איך DeepSeek,‏ Z.ai ו-Moonshot AI משכתבות את אתגר ה-AI הסיני

החשיבות של ליאנג וֶנפֶנְג, טאנג ג׳ייה ויאנג ג׳ילין אינה מסתכמת בכך ששלושה מייסדים סינים יצרו מודלי AI בולטים. יחד, DeepSeek,‏ Z.ai ו-Moonshot AI הרחיבו את ההגדרה של תחרות בחזית הטכנולוגיה: כיום צריך לבחון יכולת לצד פתיחות, עלות ההרצה, נגישות למפתחים וכמות כוח המחשוב הנדרשת כדי לספק אותה.

אין בכך הוכחה שסין עקפה את עמק הסיליקון. אבל יש בכך הוכחה שהשוק נעשה פחות אמריקאי־בלעדי — ושמודל אינו חייב להיות סגור, יקר להפליא או מגובה בתאגיד טכנולוגיה אמריקאי ציבורי כדי להשפיע על הציפיות בעולם.

שלושה מייסדים, שלוש דרכים אל חזית ה-AI

ליאנג וֶנפֶנְג: האתגר היעיל של DeepSeek

ליאנג למד הנדסת אלקטרוניקה ותקשורת באוניברסיטת ג׳ג׳יאנג, ולאחר מכן היה ממייסדי High-Flyer — קרן גידור כמותית המבוססת על בינה מלאכותית. ב-2023 הקים את DeepSeek, כשהוא מביא למחקר מודלי היסוד גישה פיננסית המתמקדת באופטימיזציה מתמטית וביעילות חישובית. 4144

DeepSeek-R1, שיצא בינואר 2025, הפך להישג המזוהה ביותר עם החברה. מודל ההסקה הופץ עם משקולות הניתנות להורדה והוצג כחלופה זולה יותר למערכות סגורות מובילות. הטענות של DeepSeek עצמה בנוגע לעלות ולביצועים אינן תחליף מלא להערכה עצמאית, אך הן היו חזקות מספיק כדי לגרום למשקיעים לבחון מחדש את כלכלת האימון וההרצה של מודלי AI. 172226

תגובת השוק הייתה חריגה בהיקפה. Nvidia איבדה ביום אחד 593 מיליארד דולר משווי השוק שלה, לאחר שמשקיעים שאלו אם בניית AI בחזית הטכנולוגית אכן מחייבת תקציבי חומרה עצומים והולכים וגדלים — כפי שהניחה חלק גדול מהתעשייה. הירידה תוקנה בחלקה זמן קצר לאחר מכן, ולכן נכון יותר להבין אותה כתמחור מחדש ומהיר של הציפיות, ולא כהוכחה שהביקוש לשבבים מתקדמים נעלם. 1718

גם הפילוסופיה של ליאנג יוצאת דופן. רויטרס דיווחה כי הוא תיאר את העדיפות של DeepSeek כמחקר ארוך־טווח לקראת בינה כללית מלאכותית, ולא כמקסום רווחים בטווח הקצר, וכי החברה צפויה להשאיר את המודלים המתקדמים ביותר שלה פתוחים. 33 עם זאת, מצב המימון המלא של DeepSeek, שוויה, תוכניות ההנפקה והונו האישי של ליאנג אינם מבוססים דיים בראיות הזמינות כדי להציגם כעובדות סופיות.

טאנג ג׳ייה: המודל של Z.ai — מהמעבדה אל הארגון

טאנג ג׳ייה הוא פרופסור למדעי המחשב באוניברסיטת צינגחואה, ומייסד־שותף והמדען הראשי של Z.ai, שנודעה בעבר בשם Zhipu AI. החברה נולדה מתוך מחקר באוניברסיטת צינגחואה בבייג׳ינג ב-2019, והחלה להפיץ את משפחת מודלי GLM ב-2021. 4950

האסטרטגיה של Z.ai ממוסדת יותר מזו של DeepSeek: היא משלבת בסיס מחקר אוניברסיטאי עם שאיפות מסחריות וארגוניות. מודלי GLM שמים דגש הולך וגובר על הסקה, תכנות, שימוש בכלים ותהליכי עבודה של סוכני AI. המרכז האמריקאי לתקנים וחדשנות בתחום הבינה המלאכותית דיווח כי GLM-5.2 יצא כמודל בעל משקולות פתוחות ב-16 ביוני 2026. 49

טאנג טען כי הופעת DeepSeek-R1 סימנה את סופה של תקופה מוקדמת שהתמקדה בעיקר בצ׳אט, וכי תכנות והסקה יהיו חשובים יותר ככל שסוכני AI יתפתחו. 52 זו דרך שימושית להבין את המיצוב של Z.ai: החברה אינה מתחרה רק על ניסוח תשובות טבעיות בצ׳אט, אלא מכוונת למודלים שיכולים להתמודד עם משימות ארוכות יותר ולתקשר עם כלי תוכנה.

Z.ai ממחישה גם את המעבר ממעבדת מחקר פרטית לחברה הפועלת בשוקי ההון. דיווחים העריכו כי עד אמצע 2025 גייסה החברה כ-1.25 מיליארד דולר, בעוד שהערכה ממשלתית אמריקאית פומבית קבעה כי היא השלימה הנפקה בהונג קונג ב-8 בינואר 2026. 4950 ההערכות הפומביות לגבי שווי החברה משתנות, ולכן אין להתייחס אליהן כאל נתון אחיד או סופי. גם בנוגע להונו האישי של טאנג אין ראיות אמינות מספיקות.

יאנג ג׳ילין: ההימור של Moonshot AI על הקשר ארוך

יאנג למד באוניברסיטת צינגחואה והשלים דוקטורט באוניברסיטת קרנגי מלון. בדיווחים על הקריירה שלו מופיע גם ניסיון מחקרי ב-Google וב-Meta, לפני שהיה ממייסדי Moonshot AI בבייג׳ינג ב-2023. 2712

Moonshot זכתה לתשומת לב ראשונה בזכות Kimi, שזהותו נקשרה במיוחד לאינטראקציה עם הקשר ארוך — היכולת לעבד כמות גדולה במיוחד של טקסט ומידע בשיחה אחת. דגם Kimi K3 המשיך את האסטרטגיה הזו במודל בעל משקולות פתוחות בקנה מידה גדול בהרבה: המקורות מתארים אותו כמודל Mixture-of-Experts בעל 2.8 טריליון פרמטרים וחלון הקשר של עד מיליון טוקנים. 15

המשקולות של K3 פורסמו לאחר שהמודל כבר הוצע במוצרי Moonshot וב-API שלה, ובכך חיברו בין עסק צ׳אט הפונה לצרכנים לבין אסטרטגיה רחבה יותר של פלטפורמה למפתחים. 2 היקף המודל מרשים, אך מספר הפרמטרים לבדו אינו מוכיח אינטליגנציה, עלות תפעול או שימושיות. תוצאות של לוחות דירוג עצמאיים יכולות לסייע בהשוואה, אך הדירוגים משתנים ואינם מחליפים בדיקה של אמינות, תכנות, בטיחות ומשימות סוכן בעולם האמיתי.

גם נתוני המימון של Moonshot משתנים. TechCrunch דיווח במאי 2026 על סבב של כ-2 מיליארד דולר לפי שווי של 20 מיליארד דולר, בעוד שדיווחים מאוחרים יותר דיברו על שווי אפשרי של יותר מ-30 מיליארד דולר ועל הכנות להנפקה אפשרית בהונג קונג. אלה הערכות של השוק הפרטי המדווחות בתקשורת, ולא שוויי שוק ציבוריים שעברו ביקורת. 41215 אין די ראיות אמינות כדי לקבוע את הונו האישי של יאנג.

במה האתגר שונה ממרוץ פשוט בין ארה״ב לסין?

1. היכולת נמדדת מול העלות

DeepSeek הפכה את ההסקה היעילה לכותרת הראשית. Z.ai מדגישה תכנות, פריסה ארגונית וסוכנים. Moonshot משלבת הקשר ארוך, משקולות פתוחות בקנה מידה עצום והפצת מוצרים. הגישות שונות, אך שלושתן דוחפות את התעשייה לשאלה רחבה יותר: כמה יכולת שימושית יכולים מפתחים לקבל עבור כל דולר של אימון או הרצה?

ההשוואה אינה נקייה. עלויות אימון מדווחות הן לעיתים קרובות טענות של החברות עצמן, ועלויות של נתונים, הנדסה, גישה לחומרה, הערכה ופריסה עלולות להישאר מחוץ לחישוב. ובכל זאת, ההשפעה האסטרטגית ממשית: DeepSeek אילצה משקיעים ומעבדות לבחון מחדש את ההנחות שלהם לגבי עקומת העלויות של מודלי החזית. 1722

2. משקולות פתוחות יוצרות אפשרויות נוספות למפתחים

משקולות הניתנות להורדה מאפשרות למפתחים לארח מודל בעצמם, לבצע בו התאמות או לשלב אותו במערכות בלי להסתמך לחלוטין על API קנייני. כך DeepSeek,‏ GLM ו-Kimi יכולות להיכנס למערכות תוכנה ברחבי העולם גם כאשר לחברות עצמן יש גישה מוגבלת יותר להפצה בחו״ל.

״משקולות פתוחות״ אינן בהכרח קוד פתוח מלא. ייתכן שהמשקולות זמינות, אך נתוני האימון, שיטות עיבוד הנתונים, קוד האימון וכל שרשרת הפיתוח יישארו חסויים. להבדל הזה יש משמעות לשחזור תוצאות, לרישוי, לאבטחה ולממשל טכנולוגי.

3. הזעזוע הגיע מעבר למעבדות ה-AI

השקת DeepSeek בינואר 2025 השפיעה על שווי חברות טכנולוגיה אמריקאיות משום שערערה את ההנחה ש-AI מתקדם יותר ידרוש בהכרח חומרה מתקדמת יותר ביחס דומה. ההפסד היומי של Nvidia הראה עד כמה חדשנות ברמת המודל יכולה להשפיע במהירות על שכבת התשתית. 1718

Kimi K3 של Moonshot יצר תשומת לב דומה סביב האפשרות שחברה סינית תשחרר מודל בעל משקולות פתוחות בקנה מידה המזוהה בדרך כלל עם המעבדות האמריקאיות הגדולות ביותר. מוטב לפרש את התגובה כלחץ על ההנחות המקובלות, ולא כהוכחה לניצחון טכנולוגי שהושלם. 14

המגבלות שיכריעו את השלב הבא

שלוש החברות עדיין ניצבות בפני בעיות מבניות משמעותיות:

• מחשוב וחומרה: מגבלות הייצוא והגישה המוגבלת למאיצים המתקדמים ביותר מקשות על אימון והרצה של מודלים בחזית הטכנולוגיה. טכניקות יעילות יכולות לצמצם את הפער, אך אינן מבטלות את הצורך בשבבים, חשמל, תקשורת מהירה, כישרון הנדסי והון. 45
• מסחור: מודלים פתוחים או זולים יכולים להתפשט במהירות, אך להקשות על היוצרים להפוך את השימוש להכנסות. תשומת לב טכנולוגית צריכה להפוך לעסק יציב בתחום הארגוני, ה-API או מוצרי הצריכה.
• אי־ודאות סביב מדדים: ניצחון במדד צר או כזה שהחברה דיווחה עליו בעצמה אינו מכריע את שאלת האמינות, האיכות הרב־לשונית, ביצועי התכנות, הבטיחות או עמידותם של סוכנים. טענות לעליונות דורשות שחזור עצמאי.
• אמון וממשל: פרטיות, אבטחה, מגבלות תוכן ובחינה גיאופוליטית עלולות להגביל אימוץ בחו״ל גם כאשר המודל אטרקטיבי מבחינה טכנית.
• לחצי שוק ההון: ההנפקה שהושלמה של Z.ai מעניקה לה עמדת מימון שונה מזו של DeepSeek הפרטית, בעוד שההכנות המדווחות של Moonshot להנפקה עדיין עתידיות. מבנה הבעלות של DeepSeek ותוכניות ההנפקה שלה ברורים פחות בדיווחים ציבוריים אמינים. 495015

השורה התחתונה

ליאנג וֶנפֶנְג, טאנג ג׳ייה ויאנג ג׳ילין אינם מיישמים אסטרטגיה סינית אחידה אחת בתחום ה-AI. ליאנג הפך את היעילות ואת המחקר ארוך־הטווח לקראת AGI לחלק מרכזי מזהותה של DeepSeek. טאנג מוביל מחקר של מודלי יסוד שנולד באוניברסיטה אל תחומי התכנות, הסוכנים וההתרחבות דרך שוק ההון. יאנג בונה סביב הקשר ארוך, מערכות Mixture-of-Experts עצומות והפצה פתוחה למפתחים.

ההישג המשותף שלהם הוא הפיכת ה-AI בחזית הטכנולוגיה לתחום מגוון יותר. הם הרחיבו את האפשרויות של המפתחים, ערערו את כלכלת התשתית של מודלים סגורים והחלישו את ההנחה שסין תישאר תמיד מאחורי ארה״ב. המסקנה הזהירה — וגם המבוססת יותר — היא שהם שינו את מפת התחרות, אך מגבלות המחשוב, מדדים לא ודאיים, מסחור ואמון הם שיקבעו אם השינוי הזה יחזיק מעמד.