מודל AI אחד לכל הרובוטים: הסטארטאפ Generalist גייס עוד 200 מיליון דולר וקפץ מ-64% ל-99% הצלחה (אוגוסט 2026)

STSICONIC (אס טי אס אייקוניק) היא חברת הטמעת AI לעסקים ולארגונים בישראל, אנחנו מאחדים את כל המערכות שלכם למערכת אחת ועושים סדר בעסק, מחברות קטנות ועד ארגונים גדולים.

סטארטאפ הרובוטיקה Generalist AI גייס עוד כ-200 מיליון דולר בהובלת קרן 8VC, פחות מחודשיים אחרי סבב של 400 מיליון דולר שנעשה לפי שווי של כ-2 מיליארד דולר. הכסף החדש מגיע אחרי קפיצה חדה במספר אחד שמסביר את כל ההתלהבות: המודל של החברה עלה משיעור הצלחה ממוצע של 64% במשימות ל-99% הצלחה על אותן משימות עצמן. (מקור: Axios, 24 באוגוסט 2026). זו לא חברה שבונה עוד זרוע רובוטית, אלא חברה שמנסה לבנות את המוח שיפעיל כל זרוע.

מה קרה

Generalist AI היא מעבדת חזית שמפתחת מה שנקרא "מודלי יסוד מגולמים" (embodied foundation models) לרובוטים כלליים. החברה הוקמה על ידי בוגרים של Google DeepMind ושל Boston Dynamics, והיא לא מוכרת חומרה, אלא את התוכנה שמניעה אותה. הדרך שלה עברה שני צעדים ברורים: בנובמבר 2025 היא הציגה את GEN-0 והכניסה, לדבריה, את הרובוטים "לעידן ה-pretraining", כלומר אימון מוקדם על המון נתונים לפני שנותנים משימה ספציפית. באפריל 2026 הגיע GEN-1, שהעלה את שיעור ההצלחה הממוצע במשימות מ-64% ל-99% על אותן משימות שקודם עצרו ב-64%.

הגיוס הנוכחי, שנחשף לראשונה ב-Axios, בא כחודשיים בלבד אחרי הסבב הקודם (מקור: Axios, 24 באוגוסט 2026). קצב כזה, שני סבבי ענק בתוך פחות מרבעון, מספר סיפור: המשקיעים מהמרים שהנוסחה של "מודל אחד שלומד לזוז" עומדת לעשות לרובוטים את מה שמודלי השפה עשו לטקסט. סבב ה-400 מיליון דולר הקודם נעשה לפי שווי של כ-2 מיליארד דולר (מקור: SiliconANGLE, יוני 2026). במילים אחרות, בתוך כמה חודשים בלבד עברה החברה מהצגת יכולת מבטיחה לחברה שמושכת מאות מיליוני דולרים, וזה קצב חריג אפילו לעולם הרובוטיקה והבינה המלאכותית.

לעומק: מה זה בעצם

כדי להבין למה כולם מתרגשים, שווה להסביר דבר אחד היטב. עד היום, כדי שרובוט יבצע משימה, מתכנתים כתבו לו הוראות מדויקות לאותה משימה בדיוק: איך להרים בקבוק, באיזו זווית, באיזה כוח. שנו את הבקבוק, את התאורה או את השולחן, והכול נשבר. מודל יסוד לרובוטים עובד אחרת. במקום לתכנת כל תנועה, מאמנים מוח אחד על כמויות אדירות של דוגמאות תנועה, והוא לומד את ההיגיון הכללי של "איך דברים זזים ונתפסים בעולם".

האנלוגיה הכי פשוטה היא ChatGPT. אף אחד לא לימד את ChatGPT תשובה נפרדת לכל שאלה בעולם, הוא קרא המון טקסט ולמד את הדפוסים של השפה, ולכן הוא מסתדר גם עם שאלה שלא ראה מעולם. מודל יסוד לרובוטים מנסה לעשות בדיוק את זה בממד הפיזי: ללמוד את "השפה" של תנועה, אחיזה ומגע, כדי שרובוט יתמודד עם משימה חדשה בלי שכתבו לה קוד ייעודי. זה ההבדל בין רובוט שיודע לעשות דבר אחד לבין רובוט שאפשר פשוט לבקש ממנו.

למה זה משנה לכל אחד

• רובוטים הופכים לגמישים. אותה קפיצה מ-64% ל-99% הצלחה מרמזת שרובוט יוכל להתמודד עם וריאציות במקום להישבר בכל שינוי קטן בסביבה.
• הכסף מצביע על כיוון. כשמשקיעים שמים 600 מיליון דולר בתוך חודשיים על תוכנה לרובוטים ולא על עוד מכונה, זה איתות שהעתיד של הרובוטיקה הוא בתוכנה, לא רק בברזל.
• העבודה הפיזית משתנה לאט, לא בין לילה. גם אם הטכנולוגיה מבשילה, מעבר ממעבדה למחסן, למפעל או לבית לוקח שנים, ולרוב הרובוטים מתחילים במשימות חוזרות ומשעממות.
• הכיוון דומה לזה שכבר קורה בתוכנה. כמו שסוכני AI לומדים לבצע רצף פעולות במחשב, כאן מנסים ללמד רצף פעולות בעולם הפיזי. אותו רעיון של מוח אחד שלומד מהמון דוגמאות, במקום קוד ידני לכל מקרה, הוא בדיוק מה שמניע גם את גל התוכנה שכבר נמצא אצלנו בטלפון ובמשרד. כתבנו על זה כשסוכני AI קיבלו ארנק וגישה לתשלומים.
• ולמי שמנהל עסק או ארגון: הכלים שכבר נגישים היום הם בעיקר תוכנה, סוכני AI שמאחדים מערכות ומריצים תהליכים, כמו סוכני AI לעסק, לא רובוטים פיזיים בקו הייצור.