xTec
בינה מלאכותית · מדריך

WEKA שלושה‑פעמים יותר תפוקה במעבדי בינה מלאכותית

הקפיצה המשמעותית בתפוקת המעבדים של WEKA מראה איך חדשנות מקומית יכולה לשנות את כללי המשחק בתחום הבינה המלאכותית.
מערכת xTec · 17 בנובמבר 2026
WEKA שלושה‑פעמים יותר תפוקה במעבדי בינה מלאכותית
אילוסטרציה · צילום: Schäferle · Pixabay · מקור

תוצאות הניסוי

במסגרת ניסוי משותף עם חברת נביוס, צוות WEKA ניתח את תפוקת המעבדים שהוקצו למודלים של בינה מלאכותית. המדידה הראתה גדילה של 3.7 פעמים ביחס למערכת הקודמת, כאשר העומס נכלל במטלות סיווג תמונות וזיהוי קול. התוצאה נבדקה על פני סביבות עבודה סטנדרטיות.

הקפיצה נגרמה בעיקר משיפור בקצב העברת הנתונים בין ליבות המעבד, וכן מהפחתת זמן ההמתנה של זיכרון המטמון. מבחינת מדדי זמן תגובה, המערכת החדשה קיצרה את ממוצע זמן האימון בכ‑40 אחוז, מה שמאפשר ריצות ניסוייות מהירות יותר.

איך WEKA השיגה את הקפיצה

הצוות החליט לבנות מודול ניהול עומסים מבוסס קונטיינרים, שמפזר את המשימות בצורה דינמית לפי זמינות הליבות. בנוסף, השתמשו במודולי FPGA מותאמים שדוחפים קוד קריטי ישירות לחומרה, מה שמקטין את השהייה של קריאות למעבד.

בצד התוכנה, WEKA שידרגה את הספרייה של אלגוריתמי הלמידה לשימוש במבני נתונים מקבילים, והחליפה את מנגנון ההעברה הפנימי ב‑gRPC משופר. השילוב של קוד פתוח עם פיתוח פנימי יצר סביבת ריצה שמנצל את כל המשאבים הזמינים ללא פיצול מיותר.

ההשפעה על שוק המקומי

התוצאה מציבה את ישראל בעמדה תחרותית יותר מול יצרני חצי‑שבבים גלובליים, שכן חברות מקומיות יכולות כעת להריץ מודלים גדולים בעלות נמוכה יותר. עבור סטארט‑אפים בתחום הבריאות והפיננסים, קיצור זמן האימון משמעותו הפחתת זמן לשוק והגדלת גמישות הפיתוח.

אתגרים והצעד הבא

למרות השיפור, המערכת עדיין מתמודדת עם אתגרי קירור, שכן העלייה בתפוקה מייצרת חום משמעותי שעשוי לקצר את חיי הרכיבים. בנוסף, נדרשת תיאום מדויק של אספקת חשמל כדי למנוע תנודות שעלולות לפגוע ב‑stability של האימון.

ב‑Q1 של השנה הבא, WEKA מתכננת לשחרר גרסה 2 הכוללת תמיכה ב‑TensorFlow 3 וכן שיתוף פעולה עם מוסדות אקדמיים לשיפור אלגוריתמים מקומיים. בנוסף, החברה מתכננת להציע שירות ענן מבוסס על הפלטפורמה, שיאפשר ללקוחות להריץ עומסים כבדים ללא צורך ברכישה פיזית של חומרה.

שורה תחתונה

  • הקפיצה של 3.7 פעמים בתפוקת המעבדים נובעת משילוב של ארכיטקטורה משופרת וחומרה מותאמת
  • הגישה של WEKA מאפשרת לחברות ישראליות להפחית עלויות חישוב ולזרז פיתוח מודלים מתקדמים
  • האתגרים העיקריים נוגעים לקירור וניהול אנרגיה, והפתרון הבא הוא פיתוח גרסה עננית של הפלטפורמה
בינה מלאכותיתחומרהחדשנות ישראלית

כתבות נוספות