ההזדמנות הבאה של ישראל בבינה מלאכותית
כיצד Edge AI משנה את הדרך שבה מכשירים חושבים, מגיבים ופועלים — והיכן טמון היתרון הישראלי?
הקדמה
Edge AI הוא תחום העוסק בהרצת יכולות בינה מלאכותית על גבי התקני קצה, באופן עצמאי או בעזרת שימוש במשאבי החישוב בענן. בשנים האחרונות, במקביל להשקעה העולמית המואצת במרכזי נתונים לחישובי AI, גוברת גם ההשקעה בחישובי AI בקצה הרשת. המוטיבציה הראשונית והמרכזית למעבר לחישוב בקצה היא הפחתת שיהוי, בעיקר ביישומים שבהם נדרשת תגובה מהירה, לדוגמה בממשקי אדם–מכונה, במערכות אוטונומיות וביישומים תפעוליים. לצד זאת, ל-Edge AI ישנם יתרונות רבים נוספים: פעולה גם בתנאי קישוריות חלקית או ללא קישוריות רציפה, צמצום מעבר מידע רגיש או פרטי לענן, והפחתת עומס על רשתות תקשורת ועל מרכזי עיבוד מרכזיים.
סקירה זו ממפה את ההתפתחויות המרכזיות בתחום, בוחנת את הפעילות בישראל ובעולם ומזהה את התחומים שבהם ישראל יכולה לבנות יתרון תחרותי. על בסיס הממצאים מוצעים כיווני פעולה לפיתוח התשתיות, המחקר והאקוסיסטם הישראלי בתחום.
מתודולוגית המחקר בבסיס הדוח
הניתוח המוצג במסמך זה מבוסס על איסוף מידע ציבורי (מחקרי שוק ופרסומים באינטרנט) שבוצע על ידי צוות אגף המחקר הטכנולוגי ברשות החדשנות, בתוספת למידע המצוי במאגר הנתונים של הרשות ולידע והכרות של הבודקים המקצועיים. ניתוח זה מאפשר לזהות מגמות טכנולוגיות המתפתחות בתעשייה הישראלית, גם אם בשלבים מוקדמים של התפתחות, וגיבוש תמונת מצב עדכנית של התחום, כולל זיהוי תתי־תחומים בעלי פוטנציאל משמעותי, הן מבחינה טכנולוגית והן מבחינה כלכלית. על בסיס ניתוח זה גובשו ההערכות וההמלצות המוצגות במסמך ביחס להתפתחות התחום ולמיקוד התמיכה המומלצת של הרשות והמדינה.
הגדרת התחום
בהתבוננות רחבה, ניתן להגדיר Edge AI כחישובי AI, אימון או הסקה, המתבצעים על כל מכשיר שאינו שרת בענן. הגדרה צרה יותר של התחום מתמקדת בהתקנים הנ"ל, הפועלים לאורך זמן בתנאי הספק מוגבלים, לעיתים מסוללה, ובפרט כאלה שנדרשים לפעול באופן רציף או אוטונומי. התחום כולל מנעד רחב של יישומים וטכנולוגיות, ואינו מתפצל באופן דיכוטומי בלבד, גם אם בדוח זה נתייחס בעיקר לקצוות העליון והתחתון של התחום.
בקצה העליון, High-End Edge AI, נמצאים התקנים שמחוברים לרשת בחיבור רחב סרט, מצוידים במעבדים חזקים יחסית, ופועלים לעיתים בשילוב עם חישוב AI בענן. דוגמאות להתקנים מסוג זה כוללות מחשבים אישיים, טלפונים חכמים, מצלמות מעקב, רובוטים, רחפנים קלים ורכבים אוטונומיים. מכשירים אלה מכילים מעבדים / מאיצי חישוב AI , שמבצעים חלק מעיבוד ה-AI בקצה (בעיקר עיבוד הרגיש לשיהוי, כמו ממשק אדם מכונה), ומנצלים את רוחב הפס הגדול בכדי לתקשר למרכזי ה-AI בענן (למשל לצורך שאילתה למודלי ה-LLM הגדולים). הדגש העיקרי של מכשירים בקצה העליון של תחום ה-Edge AI הוא הביצועים.
הקצה התחתון של התחום, Low-End Edge AI, הרבה יותר מגוון ומפוצל (Fragmentated), ומאופיין בהתקנים קטנים הפועלים בעזרת סוללה לאורך זמן, חסכוניים באנרגיה ולעיתים עצמאיים לחלוטין (ללא חיבור לענן). דוגמאות להתקנים מסוג זה כוללות חיישנים חכמים, התקנים רפואיים לבישים ומשקפיים חכמים. הדגש העיקרי של מכשירים בקצה התחתון הוא מינימום הספק ומשקל לצד יכולת ביצוע חכמה, בהתאמה ליישום.
מצבה של ישראל
בשלות טכנולוגית
מבחינת בשלות, תחום ה-Edge AI הטרוגני מאד. חלק מהיישומים והטכנולוגיות, בעיקר בקצה העליון, כבר נמצאים בשלבים מסחריים מתקדמים המאופיינים במכירות גבוהות (היקף מכירות של כ-B$30 בשנת 2026 – כחציו בחומרה, בפרט בשבבים) ומתחרים רבים וגדולים, לצד צמיחה מהירה וריבוי פעילויות מחקריות, טכנולוגיות ועסקיות.
לעומת זאת, הקצה התחתון, מצוי עדיין בשלבים מוקדמים יותר של התפתחות טכנולוגית ומחקרית, ובוודאי עסקית. כפי שצפוי מתחום הנמצא בהתפתחות והתגבשות, הוא כולל מגוון רחב של טכנולוגיות חומרה (נויורומורפי, IN MEMORY, SUB THRESHOLD) ותוכנה (TINYML, Small LLM Collaborative AI , Agentic AI). ראוי לציין שחוסר הבשלות של פלח התחום התחתון המצוי בשלבי התהוות מוקדמים, צופן פוטנציאל אסטרטגי משמעותי, אך גם מחייב השקעה ארוכת טווח. עם זאת, היקף ההשקעה, לפחות בשלבים הראשונים, אינו גדול יחסית להשקעה הנדרשת על מנת לייצר מובילות בשוק גדול ומפותח.
מיפוי עולמי
המיפוי העולמי נועד לבחון מהם הצירים המרכזיים שעליהם נשענת כיום מובילות עולמית בתחום ה-Edge AI, ומהם מוקדי הכוח המרכזיים המתעצבים בו. לצורך כך, המיפוי בוצע בשני חתכים מרכזיים: חתך טכנולוגי/תשתיתי וחתך יישומי. בחתך הטכנולוגי נבחנו שלוש שכבות: חומרה-מעבדים, חומרה-סנסורים ותוכנה, ואילו בחתך היישומי נבחנו שישה ורטיקלים מרכזיים: רובוטים וכלים אוטונומיים,Wearables & Gadgets, התקנים רפואיים וחישה רפואית, Smart City / Smart Home, IIoT / AIoT וביטחון. גישה זו מאפשרת לבחון מובילות עולמית לא רק ברמת רכיב בודד, אלא ברמת היכולת לשלב בין תשתית טכנולוגית לבין חדירה ליישומים ולשווקים שונים.
המיפוי מצביע על כך שהתחרות בתחום מתפתחת באופן שונה מאוד בין High-End Edge AI לבין Low-End Edge AI.בקצה העליון, בדומה לעולם תשתיות ה-AI בענן, ניכרת דומיננטיות של שחקנים גדולים המחזיקים ביכולות חומרה ותוכנה משולבות, בפלטפורמות מפותחות וביכולת אינטגרציה רחבה. בין החברות הבולטות נמצאות Nvidia, Qualcomm, Samsung ויצרנים סיניים, לצד Hailo הישראלית. שוק זה מאופיין בריכוזיות גבוהה יחסית ובאינטגרציה גבוהה בין חומרה לתוכנה, ולכן נהנים בו מיתרון מובנה שחקנים בעלי הון, קנה מידה ויכולות בניית פלטפורמה.
לעומת זאת, Low-End Edge AI הוא שוק מפוצל בהרבה, ללא שחקנים דומיננטיים מובהקים. זהו מרחב שבו עדיין לא התבססה היררכיה גלובלית קשיחה, ולכן הוא פתוח יחסית לכניסת שחקנים חדשים ולבניית יתרון תחרותי. הפעילות בתת התחום מתנהלת כיום ברובה במישור הטכנולוגי – מחקר בסיסי סביב אופטימיזציה של גודל מודל הרשת, גודל הזיכרון הנדרש, צריכת הספק ויעילות חישובית. בנוסף, מתפתחת בו שכבת תוכנה חדשה, הכוללת ארכיטקטורות שיתופיות בין התקנים בקצה, או שילוב בין מודלים קטנים בקצה למודלים חזקים יותר בענן. המיפוי בחתך השימושים חושף שהתחום חוצה שווקים ושימושים רבים: רובוטיקה, מכשירים אוטונומיים, התקנים לבישים, רפואה, ערים ובתים חכמים, תעשייה וביטחון. המשמעות היא ש-Edge AI אינו נישה טכנולוגית צרה, אלא שכבת יכולות אופקית עם השפעה על מגוון תעשיותושווקים. בתוך כך, המסקנה העולה מן המיפוי היא כי ההזדמנות האסטרטגית אינה טמונה דווקא בתחרות ישירה על השווקים שכבר נשלטים בידי ענקיות, אלא בזיהוי תת-תחומים שבהם המבנה התחרותי עדיין פתוח.
ישראל אינה מובילה גלובלית רוחבית בתחום ה-Edge AI או בתת תחום שלו, אך קיימים בה נכסים משמעותיים שיכולים לשמש בסיס לבניית מובילות ממוקדת. מן המיפוי עולה כי כמעט בכל החתכים שנבחנו קיימת פעילות ישראלית, אם כי ברובם מדובר בחברות קטנות יחסית. בחתך היישומי תת התחום שבו ניכרת הפעילות המשמעותית ביותר הוא העולם הביטחוני, שבו פועלות גם החברות הישראליות הגדולות — רפאל, אלביט ותע"א.
החוזקות הישראליות נבחנו בארבעה מישורים טכנולוגיים. הראשון הוא חומרה, ובפרט מעבדים ומאיצים: הסקירה שביצענו הראתה כי בישראל יש כ-20 חברות פעילות בתחום זה (ראה נספח 2). השני הוא תוכנה, שבה זוהו כ-10 חברות ישראליות (ראה נספח 3). השלישי הוא חיישנים, תחום שבו זוהו כ-25 חברות ישראליות (ראה נספח 4). המישור הרביעי הוא בסיס אקדמי ותשתיתי רלוונטי, הכולל חוקרים, מעבדות ותשתיות מחקר בתחומים כגון חומרה דלת הספק, עיבוד אותות, ראייה ממוחשבת, נוירומורפיקה וחישוב בזיכרון (ראה נספח 5). חלק מגורמים אלו כבר נתמכו או נתמכים על ידי רשות החדשנות באמצעים שונים כגון מאגדים, תשתיות מו"פ ומעבדות ייעודיות (ראה נספח 1).
עם זאת, קיימים גם פערים ברורים. רוב השחקנים המקומיים עדיין קטנים ואינם מחזיקים בעמדה דומיננטית גלובלית. חלק ניכר מן הפעילות נמצא בשלבי מו"פ מוקדמים, עוד לפני פריסה רחבה. בתחום התוכנה, אף שיש בישראל עומק כללי רב ב-AI, רק מיעוט קטן מן החוקרים עוסק ישירות ב-Edge AI. בנוסף, הפעילות המקומית עדיין מפוזרת בין תחומים רבים, ולכן חסרה מסה קריטית מגובשת סביב פלטפורמה משותפת או שכבת תשתית מאחדת.
מכאן עולה, כי היתרון היחסי של ישראל אינו מבוסס על גודל שוק או על דומיננטיות תאגידית, אלא על היכולת לחבר בין מחקר איכותי, תעשיית Deep Tech גמישה, תשתיות ציבוריות תומכות ותחומי שימוש בעלי ערך אסטרטגי. במילים אחרות, לישראל יש פוטנציאל לבנות אקוסיסטם ממוקד בפלח התחום שעדיין נמצא בשלבי התגבשות, אך לא סביר שתצליח להוביל בתחרות חזיתית מול השחקנים השולטים כבר בשווקים הבשלים יותר בפלח התחום העליון.
מובילות
בהתבסס על ממצאי המיפוי, בחינת פוטנציאל השוק וניתוח החוזקות היחסיות של ישראל, ההמלצה המרכזית היא כי ישראל תתמקד בבניית מובילות תשתיתית־טכנולוגית בתחום ה-Edge AI, ולא בניסיון להוביל רוחבית ביישומים או להתחרות ישירות בשווקי הקצה העליון. בתוך כך, מומלץ למקד את המאמצים בשני כיוונים משלימים: פיתוח תשתיות ל-Edge AI, בדגש על שכבות בסיס טכנולוגיות, חומרה–תוכנה ואבני בניין משותפות; וכן התמקדות ב-Low-End Edge AI, שבו המבנה התחרותי העולמי עדיין פתוח יחסית.
ההמלצה להתמקד בתשתיות נשענת על כמה שיקולים מרכזיים: אף שהחברות הישראליות אינן נמנות כיום עם המובילות הגלובליות בתחום, קיים פוטנציאל ממשי ליצירת אקוסיסטם משמעותי בישראל. בתחום החומרה, ובפרט במעבדים, הפעילות המקומית ענפה ומגוונת הן בתעשייה והן באקדמיה, גם אם חלק ניכר ממנה מצוי עדיין בשלבי מו"פ מוקדמים. בתחום התוכנה, קיים פוטנציאל משמעותי נוסף הנובע ממגוון רחב של חוקרי AI בעלי מומחיות גבוהה, שניתן לכוון למחקר רלוונטי בתחומי Edge AI. נוסף על כך, תחום התשתיות מתאים במיוחד להתמקדות ברמת מדינה, שכן הוא מאפשר לבנות נכסי בסיס משותפים לאקדמיה, לתעשייה וליזמות; זאת, בניגוד להשקעה ביישומים ספציפיים, המתאימה יותר לחברות בודדות ולשווקים אנכיים מוגדרים.
ההמלצה להתמקד ב-Low-End נשענת אף היא על היגיון אסטרטגי ברור: למרות נוכחות יפה של חברות ישראליות גם בעולמות עתירי ביצועים, ולצד נטייה "מסורתית" בישראל לכיוון ה-High-End, תחום ה-High-End Edge AI נשלט כיום על ידי חברות ענק. לכן, יכולתה של ישראל לייצר בו דומיננטיות מוגבלת. לעומת זאת, עולם ה-Low-End מפוצל למגוון רחב של אפליקציות, טכנולוגיות ופלטפורמות, ולכן הוא מותיר מרחב פתוח יותר לבניית יתרון יחסי. בהינתן תנאים אלה, לישראל עשוי להיות פוטנציאל לבנות אקוסיסטם משמעותי ואף לייצר תשתית בעלת מעמד מוביל ברמה עולמית. נוסף על כך, מאחר שמדובר בתחום מתפתח שטרם התייצב סביב מספר מצומצם של שחקנים דומיננטיים, קיים גם פוטנציאל ארוך טווח להצמחת שחקן ישראלי משמעותי בקנה מידה עולמי ("אנבידיה הישראלית").
מדובר בתחום המצוי בשלבים ראשונים של התהוות, הנשען כיום במידה רבה על מחקר אקדמי ועל פעילות של חברות סטארט־אפ. בהתאם, יידרשו מספר שנים של השקעה עקבית לפני שניתן יהיה לבחון באופן מובהק את פירותיה.
בהמשך לכך, היבט נוסף הראוי לבחינה מעמיקה הוא החיבור האפשרי בין השקעות בתשתיות עבור Edge AI לבין ההשקעות המתוכננות בעולם השבבים, ובפרט לעידוד ייצור שבבים בישראל. המעבדים המאפיינים את תחום ה-Low-End מתמקדים בגודל קטן ובצריכת הספק נמוכה, ובדרך כלל מיוצרים בטכנולוגיות CMOS שאינן המתקדמות ביותר. גם החיישנים הרלוונטיים לתחום מגוונים מאוד ותלויים במטרת החישה — אופטית, תרמית, כימית או פיזית — ולעיתים נשענים על טכנולוגיות ייצור נישתיות. מאפיינים אלה עשויים לייצר נקודות השקה בין אסטרטגיית Edge AI לבין מדיניות שבבים מקומית, באופן שמחזק את ההיתכנות למדיניות משולבת.
חסמים
תחום ה-Low-End Edge AI מאופיין בחסמים נמוכים יחסית לעולם ה-AI בענן או לעולם ה-High-End Edge AI, מאפיין שעשוי להקל על כניסת שחקנים חדשים ועל עיצוב מהלכי תמיכה ממוקדים. עם זאת, קיימים מספר חסמים ואתגרים מרכזיים: הראשון הוא אתגר טכנולוגי-מערכתי: ריבוי טכנולוגיות, פלטפורמות וארכיטקטורות, המקשה על התכנסות לסטנדרטים משותפים ועל בניית שכבת תשתית אחידה. השני הוא אתגר מבני: פיזור השוק בין שחקנים רבים, רובם קטנים, ובין שווקים יישומיים מגוונים, דבר שמקשה על יצירת מוקד מובילות ברור. השלישי הוא אתגר מחקרי: לצד מגוון גדול של חוקרי AI בישראל, רק מיעוט קטן מהם עוסקים כיום ב-Edge AI, בפרט בתחום התוכנה, אף שזהו אחד המוקדים המרכזיים של החדשנות בתחום, ובו מתפתחים כיוונים כמו אופטימיזציה של מודלים והתאמתם להתקני קצה.
בהיבט הרגולטורי, החסמים המרכזיים נוגעים בעיקר להגנת פרטיות, במיוחד במערכות הכוללות מצלמות, נתוני בריאות ויישומים ביטחוניים. לצד זאת, קיימת חשיבות גוברת לזירת התקינה. המסמך מצביע על גופים בינלאומיים רלוונטיים כגון NIST, ITU, IEEE, וכן על הקשר לתקני תקשורת ולשיטות מדידת ביצועים. מכאן, שמובילות בתחום לא תישען רק על פיתוח טכנולוגי, אלא גם על יכולת להשתלב בעיצוב הסטנדרטים ולהשפיע עליהם.
צעדי מדיניות והזדמנויות
בהתבסס על תוצאות המיפוי, בחינת הפוטנציאל והחוזקות של ישראל, המלצות הצוות הן:
1. התמקדות בפיתוח תשתיות ל-Edge AI על פני יישומים / אפליקציות
הרציונל: אמנם החברות הישראליות לא נחשבות למובילות בעולם אבל קיים פוטנציאל ליצירת אקוסיסטם משמעותי בארץ. בתחום החומרה (בפרט מעבדים), הפעילות בארץ ענפה ומגוונת גם בתעשייה וגם באקדמיה. עם זאת, רובה נמצאת בשלבי מו"פ מוקדמים טרום יישומיים נרחבים. בתחום התוכנה, ישנו פוטנציאל גדול באקדמיה, הנובע ממגוון רחב של חוקרים בעלי מומחיות גבוהה ב-AI, שניתן לכוונם למחקר רלוונטי בתחומי Edge AI.
כמו כן, בעוד שהשקעה בתחומים יישומיים מתאימה יותר לחברות ספציפיות, השקעה בתשתיות מתאימה להתמקדות ברמת מדינה.
2. התמקדות ב- Low-End Edge AI
הרציונל: למרות נוכחות יפה של חברות ישראליות ונטייה "מסורתית" בארץ ל- High-End, תחום ה- High-End Edge AI נשלט על ידי חברות ענק, ולכן יכולתה של ישראל לייצר דומיננטיות הינה נמוכה. לעומת זאת, ה- Low-End מפוצל לסוגים רבים של אפליקציות ומכיל פוטנציאל לייצר אקוסיסטם משמעותי בארץ והזדמנות לייצר תשתית מובילה ברמה עולמית. ראוי לציין, שמדובר בתחום מתפתח ויש בו כר נרחב למחקר. בנוסף, העדר חברות גדולות ודומיננטיות בתחום פותח אפשרות לעודד הקמת חברות ישראלית גדולות ("אנבידיה הישראלית").
כמו כן, בשל אופי התחום, ההשקעה הנדרשת בשנים הראשונות קטנה יחסית, בעיקר בעידוד המו"פ בתעשייה ובאקדמיה. אולם מדובר בהשקעה לטווח הארוך, ויידרשו מספר שנים של השקעה לפני שניתן לבחון בצורה מובהקת את פירותיה.
כפי שהוזכר קודם, היבט נוסף הראוי לבחינה מעמיקה הוא החיבור האפשרי בין השקעות בתשתיות עבור Edge AI לבין ההשקעות המתוכננות בעולם השבבים, ובפרט עידוד ייצור שבבים בישראל. המעבדים המאפיינים את תחום ה-Low End מתמקדים בגודל קטן ובצריכת הספק נמוכה, ובדרך כלל מיוצרים בטכנולוגיות CMOS שאינן המתקדמות ביותר. גם החיישנים הרלוונטיים לתחום מגוונים מאוד ותלויים במטרת החישה — אופטית, תרמית, כימית או פיזית — ולעיתים נשענים על טכנולוגיות ייצור נישתיות. מאפיינים אלה עשויים לייצר נקודות השקה בין אסטרטגיית Edge AI לבין מדיניות שבבים מקומית, באופן שמחזק את ההיתכנות למדיניות משולבת.
בהמשך להמלצת ההתמקדות בתשתיות וב-Low-End Edge AI, נדרש לתרגם את כיוון המובילות המוצע לשורת צעדים אופרטיביים שמטרתם לבסס ולחזק את התעשייה והאקוסיסטם הישראליים בתחום.
הכיוון המרכזי הוא כאמור, מיקוד בבניית תשתיות ולא בתמיכה מפוזרת ביישומים. יש לשקול קידום ארכיטקטורה משותפת, framework אחיד, או פלטפורמה המשלבת חומרה ותוכנה, שתאפשר מינוף ושיתוף של הידע שיצטבר, ובנוסף, מומלץ לבחון התמקדות בשילוב והרצה של מודלי AI בסביבות דלות משאבים. בהקשר זה, מוצע לבחון שימוש בכלי הרשות כגון מרכזים, תשתיות מו"פ, מעבדות ומאגדים. כמו כן, יש לשקול מודל open source רלוונטי (תוכנה ו/או חומרה), ופיתוח אבני בניין אחידות או "קיט מלא".
את התשתית המוצעת, ולאחר מכן המפותחת, מומלץ לתקף (צרכים, דרכי שימוש, התאמה) אל מול לפחות שני ורטיקלים יישומיים משמעותיים. במקרה של ישראל, המלצת הצוות היא לבחור בורטיקל בעולמות הרפואה ובורטיקל בעולם הביטחוני – שניהם תחומים יישומיים בהם הפעילות בארץ ענפה.
לצד המיקום בתשתית הטכנולוגית, נדרשת מדיניות אקטיבית לחיזוק הבסיס האקדמי והמחקרי בתחום. אף שבישראל קיים מגוון גדול של חוקרי AI, רק מיעוט קטן מהם עוסק כיום ב-Edge AI, ובפרט בולט החוסר בתחום התוכנה. על כן יש מקום לעודד הכוונה של יכולות מחקר קיימות לתחומים רלוונטיים ב-Edge AI, לרבות אופטימיזציה והקטנה של מודלי LLM לצורך התאמתם להתקני קצה, פיתוחים בתחום ה-Agentic-AI, ומחקר בעיבוד משותף ושיתופי בין התקנים. נוסף על כך, מומלץ לחבר את המחקר הישראלי למאגדים בינלאומיים בתחום.
הרובד השלישי של המדיניות המומלצת הוא השקעה בהנבטת חברות חדשות, לצד הצטרפות לגופי תקינה וסטנדרטים, הן כדי להשפיע על כללי המשחק, והן כאמצעי לניטור הפעילות העולמית. במקביל, ראוי לבחון את פוטנציאל החיבור בין השקעות בתשתיות ל- Edge AI לבין מהלכים רחבים יותר בתחום השבבים, ובפרט עידוד פיתוח וייצור בישראל.
לסיכום, ההמלצה היא לשקול מהלך ייעודי ל-Low-End Edge AI, בדגש על בניית תשתית טכנולוגית משותפת, תמרוץ מחקר אקדמי ממוקד, הנבטת חברות, חיבור לזירות תקינה בינלאומיות וחיבור אפשרי לעולם השבבים המקומי. תכלית המהלך אינה רק לתמוך בחברות בודדות, אלא ליצור בישראל אקוסיסטם המכיל מסה קריטית של ידע, תשתיות, מחקר ויזמות, שיוכל בתוך מספר שנים לייצר יתרון יחסי בר-קיימא לחברות הישראליות בתחום.
אינדיקטורים להצלחה
כחלק מיישום מהלך מדיניות בתחום ה-Edge AI, נדרש לקבוע מסגרת סדורה למדידה, בקרה והערכת הצלחה לאורך זמן. מסגרת זו נועדה לאפשר בחינה עקבית של ההתקדמות, לזהות פערים או חסמים בשלב מוקדם, ולתמוך בעדכון כלי המדיניות בהתאם לצורך.
הצלחת המהלך צריכה להיבחן הן ברמת התוצאות בפועל והן ברמת בניית התנאים שיאפשרו את התפתחות התחום בטווח הבינוני והארוך. בהתאם לכך, נכון לשלב בין מדדים כמותיים — כגון מספר החברות הפעילות, מספר המחקרים הרלוונטיים, היקף ההשקעות ומספר האקזיטים — לבין מדדים שיבחנו את התפתחות התשתית המחקרית והמערכתית, ובהם מספר קבוצות המחקר הפעילות, היקף ההשתתפות במסגרות בינלאומיות, ומספר פרויקטי התשתית המשותפים שיוקמו.
לצורך מעקב אפקטיבי, יש להגדיר גם נקודת פתיחה ברורה שתשמש בסיס להשוואה לאורך זמן. במבט כולל, מסגרת המדידה היא חלק אינטגרלי מן המהלך המדיניותי, ונועדה להבטיח שקידום התחום יתבסס לא רק על הגדרת כיוון הפעולה, אלא גם על מעקב שוטף אחר ההתקדמות, זיהוי פערים בזמן והתאמת כלי המדיניות בהתאם.
בשל האופי התשתיתי ורמת הבשלות הנמוכה של התחום, טווח הזמן המומלץ למדידת תוצאות הוא לפחות 3–5 שנים ואין לצפות לתוצאות מובהקות בפרק זמן קצר יותר.
נספח 1: נכסים / השקעות של רשות החדשנות בתחום ה-Edge AI
רשות החדשנות פועלת בשנים האחרונות בתחום הבינה המלאכותית בכלל וב- Edge AI בפרט בעזרת מגוון הכלים העומדים לרשותה:
מאגדים
בפיתוח תשתיות מחקר התומכים בפעילות מו"פ הרשות פועלת באמצעות מאגדים (Consortia) המחברים בין תעשייה, אקדמיה וממשלה, וביניהם:
- מאגד GENPRO לפיתוח מעבד RISC V ומאיץ ML
- מאגד LAMBDA לפיתוח תרחישי שימוש שונים של עיבוד אות (אקוסטי, חשמלי, אלקטרומגנטי), NLP והפקה יעילה של תובנות בהתקני קצה
- מאגד NEMO לעיבוד ניורומורפי
- מאגד Bio-Chip
השקעה במאגדים תרמה לפיתוח ידע יישומי ויכולות עומק בתחומים אלו.
תשתיות מו"פ
הרשות מפעילה מסלולים לעידוד השקעות בתשתיות מו"פ:
- מעבדה ניורומורפית
- מעבדת ביו-התקנים
שתי מעבדות אלו הן דוגמאות להשקעות ארוכות טווח בתשתית רלוונטית לעולם Low-End Edge AI .
- תשתית מופ אקדמית – מעבדת EnICS (בר אילן)
תמיכה ישירה בחברות:
הרשות מתמקדת בהשקעה פרטנית בחברות חדשניות – הסקירה שביצענו איתרה כ-20 החלטות השקעה כאלה בשנים האחרונות, וביניהן:
חברות ישראליות הפועלות בתחום ה־Edge AI
הפעילות הישראלית בתחום משתרעת על פני כל שרשרת הערך — החל בפיתוח מעבדים ומאיצי AI, דרך עיבוד אותות וחישה, ועד למערכות אוטונומיות וליישומים בתחומי התחבורה, התעשייה, הקמעונאות, החלל והביטחון.
מעבדים, מאיצים ותשתיות חומרה–תוכנה
Neuronix AI Labs
פיתוח לוגיקה ותוכנה למאיצים המיועדים להרצת רשתות נוירונים.
Hailo
פיתוח מעבדים ומאיצים יעילים אנרגטית להרצת יישומי בינה מלאכותית במכשירי קצה.
CEVA
פיתוח קניין רוחני למעבדי אותות, תקשורת ובינה מלאכותית משובצת.
Inuitive
פיתוח מעבדים תפיסתיים מבוססי בינה מלאכותית, המאפשרים למכשירים לנתח ולהבין את סביבתם. החברה מפתחת גם יכולות ללימוד דפוסים ולהגנה על רשתות תקשורת.
Ramon.Space
פיתוח שבבים ותוכנת בינה מלאכותית עבור מערכות מחשוב הפועלות בחלל.
חישה ועיבוד אותות ותמונה
Corephotonics
פיתוח טכנולוגיות לעיבוד תמונה בקצה.
Sensomedical
פיתוח מעבד לעיבוד אותות נוירולוגיים.
Xtrodes
פיתוח טכנולוגיות לבישות לאיסוף ולעיבוד אותות נוירולוגיים ופיזיולוגיים.
Cybord
בדיקת רכיבים אלקטרוניים ומעגלים בתהליכי ייצור באמצעות בינה מלאכותית בקצה.
Everysight
פיתוח משקפי מציאות רבודה ומערכות תצוגה חכמות.
מערכות אוטונומיות ותחבורה חכמה
Cyberbee
פיתוח אלגוריתמיקה מבוססת בינה מלאכותית לניווט רחפנים.
Secnox
פיתוח מערכת “נהג משנה” הפועלת בקצה ומבוססת על אלגוריתמים של למידת מכונה.
Ception
פיתוח פתרונות למיקום ולניווט מדויק. החברה התמזגה עם DriveU.
NoTraffic
פיתוח פלטפורמה לניהול תנועה המבוססת על חיישנים ועל עיבוד בינה מלאכותית בקצה.
ראייה ממוחשבת ויישומים ייעודיים
AI Falcon
פיתוח מערכת אוטונומית לזיהוי מוצרים ולביצוע תהליך התשלום בעגלות קנייה בסופרמרקט.
Axon Vision
פיתוח אלגוריתמים לראייה ממוחשבת עבור יישומים ביטחוניים.
תעשיות ביטחוניות
לצד חברות ההזנק וחברות הטכנולוגיה, החברות הביטחוניות הגדולות בישראל מפתחות ומשלבות יכולות Edge AI במערכות אוטונומיות, במערכות חישה, בעיבוד מידע בזמן אמת וביישומים מבצעיים.
נספח 2: מיפוי חברות חומרה – מעבדים בתחום ה-Edge AI
בישראל ישנן כ-20 חברות שמתעסקות בתחום החומרה-מעבדים ב-Edge AI, כאשר רובן מייצרות הכנסות, והשאר בשלבי פיתוח שונים. להלן רשימת החברות:
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי | High/ Low-End |
| Corephotonics | 2012 | עיבוד תמונה בקצה. | 62 | נקנתה על ידי Samsung | Low |
| Sensomedical | 2014 | מעבד לעיבוד אותות נוירולוגים. | 18 | Startup | Low |
| AI Falcon | 2018 | מערכת צ'ק אאוט בעגלת סופרמרקט. | 13 | Initial Revenues | Low |
| CogniFiber | 2018 | פיתוח שבבים פוטונים יעילים אנרגטית בה מוטעמות רשתות עצביות נוירומורפיות. | 15 | Product In Beta Test | Low |
| Xtrodes | 2019 | מעבד לעיבוד אותות פיזיולוגיים. | 33 | Startup | Low |
| Polyn Technology | 2019 | מפתחת שבבים המיועדים לספק אותות ניומורפים למכשירי front-end. | 30 | Generating Revenue | Low |
| SpinEdge | 2022 | מפתחת שבבי קצה לבינה מבוססי בינה מלאכותית בעזרת טכנולוגיית spintronics. | Initial Revenues | Low | |
| Ceva | 1999 | מפתחת IP (מאיצי AI) עבור חברות המפתחות רכיבים. | 445 | Generating Revenue | High & Low |
| Everysight | 2014 | משקפי AR/VR. | 30 | Initial Revenue | High & Low |
| Cyberbee | 2021 | אלגורמיקת AI ניווט רחפנים. | 6 | Initial Revenues | High & Low |
| Mobileye Global | 1999 | מפתחת פתרונות לנהיגה אוטונומית. | 3,900 | Generating Revenue | High |
| Ramon.Space | 2004 | רכיביAI ותוכנות לחלל. | 80 | Generating Revenue | High |
| Inuitive | 2012 | מעבד מבוסס בינה מלאכותית להבנת העולם סביב המכשיר בקצה. | 65 | Initial Revenues | High |
| Hailo (ASIC) | 2017 | החברה מייצרת מעבדים למכשירי קצה. | 269 | Generating Revenue | High |
| Axon Vision | 2017 | אלגוריתמים לראייה ממוחשבת עבור יישומים צבאיים. | 32 | Initial Revenues | High |
| Cybord | 2018 | בדיקת רכיבים ומעגלים בייצור באמצעות AI בקצה. | 30 | Initial Revenues | High |
| Secnox | 2018 | נהג משנה בקצה מבוסס אלגוריתמי למידת מכונה. | Startup | High | |
| Neuronix AI Labs | 2019 | לוגיקה ותוכנה למאיץ רשת נוירונים. | 11 | Startup | High |
| JaxBio Technologies | 2020 | מייצרת שבבים מבוססי בינה מלאכותית בשביל מכשירי קצה לביצוע בדיקות לגילוי סרטן. | 15 | Generating Revenue | High |
| Element Labs (Commercial Products) | 2024 | פיתוח שבבי בינה מלאכותית למרכזי דאטה המתמקדים בחלוקת עבודה יעילה יותר והתייעלות אנרגטית בקצה. | 200 | Startup | High |
מיפוי עולמי
ישנן מאות חברות שעוסקות בתחום. להלן רשימה של מספר חברות הבולטות הפועלות ב Low-End (ב-High-End ישנן חברות רבות, רובן חברות ענק כגון Nvidia, Qualcomm, Google, Samsung):
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי |
| GrAI Matter Labs | 2016 | פיתוח שבבים ניורומורפים המיועדים לניתוח חיישנים ולמידת מכונה למכשירי קצה. | 50 | Generating Revenue |
| SynSense | 2016 | מפתחת מחשוב ניומורפי בשילוב של צריכת אנרגיה נמוכה וזמן תגובה קצר, החומרה מיועדת לטכנולוגיית קצה. | 100 | Generating Revenue |
| KaiKuTeK | 2017 | פיתוח מערכות חישה מבוססות רדאר לזיהוי מחוות גוף ואינטראקציות אנושיות. זה נעשה על ידי שימוש במאיצי בינה מלאכותית. | – | Generating Revenue |
| Ambient Scientific | 2017 | יצירת שבבים המיועדים לחיבור בין הענן לחומרה תוך שמירה על צריכה אנרגטית נמוכה. | 82 | Generating Revenue |
| ARTICRON | 2019 | פיתוח שבבים ומעגלי אוטומציה מבוססי בינה מלאכותית להתייעלות הזרמת מידע וצריכה אנרגיה. | – | Generating Revenue |
| Alif Semiconductor | 2019 | יצרנית מעבדים מוטעמים בחומרת קצה ובמחשב מבוסס בינה מלאכותית. | 141 | Generating Revenue |
| Taipu Semiconductor | 2021 | ספקית מעגלים במתח מנוך ל-IoT כמו שבבים, פלטפורמות, IP, MCU ועוד. | – | Generating Revenue |
| Aico Technology | 2023 | פיתוח מעבדים בהשארת המוח האנושי למחשוב ורובוטיקה אוטונומית. | – | Generating Revenue |
| OptoML | 2024 | פיתוח מעבדים שמטרתם לסייע לתהליכים עתירים בצריכת אנרגיה. להתייעלות הכוללים חומרת מחשוב קצה, אינטגרציית אקוסיסטם ויישום בינה מלאכותית. | 13 | Product Development |
| AIDAChip | 2025 | ייצור שבבים מבוססי בינה מלאכותית למכשירי קצה וטלפונים חכמים בעלי תכונות המיועדות לחומרת קצה. | – | Generating Revenue |
נספח 3: מיפוי חברות תוכנה – בתחום ה-Edge AI
בישראל ישנן כ-10 חברות בתחום התוכנה בEdge AI – רובן המוחלט עוסקות בנושאים הרלוונטיים בעיקר ל-High End:
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי |
| Cogniteam | 2007 | Advanced cloud-based robotics platform. | 27 | Initial Revenues |
| Anagog | 2010 | מפתחת פלטפורמה שמפרשת נתוני חיישני סמארטפון וממירה אותם לתובנות על התנהגות/הרגלים לצורך אינטראקציה ושיווק מותאמים אישית. | 123 | Generating Revenue |
| Juganu | 2010 | מפתחת טכנולוגיה שהופכת תאורת רחוב קיימים במרחבים ציבוריים לתשתית חכמה מבוססת בינה מלאכותית, הכוללת רשת מצלמות ותקשורת – הכל בגוף תאורה אחד. | 103 | Generating Revenue |
| RoboTiCan | 2011 | Intelligent mobile robots and system. | 42 | Initial Revenues |
| EyesAtop.io | 2015 | מפתחת מערכת "טייס אוטומטי" מבוססת בינה מלאכותית, שמאפשרת לרחפנים קטנים וזולים לבצע משימות מורכבות ללא צורך במפעיל אנושי או בחיבור לענן. | 10 | Generating Revenue |
| Deliverz.ai | 2017 | AI-Powered Autonomous Logistics. | 11 | Initial Revenues |
| RGO Robotics | 2018 | Vision & AI Perception for Mobile Machines. | 50 | Initial Revenues |
| Carpe Diem Solutions | 2018 | מפתחת טכנולוגיות מבוססות AI לעיבוד אותות ומיקום בזמן אמת, המאפשרות קישוריות חזקה ושיהוי נמוך (Low Latency) ביישומי Edge ו-IoT תעשייתיים. | 11 | Generating Revenue |
| Deci (נרכשה על ידי Nvidia) | 2019 | מפתחת פלטפורמה לאופטימיזציה/האצה של מודלי Deep Learning המיועדת לפריסה יעילה גם ב-cloud וגם ב-edge/mobile. | 101 | Generating Revenue |
| Waving.ai* | 2025 | מפתחת תוכנת בינה מלאכותית שמותקנת על נתבי Wi-Fi קיימים והופכת אותם לחיישנים חכמים ללא צורך במצלמות ובלי לפגוע בפרטיות. | 5 | Startup |
*ייתכן ששייכת יותר לטכנולוגיות סנסורים
מיפוי עולמי
בעולם ישנן מאות חברות שעוסקות בתחום. להלן רשימה חלקית של חברות*:
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי |
| Ekkono.AI | 2016 | מפתחת טכנולוגיית אנליטיקה ללמידת מכונה המיועדת לניהול נפחי דאטה ומיצוי פוטנציאל ה-IoT. | 28 | Generating Revenue |
| SensiML (נרכשה על ידי QuickLogic ב-01/19) | 2017 | מפתחת כלי AutoML שמייצר קוד אינפרנס קומפקטי למכשירים משובצים/IoT (TinyML בקצה). | 5 | Generating Revenue |
| Flower Labs | 2018 | מפתחת פלטפורמת למידה מבוזרת, מאפשרת לאמן מודלים על גבי מכשירי קצה. | 27 | Generating Revenue |
| AlwaysAI | 2018 | מפתחת פלטפורמת תוכנה מקצה לקצה לפיתוח ופריסה של יישומי Computer Vision על מכשירי קצה (רובוטים, מצלמות אבטחה). | 43 | Generating Revenue |
| Latent AI (נרכשה ע"י Voyager Tech ב-08/25) | 2018 | פלטפורמה לאופטימיזציה, פריסה וניהול מודלים על מכשירי קצה. | 40 | Generating Revenue |
| Plumerai | 2018 | מפתחת טכנולוגיית Tiny AI המאפשרת להטמיע יכולות "ראייה חכמה" וניתוח וידאו בזמן אמת בתוך שבבים. | 16 | Generating Revenue |
| OctoAI (נרכשה על ידי Nvidia ב-09/24) | 2019 | מפתחת טכנולוגיה אוטומטית שנועדה לסייע לצוותי הנדסה לפרוס מודלים של למידת מכונה על כל חומרה, ספק ענן או מכשיר קצה במהירות. | 109 | Generating Revenue |
| Edge Impulse (נרכשה על ידי Qualcomm ב-03/25) | 2019 | מפתחת פלטפורמת end-to-end ל-TinyML/Edge AI: איסוף נתונים, אימון, אופטימיזציה ופריסה למיקרו־בקרים ומכשירי קצה. | 107 | Generating Revenue |
| CoCoPie | 2020 | מפתחת טכנולוגיה שמאפשרת להריץ מודלים של Deep Learning בזמן אמת על מעבדים פשוטים (CPU) של טלפונים. | 11 | Generating Revenue |
| TensorOpera AI | 2022 | מתמקדת בפריסת מודלי שפה (LLMs) ובינה מלאכותית גנרטיבית בשיטות של Federated Learning. | 25 | Generating Revenue |
*רשימה זו הינה בנוסף לחברות הענק שמפתחות חומרה ותוכנה והוזכרו בנספח החומרה (אנוידיה, קוואלקום, גוגל וכו')
נספח 4: מיפוי חברות חיישנים בתחום ה-Edge AI
בישראל נמצאו כ-25 חברות שמתעסקות בתחום החיישנים ב-Edge AI:
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי |
| Ceva (NAS CEVA) | 1999 | מעניקה רישיונות לקניין רוחני בתחום עיבוד אותות (DSP) לשותפים בתעשיית השבבים וה־OEM, ומרוויחה מדמי רישוי ותמלוגים ממוצרים המבוססים על ה-IP שלה. | 445 | Generating Revenue/Not Profitable |
| Mobileye Global (NAS MBLY) | 1999 | מפתחת ומטמיעה טכנולוגיות ADAS ונהיגה אוטונומית מקצה לקצה, כולל חישה/תפיסה ועיבוד תצפיות לצורך בטיחות וקבלת החלטות ברכב. | 4,200 | Generating Revenue/Not Profitable |
| Sony Semiconductor Israel | 2005 | מפתחת שבבי IoT סלולריים בעלי צריכת הספק נמוכה במיוחד (LTE Cat-M / NB-IoT) עם אבטחה חומרתית, eSIM משולב, GNSS ותמיכה ב-5G עבור מונים חכמים, לבישים, טלמטיקה ומעקב נכסים. | 309 | Generating Revenue |
| Emza Visual Sense | 2006 | מפתחת חיישנים חזותיים (Visual Sensors) ופתרונות רכיביים/מערכתיים לתפיסה וזיהוי בסביבות שונות. | 27 | Generating Revenue |
| Medasense | 2008 | מפתחת התקני ניטור כאב לכימות תגובת כאב באמצעות איסוף ועיבוד של מדדים פיזיולוגיים רבים לצורך אופטימיזציית טיפול והפחתת טיפול־יתר. | 27 | Generating Revenue |
| OrCam | 2010 | מפתחת ומייצרת התקני “ראייה מלאכותית” ניידים המסייעים לכבדי ראייה בזיהוי טקסטים ועצמים באמצעות מצלמה זעירה ועיבוד מתקדם. | 263 | Generating Revenue |
| Augury | 2011 | מפתחת פלטפורמת “בריאות מכונות” מבוססת חיישני בינה מלאכותית לניטור רציף, זיהוי תקלות וחיזוי תחזוקה במפעלי ייצור לצמצום השבתות ושיפור פרודוקטיביות. | 349 | Generating Revenue |
| Vayyar | 2011 | מפתחת חיישני הדמיה מבוססי תדרי רדיו (RF) ליצירת תמונות/מפות בזמן אמת באמצעות מערכי שידור־קליטה בפסי תדר שונים. | 330 | Generating Revenue |
| Contguard | 2012 | מפתחת פלטפורמת ניהול סיכוני שרשרת אספקה המשלבת IoT והתראות פרואקטיביות בזמן אמת להגנה על משלוחים בעלי ערך. | 33 | Generating Revenue |
| Wearable Devices (NAS: WLDS) | 2014 | מפתחת ומשווקת פתרונות ממשק אדם־מכונה (HMI) ללבישים חכמים, כולל מוצרי B2B/B2C כגון Mudra Inspire המאפשר שליטה ללא מגע במכשירי Apple באמצעות רצועת שעון. | 26 | Generating Revenue/Not Profitable |
| I4drive | 2014 | מפתחת תוכנת סיוע לנהג המבוססת ראייה ממוחשבת ולמידת מכונה, המנצלת את מצלמת/חיישני הטלפון לשיפור בטיחות וחוויית נהיגה. | 2 | Generating Revenue |
| Buzzz Tech | 2015 | מייצרת חיישני ניטור לאתרים ציבוריים המספקים נתוני זמן אמת לשיפור הקצאת משאבים ותפעול תהליכי ניקיון ותחזוקה. | 13 | Generating Revenue |
| Augmentiqs | 2015 | מפתחת מיקרוסקופ/מערכת מיקרוסקופיה עם רכיבי מציאות רבודה (AR) שמסייעים להנגשה, תצוגה וניתוח הדמיות בסביבות מקצועיות. | 2 | Generating Revenue |
| Innoviz Technologies (NAS: INVZ) | 2016 | מספקת פתרונות LiDAR מצב-מוצק ופתרונות תפיסה (Perception) עם דגש על ביצועים משופרים לצרכי נהיגה אוטונומית. | 415 | Generating Revenue/Not Profitable |
| Rail Vision (NAS: RVSN) | 2016 | מפתחת מערכות גילוי וזיהוי למסילות רכבת לשיפור בטיחות, יעילות והפחתת סיכונים באמצעות חישה ועיבוד לזיהוי עצמים. | 47 | Generating Revenue/Not Profitable |
| Adasky | 2016 | מפתחת טכנולוגיית חישה תרמית מתקדמת לרכבים אוטונומיים המשלבת מצלמת אינפרא-אדום רחוק עם אלגוריתמי ראייה ממוחשבת. | 67 | Generating Revenue |
| Agrint | 2016 | מפתחת טכנולוגיית חישה למזיקים לזיהוי מוקדם של נגיעות בעצים באמצעות חיישן שמאתר פעילות וזחילה של זחלים ברגישות גבוהה. | 19 | Generating Revenue |
| NoTraffic | 2017 | מפתחת פלטפורמת ניהול תנועה אוטונומית המחברת צמתים לרשת תחבורה דיגיטלית לשיפור זרימה, בטיחות ויעילות עירונית על ידי חיישנים מובני בינה מלאכותית בקצה. | 158 | Generating Revenue |
| Feelit | 2017 | מפתחת מדבקות/חיישנים מודפסים מבוססי ננו-טכנולוגיה לניטור תעשייתי, עם יכולות אנליטיקה לזיהוי שינויי פרמטרים וחיזוי תקלות. | 25 | Generating Revenue |
| MakeSense | 2018 | מפתחת תוכנה לניטור תזונה מבוססת בינה מלאכותית למדידה רציפה של פחמימות וקלוריות באמצעות חיישנים פיזיולוגיים לא־פולשניים. | 3 | Generating Revenue |
| Precycle (Environmental Services) | 2019 | מפתחת טכנולוגיית מיחזור מונעת AI לייעול תהליכי מיון/השבה ולהעלאת איכות ותפוקת המיחזור. | 4 | Generating Revenue |
| Vocai | 2021 | מפתחת טכנולוגיית חישה מרובת גזים על־שבב (on-chip) לשיפור בטיחות וביצועי סוללות, עם אלגוריתמי AI/ML לניתוח חזוי בזמן אמת. | 14 | Generating Revenue |
| SignaLife | 2021 | מפתחת חיישנים אופטיים רפואיים מבוססי AI, כולל חיישן pH אופטי לא־פולשני לשימושים קליניים. | 8 | |
| DataPond | 2022 | מפעילה מערכת לזיהוי זיהום ביולוגי במים בזמן אמת לניטור רציף של בטיחות מים, תוך שימוש בניתוח/למידת מכונה. | 6 | Generating Revenue |
| VISS | 2023 | מפעילה חומרת סייבר נקודת קצה להגנה מפני חדירות מרחוק באמצעות הפרדה פיזית של זרמי נתונים לצרכי אבטחה. | 12 | Product In Beta Test |
מיפוי עולמי
ישנן מאות חברות שעוסקות בתחום. להלן רשימה של מספר חברות לדוגמא:
| שם החברה | שנת הקמה | תיאור | מספר מועסקים | סטטוס עסקי |
| IPVideo | 1996 | יצרנית התקני/חיישני אבטחה “חכמים” רב־תכליתיים עם יכולות זיהוי מובנות (כמו זיהוי ירי, רעש חריג, תנועה, מילות חירום וניטור איכות אוויר) לשמירה על אנשים ומרחבים גם כשפתרונות וידאו אינם אפשריים. | 48 | Generating Revenue |
| Symetrica | 2002 | מפתחת מערכות לגילוי ולזיהוי קרינה שמטרתן להגדיל את האפקטיביות המבצעית של צוותי אבטחה, כאשר המערכות משתמשות בלמידת מכונה ומציעות מגוון התקנים כגון חיישנים ידניים ותיק־גב, גלאים לרכב וסורקי Drive-Through לשימוש גורמי מכס והגנת גבולות, אכיפת חוק, צבא ושירותי חירום ברחבי העולם כדי לאפשר זיהוי איומים ותגובה בהתאם. | 80 | Generating Revenue |
| Neousys Technology (ROCO: 6922) | 2010 | מתכננת ומייצרת מחשבים ומערכות משובצות מוקשחות לשימוש תעשייתי, עם מומחיות בליבת מחשוב משובץ וברכישת נתונים ועיבודם, וקו מוצרים הכולל מחשבים ללא מאוורר לטווח טמפרטורות רחב, מחשוב תעשייתי מוקשח, בקרי ראייה ממוחשבת, מחשבים לרכב ללא מאוורר, מחשבים משובצים קומפקטיים במיוחד, מחשוב לאנליטיקת וידאו/אבטחה ופלטפורמות GPU. | 192 | Profitable |
| Ayata Intelligence | 2016 | מפתחת טכנולוגיות AI ו-IoT לסיוע לאנשים עם לקות ראייה לחיים עצמאיים ומקושרים דיגיטלית, ומציעה משקפיים חכמים לבישים עם יכולות עיבוד בזמן אמת, חיי סוללה ארוכים, אוזניות הולכת עצם, שבב מעבד חסכוני, מצלמת דו־ממד ומצלמת עומק תלת־ממד מתקדמת—המאפשרות ניווט, חיפוש ומניפולציה של עצמים וכן יכולות זיהוי פנים. | 2 | Generating Revenue |
| NextMind (Electronics (B2C)) | 2017 | מפתחת התקן ממשק מוח-מחשב לא פולשני המבוסס AI לשליטה ולניווט במכשירים אלקטרוניים באמצעות המחשבה, כאשר ההתקן משלב אלגוריתמי למידת מכונה לניתוח אותות עצביים ולתרגומם לפקודות דיגיטליות או משוב באופן מיידי על גבי ממשק דיגיטלי אלחוטי, כדי לאפשר משחק ושליטה במכשירים אלקטרוניים וניידים—including קסדות מציאות מדומה ורבודה—בזמן אמת באמצעות מחשבות בלבד. | 20 | Generating Revenue |
| AIStorm | 2018 | מפתחת טכנולוגיית עיבוד AI-in-Sensor שנועדה לבטל שיהוי, צריכת אנרגיה ועלות בשיטות תחרותיות בקצה, כאשר הטכנולוגיה מאפשרת לחיישן להתחבר ישירות לרשתות CNN נפוצות ומציעה יתרונות של הספק אולטרה-נמוך ושיהוי אולטרה-נמוך במחשוב קצה, כך שללקוחות מתקבלים יתרונות של רעש נמוך, צריכת חשמל, מהירות וגודל מול טכנולוגיות דומות כגון memristors, Resistive RAM, נגדים מבוקרים ומתחרים נוספים. | 24 | Generating Revenue |
| Glass (Computers, Parts and Peripherals) | 2019 | יצרנית מודולי מצלמה לסמארטפונים לשיפור איכות תמונה ווידאו, כאשר טכנולוגיית ה-AI שלה מחליפה את צנרת ה-ISP המסורתית ברשתות נוירונים המיועדות לריצה בקצה על מנועים נוירוניים ומפיקה תמונות חדות, מפורטות וללא רעש, ובמקביל תכננה מודול מצלמה חדש עם עדשה אנמורפית המותאמת ל-AI שלה כדי לאפשר שילוב חיישן במודול דק במיוחד במכשיר נייד ללא “בליטה”. | 34 | Generating Revenue |
| MatrixSpace | 2019 | מפתחת טכנולוגיית חישה מבוססת בינה מלאכותית לשיפור מודעות מצבית חיצונית ובטיחות במרחב האווירי, ומציעה מערכות רדאר ואופטיקה קומפקטיות עם אינטליגנציה משובצת בקצה המאפשרות זיהוי בזמן אמת וקבלת החלטות מושכלת בכל סביבה עבור תחומי ביטחון, תשתיות ובטיחות ציבורית. | 69 | Generating Revenue |
| AI4IV | 2021 | מפתחת טכנולוגיית חיישן־ראייה המיועדת ל“אינטליגנציה בחישה על־גבי סיליקון”, ומספקת חיישני ראייה חכמים שמחזירים תמונות איכותיות ומידע נלווה כמעט בכל תנאי סביבה ובעלות דומה לשבב מצלמה סטנדרטי, כך שניתן להפיק תמונות ללא ארטיפקטים. | 4 | Generating Revenue |
| Ondara | 2025 | מפתחת התקן בדיקות מים מיידיות המבוסס ראייה ממוחשבת, המשתמש בחיישנים מבוססי AI עם משאבה להזנת מים לשבב מיקרופלואידי שבו מצולמים דגימות במצלמה מיקרוסקופית ומופק ניתוח חלקיקים לגבי אצות וחיידקים, כדי לאפשר לחקלאים תובנות בזמן אמת על תרביות חיידקים, מושבות אצות ומדדים נוספים למניעת מחלות והגדלת יבולים. | 3 | Startup |
נספח 5: מיפוי חוקרים בארץ בתחום ה-Edge AI
נמצאו מספר חוקרים ישראלים העוסקים בתחומי החומרה והתוכנה ב-Edge AI. לא פורטו ברשימה חוקרים רבים מהאקדמיה בארץ העוסקים ב-AI אך ללא התמקדות ב-Edge AI.
| שם | מחלקה ואוניברסיטה | תחום מחקר | כתובת מייל |
| פרופ' שחר קווטינסקי | הנדסת חשמל ומחשבים, טכניון | תכנון מעגלים וארכיטקטורות מחשבים בשילוב עם טכנולוגיות זיכרון חדשות ובתכן ארכיטקטורות יעילות אנרגטית. | [email protected] |
| פרופ' שלמה גרינברג | מדעי המחשב, אוניברסיטת בן-גוריון | ארכיטקטורת מחשבים, למידת מכונה, עיבוד אותות תמונה ודיגיטליים, ראייה ממוחשבת ותכנון צריכת חשמל נמוכה ו-VLS. | [email protected] |
| פרופ' יונינה אלדר | מתמטיקה ומדעי המחשב, מכון ויצמן | אופטימיזציה קמורה (Convex Optimization), חישה דחוסה ((Compressed Sensing, מכ"ם, תקשורת, הדמיה, תורת המידע ולמידת מכונה. | [email protected] |
| פרופ' בועז בן משה | מדעי הנתונים ובינה מלאכותית, אוניברסיטת אריאל | פיתוח כלים אוטונומיים, אלגוריתמי ניווט, תקשורת לייזר מלוויינים זעירים, ואופטימיזציה של בעיות בעלות אופי גיאומטרי. | [email protected] |
| ד"ר אור חיים אנידגר | הנדסת מחשבים ותוכנה, אוניברסיטת אריאל | עיבוד שפה טבעית, זיהוי דיבור רב-לשוני והחפיפה בין השניים. | [email protected] |
| פרופ' ישראל כהן | הנדסת חשמל ומחשבים, טכניון | תקשורת ואינפורמציה, עיבוד אותות ותמונות, ראייה ממוחשבת ואותות ביולוגיים, למידת מכונה ומערכות נבונות. | [email protected] |
| פרופ' רועי דיאמנט | אוניברסיטת חיפה, המעבדה לאקסוטיקה וניווט תת-ימי | פיתוח אלגוריתמים לעיבוד אותות אקוסטיים תת-ימיים, פיתוח מצפה הכוכבים הימי וטכניקות ביו-אקוסטיות. | [email protected] |
| ד"ר גלעד כץ | מדעי המחשב, אוניברסיטת בן-גוריון | Hierarchical Temporal Memory (HTM) בתשתית ניורומורפית. | [email protected] |
| פרופ' יוסי שור | הנדסת חשמל, אוניברסיטת בר-אילן | פיתוח מעגלים אנלוגים דלי הספק. | [email protected] |
| פרופ' ליאוניד יאביץ | הנדסת חשמל, אוניברסיטת בר-אילן | AI אלגוריתמים ומעבדי/מאיצי AI עם התייחסות לחישוב בזיכרון. | [email protected] |
| פרופ' אדם תימן | הנדסת חשמל, אוניברסיטת בר-אילן | AI אלגוריתמים ומעבדי/מאיצי AI עם התייחסות לחישוב בזיכרון. | [email protected] |
| פרופ' אלכס פיש | הנדסת חשמל, אוניברסיטת בר-אילן | AI אלגוריתמים ומעבדי/מאיצי AI עם התייחסות לחישוב בזיכרון. | [email protected] |
| פרופ' ראמז דניאל | הנדסת חשמל, טכניון | פיתוח מעגלים ניורומורפים. | [email protected] |
| פרופ' מרק זילברשטיין | הנדסת חשמל, טכניון | מאיצי AI בחומרה ופיזור בין חומרה לתוכנה. | [email protected] |
| פרופ' יואב שכנר | הנדסת חשמל, טכניון | מאיצי AI בחומרה ופיזור בין חומרה לתוכנה. | [email protected] |
| ד"ר אורן גל | מדעי המחשב, אוניברסיטת חיפה | אלגוריתמים בקצה לנחילי רחפנים. | [email protected] |