Two Delta גייסה עשרות מיליונים — עם פחות מעשרה עובדים

ב־22 באוקטובר 2026 דיווח CTech כי חברת ה־AI הישראלית Two Delta גייסה עשרות מיליוני דולרים בסבב סיד בהשתתפות ביל אקמן ואריק שמידט, וכי היא מעסיקה פחות מעשרה עובדים. את החברה הקימו דביר זלצר וד״ר אלי דויד. היא מפתחת טכנולוגיה להאצת הפעלתם של מודלי AI ולשיפור יעילות השימוש במשאבי מחשוב.

הגיוס מפנה תשומת לב לחברה קטנה הפועלת בתחום שבו כל שיפור במהירות ההסקה עשוי להשפיע על קיבולת השירות. מה שכבר גלוי לגבי הטכנולוגיה הוא ניסוי ביצועים שפרסמה Two Delta בשיתוף NVIDIA: הוא מציג האצה בתנאים מוגדרים, אך אינו מדידה עצמאית או תוצאה מסביבת ייצור של לקוח.

מי עומד מאחורי הסבב

לפי דיווח גלובס, Two Delta הוקמה ב־2025, רשומה בתל אביב ומעסיקה פחות מעשרה עובדים; ההערכה בדיווח היא שעד כה הושקעו בחברה עשרות מיליוני דולרים. זו הערכה לסך ההשקעות בחברה, בעוד הדיווח על סבב הסיד מתאר את היקף הסבב עצמו. סכום מדויק, שווי החברה וחלקו של כל משקיע לא פורסמו.

זלצר מגיע מרקע עסקי וניהולי, לרבות תפקיד בכיר בגוגל, ודויד הוא חוקר ויזם בתחום הבינה המלאכותית. אקמן הוא מייסד ומנכ״ל Pershing Square; שמידט כיהן בעבר כיו״ר גוגל. שמותיהם מלמדים מי השתתף בהשקעה, אך אינם מלמדים מי הוביל את הסבב או כמה כסף העביר כל אחד מהם.

לגודל הצוות יש משמעות בהבנת השלב שבו החברה נמצאת. המחקר הטכני שלה פומבי, ואילו פרטים על הכנסות, לקוחות ופריסה מסחרית טרם פורסמו בדיווחים על הגיוס. לכן אפשר לבחון את השיטה ואת המדידות שהחברה מציגה, אך עדיין אי אפשר להסיק מן הגיוס לבדו כיצד היא מתפקדת אצל לקוחות או מהי עלות ההפעלה של המוצר.

כיצד DCOCO מנסה לייצר תשובות מהר יותר

DCOCO פועלת בשלב ההסקה, שבו מודל שכבר אומן מייצר תשובה. היא מבוססת על פענוח ספקולטיבי: מודל קטן ומהיר מציע מראש רצף טוקנים, יחידות הטקסט שהמערכת מעבדת, והמודל הגדול בודק כמה מהם אפשר לקבל במעבר אימות אחד. אם כמה טוקנים מתקבלים יחד, המודל הגדול יכול להפיק יותר טקסט בלי לבצע מעבר נפרד עבור כל טוקן.

החיסכון תלוי באיכות הרצף שהמודל הקטן מציע. גם אם כל הצעה נראית סבירה בפני עצמה, הצירוף שלהן עלול להיות לא עקבי. כאשר המודל הגדול דוחה טוקן מוקדם, ההצעות שבאות אחריו באותו רצף אינן מספקות את החיסכון המקווה. DCOCO בוחרת בין מועמדים שכבר נוצרו בכל מיקום, ומתחשבת בזהות הטוקן שנבחר קודם לכן ובמידע על ההקשר.

התיקון נעשה בין שלב ההצעה לשלב האימות. הוא נועד להגדיל את מספר הטוקנים שהמודל הגדול יקבל בכל מעבר, בלי להריץ מעבר מלא נוסף של המודל המציע. האימות עצמו נשאר בידי המודל הגדול. לכן התוצאה הרלוונטית היא מהירות הפקת הפלט של המערכת כולה: גם תיקון מוצלח של הצעות לא יועיל אם החישוב שהוא מוסיף יצרוך את הזמן שנחסך.

מה בדיוק הראתה מדידת ההאצה

ב טבלת הניסוי של Two Delta נמדדה ל־DCOCO תפוקת פלט ממוצעת של 409.688 טוקנים לשנייה, לעומת 202.381 בפענוח רגיל, על פני עשרה מערכי נתונים. ממוצע יחסי ההאצה בכל מערך נתונים היה פי 2.03. המדידה נעשתה במודל Nemotron 3.5 Super של NVIDIA, כאשר מצב החשיבה כבוי, הטמפרטורה היא אפס, פועלת בקשה אחת במקביל והחישוב מחולק בין שני מעבדים גרפיים.

הניסוי נערך על מערכת NVIDIA DGX B200 באמצעות vLLM. מערכי הנתונים כללו משימות במתמטיקה, בכתיבת קוד ובהפקת טקסט כללי. בטבלה נראית שונות ניכרת בין המשימות: ההאצה הייתה פי 2.64 במערך AIME-25 ופי 1.20 במערך Arena-Hard-v2. הממוצע, לכן, מתאר את סל המשימות שנבחר לניסוי ואינו מהירות קבועה לכל בקשה.

גם אופן חישוב היחס חשוב. Two Delta חישבה תחילה את ההאצה בכל מערך נתונים מול הפענוח הרגיל באותו מערך, ורק אחר כך חישבה את ממוצע היחסים. זה אינו בדיוק היחס בין שתי התפוקות הממוצעות המוצגות בטבלה. הבדיקה בתצורה זו חזרה שלוש פעמים, והטבלה מציגה ממוצעים; היא אינה כוללת מדידה חיצונית של איכות השירות אצל לקוח.

החברה הציגה תוצאות גם בתצורות אחרות. כשהחשיבה הייתה כבויה והטמפרטורה הייתה אחת, ממוצע ההאצה מול פענוח רגיל ירד לפי טבלת החברה לפי 1.79. כשהחשיבה הייתה פעילה, היא דיווחה על פי 1.94 בטמפרטורה אפס ועל פי 1.70 בטמפרטורה אחת. השוואות אלה מראות מדוע יש לציין את הגדרות הפענוח לצד כל מספר ביצועים; כולן עדיין נשענות על מערך המדידות שפרסמה החברה עצמה.

מה יבחן את ההבטחה הטכנית

תפוקת טוקנים היא מדד ישיר לקצב הפקת הפלט, אך היא אינה מתארת לבדה את זמן ההמתנה לתשובה מלאה או את העלות להפעלת השירות. בסביבת ייצור התוצאה תלויה גם באורך הבקשות והתשובות, בשילוב בין סוגי משימות, במספר המשתמשים הפעילים ובחומרה. יתרון שנמדד בתצורה אחת יכול להשתנות כאשר התנאים האלה משתנים.

השלב הבא מבחינת Two Delta יהיה להראות כיצד DCOCO מתפקדת בעומסי עבודה של לקוחות, עם מדידה שאפשר להשוות לעלויות ולזמני תגובה בפועל. נתונים כאלה יוכלו לחבר בין תוצאות הניסוי לבין הטענה העסקית שבבסיס הגיוס: הפקת יותר תשובות מאותם משאבי מחשוב.

קראו גם:

• Zenzap גייסה 33 מיליון דולר — הסבב נסגר שנה לפני החשיפה
• Printful או Printify: חיסכון של 18% עלול לקנות פחות עקביות
• BloomX גייסה 13 מיליון דולר — היבול עדיין נמדד בנתוני החברה