות יישומים. זהו אותו ערוץ שמאפשר להשתמש במודל, אך לא להחזיק בו. לפי Stanford, זו הייתה ב-2025 צורת השחרור הנפוצה ביותר: 45 מתוך 95 מודלים בולטים שוחררו בדרך זו.

לכאורה, זה נשמע כמו פרט הנדסי. בפועל, זהו שינוי עמוק במבנה הכוח. כאשר ארגון או מדינה מקבלים גישה למודל רק דרך שירות מרוחק, הם אינם שולטים במשקולות המודל, בשרתים, בקצב השימוש, ביומן הפעילות, בתנאי הסינון או בעדכונים העתידיים. הם יכולים לצרוך יכולת, אבל לא להחזיק בה. הם בפנים, אבל לא באמת. המשמעות רחבה הרבה יותר ממה שנראה במבט ראשון. היא אומרת שמדינות, ארגונים וחברות יכולים להשתתף בכלכלת הבינה המלאכותית בלי להשיג ריבונות אמיתית עליה. יש להם גישה, אך אין להם שליטה. וזהו הבדל מכריע.

מן הזווית הגיאו-כלכלית, מודל כזה של הפצה הוא כמעט מושלם עבור מי שכבר נמצא בפסגה. הוא מקשה על העתקה, מצמצם את היכולת של אחרים לבנות עצמאות, ומאפשר להפעיל בקלות רבה יותר מגבלות יצוא, סנקציות, תנאי שימוש ומנופי לחץ מסחריים ופוליטיים. מי שמחזיק בשירות, מחזיק גם בברז הגישה.

וגם מאחורי השירות, הדלתות נסגרות
אפשר היה לומר: בסדר, גם אם המודל עצמו מגיע רק כשירות, אולי לפחות ניתן ללמוד מן האופן שבו הוא נבנה. אולי אפשר להבין את המתכון, גם אם לא מקבלים את המוצר. אלא שגם כאן, הדלת הולכת ונסגרת. מאגר המודלים של Epoch AI מצביע על כך שבשנת 2025, הרוב המוחלט של המודלים הבולטים לא שוחררו עם קוד האימון שלהם, ורק מיעוט קטן מאוד הגיע עם קוד אימון פתוח, וזו אינה הערת שוליים. קוד האימון חושף את צינור הייצור עצמו: איך עובדו הנתונים, אילו בחירות הנדסיות נעשו, אילו שיטות אופטימיזציה נבחרו, ומה היה המבנה האמיתי של התהליך.

בלי קוד כזה, קשה הרבה יותר לשחזר, לבדוק, לערוך ביקורת חיצונית, או להבין באמת מה דרוש כדי להתחרות, וכאן מתרחש ריכוז כפול. לא רק שהיכולת לבנות מודלים בולטים מתרכזת בידי מספר קטן של שחקנים, גם היכולת להבין כיצד נבנו המודלים האלה נשארת אצל אותם שחקנים. במילים אחרות, מי שנמצא בפסגה מחזיק לא רק בכוח עצמו, אלא גם ביכולת להגדיר לאחרים איך הכוח הזה נראה. זה כבר אינו רק יתרון עסקי, זהו יתרון אסטרטגי.

השקיפות נשחקת, והעמימות הופכת למשאב

השיח הציבורי אוהב לעיתים למדוד את המרוץ הזה דרך נתונים פשוטים לכאורה: כמה פרמטרים יש במודל, כמה נתונים הוא ראה, כמה זמן התאמן. אבל התמונה הפכה לעמומה יותר. חלק מן החברות המובילות כבר אינן חושפות בעקביות את מספר הפרמטרים, את גודל מערכי האימון או את משך האימון. לכן, קשה יותר ויותר לקרוא את הגרפים כאילו הם מספרים את הסיפור המלא.
וגם כאן יש משמעות פוליטית עמוקה. בעולם של תחרות בין מעצמות, עמימות יכולה להוות נכס. היא מקשה על יריבים לדעת מה בדיוק יש לך, מהי עלות הייצור שלך, מה ניתן להעתקה, ואיפה בדיוק עובר גבול היכולת. לכן, אובדן השקיפות איננו רק תוצאת לוואי עסקית. הוא עשוי להפוך בעצמו לכלי של שליטה. זאת כבר אינה רק שאלה של מדידה, זוהי שאלה של שליטה בנראות.

השאלה האמיתית כבר אינה ״מי מוביל בבינה מלאכותית״
בתוך כל זה, חשוב להבין עוד דבר: התחרות בין ארצות הברית לסין אינה רק תחרות על מספר המודלים. היא תחרות על סוג הכוח שכל אחת מהן בונה. לפי Stanford HAI, לארצות הברית עדיין יש יתרון במספר המודלים הבולטים, ובחלקים מסוימים של עומק המערכת. אבל במקביל, סין בונה צבר רחב של שחקנים משמעותיים, והיא מובילה בתחומים אחרים של המערכת, כמו היקף פרסומים, ציטוטים ותפוקות פטנטים. לכן קשה יותר ויותר לדבר על “מדינה מובילה” אחת בלי לפרק את השאלה לשכבות.

וזו אולי התובנה החשובה ביותר. בינה מלאכותית אינה עוד תחום אחד. היא מערכת רב שכבתית. יש בה שכבת מחקר, שכבת מודלים, שכבת מחשוב, שכבת שבבים, שכבת שירותים, שכבת רגולציה, ויש בה גם שכבת הון אנושי. מדינה יכולה להוביל בחלק אחד מן השרשרת, ולהיות תלויה מאוד באחרים בחלק אחר. לכן השאלה “מי מוביל ב AI” מתחילה להישמע כמעט נאיבית. השאלה הנכונה יותר היא: באיזו שכבה, באיזו עוצמה, ובאיזו מידה של עצמאות.

לסיכום, זה כבר לא רק סיפור על חדשנות, זה סיפור על שליטה.
במשך שנים עולם הטכנולוגיה אהב לספר על בינה מלאכותית כסיפור של כישרון, יצירתיות, מחקר פתוח וקוד שמסתובב בחופשיות בקהילה. כל זה עדיין קיים. אבל בחזית של 2026, זה כבר איננו לב הסיפור. הלב הוא אחר: הון, תשתית, חיבור לשכבת חומרה, ויכולת להחזיק שירות בקנה מידה עולמי. זאת הסיבה שהתחום מתחיל להידמות פחות לעולם התוכנה של העשור הקודם, ויותר לעולמות כמו שבבים, אנרגיה או תעופה. תחומים שבהם יש מעט שחקנים, מחסומי כניסה עצומים, ותלות עמוקה במדינה ובסביבה הגיאופוליטית.

המשמעות הרחבה ברורה. מי שחושב על AI רק במונחים של חדשנות, מחמיץ את העובדה שמדובר גם, ואולי בעיקר, במבנה של שליטה. שליטה במחשוב, שליטה בשבבים, שליטה בערוצי ההפצה, שליטה בשקיפות, ושליטה ביכולת של אחרים להצטרף באמת למשחק. לכן הסיפור של המודלים הבולטים איננו סיפור נישתי על מומחים, זהו סיפור על הסדר החדש שנבנה עכשיו מול העיניים. סדר שבו החדשנות מתפשטת, אבל הכוח מתרכז. סדר שבו יותר אנשים ויותר ארגונים משתמשים בבינה מלאכותית, אבל פחות ופחות שחקנים מסוגלים לבנות את השכבה העליונה שלה בעצמם. סדר שבו השאלה “מי שולט ב AI” כבר אינה שאלה על רעיון טוב, אלא על מי מחזיק את כל שרשרת הייצור, וזה, בסופו של דבר, הסיפור האמיתי של חזית הבינה המלאכותית כיום.

מה זה מאותת למדינת ישראל?
מבחינת ישראל, זהו רגע של התפכחות אסטרטגית. בעולם שבו חזית הבינה המלאכותית נעשית ריכוזית יותר, תעשייתית יותר וסגורה יותר, כבר לא די להיות “אומת סטארט אפ”. מדינה קטנה כמו ישראל לא צפויה לנצח את ארצות הברית או את סין במשחק של מספר המודלים, היקף המחשוב או עומק ההון. השאלה החשובה באמת אחרת: האם ישראל מסוגלת לבנות לעצמה די ריבונות טכנולוגית כדי לא להישאר רק לקוחה של מערכות שמדינות אחרות שולטות בהן.
זו גם הרוח שעולה מן התוכנית הלאומית לבינה מלאכותית, שמדברת במפורש על הרחבת הריבונות הטכנולוגית של ישראל, על פיתוח יכולות עיבוד שפה בעברית ובערבית, ועל העמקת שותפויות אסטרטגיות בין לאומיות. בינואר 2026 נפתח גם מסלול הגישה למחשב העל הלאומי, עם הקצאה של 1,000 מאיצי Nvidia B200 לאקדמיה ולתעשייה במחיר מסובסד, בניסיון לצמצם לפחות חלק מן הפער התשתיתי.

מכאן נגזר גם הכיוון הסביר ביותר עבור ישראל. לא מרדף עיוור אחרי בניית מודלי ענק בכל מחיר, אלא אחיזה חזקה דווקא בשכבות שבהן מצוינות יכולה עדיין לגבור על יתרון הגודל: מערכות לתעשיות ייעודיות, סייבר, ביטחון, בריאות, תשתיות, כלי בקרה ואימות, רכיבי תשתית, ושימושים שבהם נתונים ייחודיים ויכולת הנדסית עמוקה חשובים לא פחות מגודל המודל עצמו.

זה גם תואם את מבנה הכלכלה המקומית: לפי דוח מצב ההייטק של רשות החדשנות, בשנת 2025 ההייטק אחראי לכ-17% מן התוצר של ישראל וליותר ממחצית היצוא שלה. במצב כזה, הסכנה האמיתית איננה שמדינת ישראל “תפסיד במרוץ” במובן הדרמטי, אלא שהיא תהפוך לשכבה דקה של יישומים וחברות מתחת לענקיות זרות שמחזיקות את המחשוב, את השירות ואת צווארי הבקבוק. לכן, השאלה הישראלית איננה רק איך לחדש, אלא איך להבטיח גישה מקומית מספקת למחשוב, לנתונים ולשפה, כך שהחדשנות הזאת לא תהיה תלויה לחלוטין במערכות של אחרים.

האתגר הגדול ביותר של ישראל, לפחות כרגע, אינו בהכרח מחסור בכישרון, אלא מחסור בתיאום ובקצב ביצוע. כאן האזהרה כבר נוסחה במפורש על ידי מבקר המדינה: עם סיום השלב הראשון של התוכנית הלאומית נוצל רק כ-40% מן התקציב שאושר, ובמקביל תוארו תשתית מחשוב לא מספקת ועיכובים גם בפרויקטים של שפה עברית וערבית. בישראל יש כישרון, יש תעשייה, ויש סיבה אמיתית להיות שחקנית משמעותית, אבל בעולם שבו כוח בינה מלאכותית נמדד יותר ויותר בתשתית, בארגון ובמהירות, פערי תיאום ועיכובים הופכים מהר מאוד לחולשה ממשית.

אם ישראל תדע לפעול מהר, לבנות תשתית, ולהחליט באיזה שכבות היא רוצה להיות עצמאית ובמה נכון לה להישען על שותפים, היא תוכל להישאר בתוך המשחק בתנאים טובים. אם לא, היא עלולה לגלות שגם חדשנות מרשימה מאוד אינה מספיקה כאשר שכבות הכוח שמעליה נשלטות כולן במקום אחר.

באדיבות אתר " חדשות התקשורת" https://tikshoret.news/item/814