רכישת Decart על ידי Anthropic: אקזיט של 6 מיליארד דולר באופק הישראלי

רכישת Decart על ידי Anthropic נמצאת במגעים מתקדמים לפי שווי של כ-6 מיליארד דולר, כך על פי דיווחי בלומברג ורויטרס שאישרו את הפרסום המקורי של כלכליסט. אם העסקה תושלם, זו תהיה הרכישה הגדולה בתולדות מפתחת Claude ואחד האקזיטים הגדולים בהיסטוריה של תעשיית ה-AI הישראלית. במאמר הזה נפרק את העסקה מנקודת מבט של בוני מוצר: מה Decart באמת פיתחה, למה Anthropic מוכנה לשלם עליה פרמיה של 50 אחוז מעל השווי האחרון, ומה המשמעות המעשית למי שבונה על מודלים גדולים בפרודקשן.

מה ידוע על עסקת רכישת Decart נכון לעכשיו

נכון למועד הפרסום מדובר במגעים ולא בעסקה חתומה. לפי הדיווחים, Anthropic מנהלת משא ומתן לרכישת Decart לפי שווי של כ-6 מיליארד דולר. לשם השוואה, Decart גייסה במאי האחרון 300 מיליון דולר לפי שווי של כ-4 מיליארד דולר, כלומר הדיון מתנהל סביב עליית שווי של כ-50 אחוז בתוך חודשים ספורים.

המספר הזה חריג בשני מובנים. ראשית, Anthropic מוכרת עד כה כחברה שמעדיפה רכישות צוות ממוקדות (acqui-hires) על פני רכישות ענק, כך שעסקה בסדר גודל כזה מסמנת שינוי אסטרטגי. שנית, בנוף הישראלי מדובר בסכום שממקם את העסקה בשורה אחת עם האקזיטים הגדולים בהיסטוריה המקומית, לצד רכישות כמו Wiz ו-Mobileye, אך הפעם בליבת תחום המודלים הגנרטיביים עצמם ולא בשכבת האבטחה או הרכב.

מי זו Decart ומה היא בעצם בונה

Decart היא מהחברות הישראליות הבודדות שמפתחות מודלים גדולים משלהן מאפס, עם התמחות ייחודית ביצירת וידאו בזמן אמת. זו נקודה קריטית להבנת השווי: רוב הסטארטאפים בתחום בונים שכבת אפליקציה מעל מודלים של אחרים. Decart בחרה במסלול הקשה והיקר של אימון מודלי יסוד (foundation models), כולל פיתוח תשתית אימון והסקה (inference) משלה.

ההתמחות של החברה היא בדיוק בנקודה שבה רוב מודלי הווידאו הקיימים נשברים: ג'נרציה בזמן אמת. מודלים כמו Sora של OpenAI או Veo של גוגל מייצרים וידאו איכותי, אבל בתהליך אופליין שאורך שניות עד דקות לכל קליפ. Decart בנתה מודלים שמייצרים ומעבדים וידאו פריים אחר פריים תוך כדי הזרמה, מה שפותח קטגוריית מוצרים שונה לחלוטין: עולמות אינטראקטיביים, טרנספורמציה חיה של שידורי וידאו ויישומי גיימינג.

Oasis ו-Mirage: הדגמות היכולת שמאחורי השווי

שני המוצרים המוכרים של Decart ממחישים את הגישה. Oasis הוא מודל עולם (world model) שמייצר סביבת משחק אינטראקטיבית בסגנון Minecraft, כאשר כל פריים נוצר על ידי המודל בתגובה לקלט של השחקן, ללא מנוע משחק מסורתי. Mirage הוא מודל video-to-video שממיר זרם וידאו חי לסגנון ויזואלי אחר בזמן אמת, עם השהיה נמוכה מספיק לשידור חי. שני המוצרים האלה הם למעשה הדגמות פומביות של יכולת הליבה: הסקה של מודל דיפוזיה גדול בקצב של עשרות פריימים בשנייה.

למה Anthropic מוכנה לשלם 6 מיליארד דולר על מודל וידאו

התשובה הקצרה: Anthropic מובילה בקוד ובטקסט אבל חסרה לחלוטין בווידאו, והפער הזה הופך לאסטרטגי ב-2026. Claude מבוסס כיום על יכולות טקסט, קוד וראייה סטטית, בעוד OpenAI וגוגל כבר משלבות ג'נרציית וידאו במוצרים שלהן. רכישת Decart מקנה ל-Anthropic בבת אחת צוות מחקר מוכח, מודלים מאומנים וקניין רוחני בתחום שבניית יכולת בו מאפס אורכת שנים.

אבל יש כאן שכבה עמוקה יותר שרלוונטית למי שבונה מוצרים. הערך של Decart אינו רק במודל הווידאו עצמו אלא במומחיות אופטימיזציית ההסקה: הצוות פיתח קרנלים מותאמים ל-GPU, טכניקות דיסטילציה של מודלי דיפוזיה וארכיטקטורות שמאפשרות latency נמוך בקנה מידה. הידע הזה ישים ישירות גם להוזלת והאצת ההסקה של מודלי Claude, שם עלות ה-inference היא אחד ממרכזי הכובד הכלכליים של כל ספקית מודלים.

המשמעות הטכנית: זמן אמת כדרישת ארכיטקטורה

ההבדל בין ג'נרציית וידאו אופליין לזמן אמת אינו הבדל של מהירות אלא של ארכיטקטורה. מודל וידאו סטנדרטי מריץ עשרות צעדי דיפוזיה (denoising steps) על כל הרצף, מה שמייצר איכות גבוהה אך latency של שניות רבות. מודל זמן אמת חייב לעמוד בתקציב של כ-30 עד 40 מילישניות לפריים כדי להגיע ל-25 עד 30 FPS, כולל קלט, הסקה ופלט.

כדי לעמוד בתקציב כזה נדרשים כמה מהלכים הנדסיים במקביל:

• דיסטילציה של צעדי דיפוזיה: צמצום עשרות צעדים לצעד אחד או שניים תוך שמירה על איכות ויזואלית סבירה.
• ג'נרציה אוטו-רגרסיבית של פריימים: כל פריים נבנה על קודמיו במקום עיבוד רצף שלם, מה שמאפשר אינטראקטיביות אך מחייב טיפול בסחף שגיאות (error accumulation) לאורך זמן.
• קרנלים מותאמים לחומרה: כתיבת קוד הסקה ברמת ה-GPU במקום הסתמכות על ספריות גנריות, לניצול מרבי של רוחב פס זיכרון.

מי שעבד על מערכות streaming בפרודקשן מזהה כאן דפוס מוכר: ברגע שיש דרישת latency קשיחה, כל שכבה במחסנית חייבת להיבנות סביבה. זו בדיוק המומחיות שקשה לשכפל וקל להצדיק במחיר רכישה.

מודל עולם (World Model)

מודל שמייצר סביבה אינטראקטיבית פריים אחר פריים בתגובה לקלט המשתמש, ללא מנוע משחק מסורתי - כמו Oasis של Decart.

צעדי דיפוזיה (Denoising Steps)

סבבי חישוב חוזרים שמודל וידאו סטנדרטי מריץ על הרצף כולו; עשרות צעדים מייצרים איכות גבוהה אך latency של שניות רבות.

דיסטילציה

צמצום עשרות צעדי דיפוזיה לצעד אחד או שניים תוך שמירה על איכות ויזואלית סבירה - מפתח לג'נרציה בזמן אמת.

ג'נרציה אוטו-רגרסיבית

בניית כל פריים על סמך קודמיו במקום עיבוד רצף שלם, מה שמאפשר אינטראקטיביות אך מחייב טיפול בסחף שגיאות.

הסקה (Inference)

הרצת מודל מאומן בפרודקשן. עלות ההסקה היא ממרכזי הכובד הכלכליים של כל ספקית מודלים, ושם בדיוק המומחיות של Decart.

מה רכישת Decart אומרת על האקוסיסטם הישראלי

העסקה, אם תושלם, תהיה הוכחה ראשונה בסדר גודל כזה שישראל מסוגלת לייצר לא רק חברות אפליקציה מעל AI אלא חברות מודלי יסוד עם שווי של מיליארדים. עד כה הנרטיב המקובל היה שאימון מודלים גדולים שמור לענקיות אמריקאיות וסיניות בגלל עלויות המחשוב, בעוד היתרון הישראלי מתמקד בשכבות היישום, האבטחה והדאטה.

Decart שברה את התבנית בכך שבחרה נישה שבה יעילות הנדסית מנצחת תקציב גולמי: במקום להתחרות חזיתית על מודל הווידאו הגדול והאיכותי ביותר, היא התמקדה בזמן אמת, תחום שבו אופטימיזציה חכמה שווה יותר מעוד עשרת אלפים כרטיסי GPU. זהו שיעור מעשי לכל צוות ישראלי ששוקל להיכנס לתחום המודלים: הנישה הטכנית הנכונה, כזו שמוגדרת על ידי אילוץ הנדסי קשה, יכולה להצדיק פיתוח מודל עצמאי.

השוואה לאקזיטים קודמים בתעשייה המקומית

בהיסטוריה של ההייטק הישראלי בולטות רכישות כמו Mobileye על ידי אינטל ו-Wiz על ידי גוגל. ההבדל המהותי הוא הגיל והשלב: Decart היא חברה צעירה מאוד, שהגיעה לשווי של 4 מיליארד דולר בגיוס האחרון ולמגעים סביב 6 מיליארד בתוך פרק זמן קצר במיוחד. קצב יצירת הערך הזה משקף את הדינמיקה החדשה של שוק ה-AI ב-2026, שבו יכולת מודלים מוכחת מתומחרת במהירות ובאגרסיביות.

מה זה אומר למפתחים ולבוני מוצרים על Claude

למי שבונה כיום על ה-API של Anthropic, ההשלכה הסבירה בטווח הבינוני היא הרחבת יכולות מולטימודליות. אם האינטגרציה תצליח, אפשר לצפות ליכולות וידאו בתוך משפחת Claude: הבנת וידאו, ג'נרציה, ואולי החשוב מכולם, יכולות זמן אמת שיתאימו לתרחישי agents שמקיימים אינטראקציה עם סביבות ויזואליות חיות.

מנקודת מבט של תכנון ארכיטקטורה, כדאי כבר עכשיו לחשוב על כמה נקודות מעשיות:

1. הפשטת שכבת המודל: אם המערכת שלכם קשורה קשיח לספק וידאו אחד, שכבת abstraction דקה תאפשר לכם לאמץ יכולות חדשות מהר כשיגיעו.
2. תכנון לתרחישי streaming: מוצרי וידאו בזמן אמת דורשים תשתית שונה מקריאות REST רגילות, כולל WebSocket או WebRTC וטיפול ב-backpressure. מי שבונה את זה נכון היום יהיה מוכן ראשון.
3. מעקב אחר תמחור הסקה: מומחיות האופטימיזציה של Decart עשויה להשתקף בהוזלת טוקנים ובשיפור latency גם במודלי הטקסט של Claude, מה שמשפיע ישירות על יחידת הכלכלה של מוצרים בפרודקשן.

הסתייגויות: מה עדיין יכול להשתבש בעסקה

חשוב לשמור על פרופורציות: מגעים אינם עסקה, ועסקאות בסדר גודל כזה נופלות לא פעם על מחיר, על תנאי שימור עובדים או על שיקולים רגולטוריים. רכישות ענק בתחום ה-AI נמצאות תחת עין רגולטורית פקוחה בארצות הברית ובאירופה, וגם מבנה העסקה עצמו, מזומן מול מניות של חברה פרטית בשווי מאות מיליארדים, יכול לסבך את הסגירה.

נקודה נוספת שמוכרת לכל מי שחווה אינטגרציה של רכישה טכנולוגית: מיזוג של צוות מודלים עצמאי לתוך ארגון מחקר קיים הוא אתגר בפני עצמו. הצלחת העסקה תימדד לא ביום החתימה אלא בשאלה האם יכולות הווידאו של Decart יגיעו למוצרי Anthropic בתוך שנה עד שנתיים, או יתמוססו בתהליכי אינטגרציה. עד אז, ההמלצה המעשית היא לעקוב אחרי ההודעות הרשמיות ולא לבסס החלטות ארכיטקטורה על דיווחים בלבד.

כך או כך, המגעים סביב רכישת Decart מסמנים את הכיוון של 2026: מודלים מולטימודליים בזמן אמת הופכים משכבת ניסוי לנכס אסטרטגי, וישראל נמצאת בפעם הראשונה בליבת המשחק הזה. מי שרוצה להבין לעומק איך עובדים מודלי דיפוזיה, אימון מודלים גדולים ובנייה עליהם בפרודקשן, מוזמן לעיין בקורסי הבינה המלאכותית המקצועיים שלנו, ולהמשיך לעקוב אחרי הניתוחים השוטפים של שוק ה-AI הישראלי והעולמי במגזין החדשות והמגמות של AICourse.