מ-AI Possible ל-AI Proven: ההתחלה אצלך, בקצה.
עד לא מזמן, מימוש AI במרבית הארגונים סבב בעיקר סביב שיחה עם צ'אטבוט: שולחים שאלה, מקבלים תשובה, והתהליך נגמר. עלות כזו קלה לחיזוי - היא נמדדת בכמות השאלות, ומספר השאלות מוגבל באופן טבעי בכמות בני האדם שמקלידים אותן.
אבל השנה האחרונה שינתה את זה. סוכני AI, סוכני AI Agentic - מודל שלא רק עונה, אלא מתכנן, פועל, קורא לכלים אחרים ובודק את עצמו עד שהמשימה מסתיימת - הפך לדרך המקובלת להשתמש ב-AI בארגונים.
ההבדל הזה נשמע טכני, אבל ההשלכה הכספית שלו מיידית: משימה שהייתה עולה אלפי טוקנים – (טוקן הוא יחידת המידע הבסיסית שמודל שפה מעבד, בערך כמו הברה בתוך מילה) - יכולה עכשיו לעלות מאות אלפי טוקנים, כי הסוכן חוזר על עצמו שוב ושוב עד שהוא מסיים. הבעיה היא לא רק שהעלות גבוהה - הבעיה היא שאף אחד לא יודע כמה היא תהיה גבוהה עד שהמנוע ממצה את ההקצאות ודורש עוד 'טוקנים'.
למצב זה יש הגדרה: טוקנומיקס, כלכלת הטוקנים.
בכירים בתחום מתארים את תשתית ה-AI המודרנית כמפעל AI שהופך חשמל לטוקנים, וטוקנים לתובנה עסקית.
במילים פשוטות יותר: כל שאלה, כל פעולה של סוכן, כל שליפת מידע - צורכת או מייצרת טוקנים, וארגונים מתחילים למדוד הצלחה לא לפי גודל המודל שהם משתמשים בו, אלא לפי כמה עולה לייצר טוקן אחד וכמה ערך עסקי יוצא ממנו.
Dell Technologies בונה סביב הרעיון הזה מסגרת עבודה שנקראת מ-AI Possible ל-AI Proven, כלומר המעבר מהוכחת היתכנות טכנולוגית לתוצאה עסקית מוכחת. המסגרת מחולקת לכמה שלבים: הגדרת אסטרטגיה, הכנת הנתונים, הקמת פלטפורמה, יישום תרחישי שימוש, ותפעול ושיפור מתמשך. בבסיס כל השלבים האלה עומדת מסגרת ה-Dell AI Factory, שמציגה את הענן, מרכז הנתונים והקצה כשלוש אופציות פריסה משלימות בתוך תשתית אחודה אחת, ולא כשלוש מערכות נפרדות שצריך לבחור ביניהן מראש.
השלב שקל להחמיץ, ושדווקא הוא הקל ליישום והמאפשר שהופך את כל השאר לישימים, הוא איפה בפועל מריצים את החישוב. ארגון יכול לתכנן אסטרטגיה מושלמת ולהכין דאטה איכותי, ועדיין להיתקע כשמגיע הרגע להריץ סוכן בפועל בעלות שאפשר לחזות ובזמן תגובה שמתאים לעבודה בזמן אמת.
כאן נכנס מחשוב הקצה - הרצת המודל קרוב למקום שבו העבודה קורית בפועל, ולא בענן מרוחק. לפי מחקר שביצעו Signal65 ו-Futurum Group על פריסות מקומיות במסגרת Dell AI Factory מול ענן, ארגונים שמריצים עומסי AI סוכני על תחנות עבודה ומאיצים מקומיים חוסכים עד כ-90 אחוז מהעלות ביחס ל-API-ים מבוססי ענן, עם החזר השקעה שיכול להתרחש תוך שלושה חודשים בלבד. זה ההבדל בין אפשרי למוכח: לא עוד הדגמה שעובדת במעבדה, אלא תשתית שאפשר להראות למנהל הכספים ולתמוך בה במספרים אמיתיים.
כאן גם נכנסת תרומה קריטית של Intel: מעבדי Intel Core Ultra ופלטפורמת הניהול והאבטחה vPro הם מה שהופך את תחנת העבודה לנכס IT שאפשר לנהל מרחוק, לאבטח ברמת ה-BIOS ולפרוס בביטחון על פני צי שלם של עובדים. בעומסים הכבדים יותר, מעבדי Intel Xeon בקו ה-Dell Pro Precision Towers מוסיפים את עוצמת הליבות והיציבות הנדרשת לריצה ארגונית מתמשכת. הנה כמה דוגמאות קונקרטיות למה שזה נראה בפועל בשטח:
Dell Pro Max, מבוסס Intel Core Ultra ו-vPro
ייעוד: תחנת העבודה הראשונית של כל צוות שמתחיל להתנסות ב-AI, ונקודת הניהול היומיומית סביב הרצת המודלים.
פיצ'רים משמעותיים: דגם ה-Tower T2 מוגדר כמהיר בעולם בביצועי ליבה בודדת, עם אפשרות חיבור למאיץ GB10 בעת הצורך.
רכיבי Intel: מעבד Intel Core Ultra מדור Arrow Lake, ופלטפורמת vPro לניהול מרחוק ואבטחה ברמת ה-BIOS.
Dell Pro Precision Towers, מבוסס Intel Xeon
ייעוד: צוותי הנדסה ומחלקות מחקר שמריצות כמה עומסי AI כבדים במקביל.
רכיבי Intel: מעבדי Intel Xeon, המספקים את העוצמה והיציבות הנדרשות לעבודה ארגונית מתמשכת.
Dell Pro Max עם GB300
ייעוד: עומסי AI כבדים במיוחד ומודלים בקנה מידה של טריליון פרמטרים.
פיצ'רים משמעותיים: 784 ג'יגה-בייט זיכרון מאוחד, ועד 20,000 טרה-פלופס של ביצועי FP4.
רכיבי Intel: כמו ה-GB10, מתחבר כמאיץ נפרד לתחנת העבודה מבוססת הIntel, ולא מחליף אותה.
הנקודה שבה נפגשים הסיפור הטכנולוגי והסיפור העסקי, שוב ושוב הופכת להיות מרכז הצעת הערך של Dell Technologies. הרבה ניסיון וחיבור לשטח, מקרי שימוש שמשמשים השראה לפיתוח והיזון חוזר.
מעוניינים לבוא, לראות הדגמות ולשמוע ממומחים על הפיתוחים האחרונים?
הירשמו עכשיו לפורום תל אביב של Dell Technologies ב-13 באוקטובר:
לא עוד שיחה על מה AI יכול לעשות באופן תאורטי, אלא הצגה של איפה זה כבר עובד, עלויות, ולמה מחשוב הקצה -
לא רק הענן ומרכז הנתונים - הוא חלק בלתי נפרד מהתשובה.
ההרשמה כאן >