דואל בירד גייסה 25 מיליון ד' בסבב סיד ו-A

הסטארט-אפ פיתח טכנולוגיה ייחודית המאפשרת להאיץ ביצועים על הענן באמצעות מנוע המאחד תוכנה וחומרה ● מייסדיו כולם בוגרי הטכניון ומביאים עימם ניסיון עשיר מ-AWS, מלאנוקס והבאנה ומתחום המוליכים למחצה

מייסדי דואל בירד. משמאל לימין: אמיר גלעד, אהוד אליעז, גלעד טל ואוהד גמליאל.

דואל בירד (DualBird) הוא סטארט-אפ בתחום תשתיות הנתונים, שלהגדרתו "שובר את הקיר בין חומרה לתוכנה ומאפשר האצה דרמטית של ביצועים בענן באמצעות מנוע חדשני". כעת הודיעה החברה על יציאה מ-Stealth וגיוס כולל של 25 מיליון דולר בסבב סיד, ש-17 מיליון דולר מתוכם גויסו בסבב A בהובלתה של Lightspeed Venture Partners, ובהשתתפותן של Uncork Capital, Bessemer Venture Partners ו-Angular Ventures. כמו כן, בין המשקיעים בחברה ניתן למצוא גם משקיעי אנג'ל שהם בין הדמויות המשמעותיות בענף הטק הישראלי וביניהם: אייל מנור, לשעבר GM בגוגל; אסף עזרא, מייסד שותף ב-Granulate; רן רבנזפט וניצן שפירא, מייסדי Epsagon; ואייל דגן ועופר עיני, מנהלי סיסקו (Cisco) בישראל.

צוות המייסדים שעומד מאחורי החברה, שהוקמה באמצע 2022, הוא גלעד טל ה-CTO; אמיר גלעד, המנכ"ל; אהוד גמליאל, ארכיטקט החומרה (Chief HW Architect); ואוהד אליעז, סמנכ"ל המחקר והפיתוח (VP R&D) – כולם בוגרי הטכניון ומביאים עימם ניסיון עשיר מ-AWS, מלאנוקס שבבעלות אנבידיה (Mellanox – Nvidia), הבאנה (Habana) של אינטל ומתחום המוליכים למחצה. שלושה מתוך ארבעת המייסדים שילבו לאורך הקריירה בין עולמות החומרה והתוכנה, והבינו כי בדומה לעולם ה-AI, גם תחום הנתונים דורש תשתית ייעודית. לפי החברה, "דואל בירד מספקת זאת באופן ייחודי באמצעות הענן, כאשר היא מנצלת משאבי ענן המבוססים על חומרה הניתנת להגדרה ושינוי מחדש בכל פעם, ומאפשרת לארגונים להנות מהאצת ביצועים משמעותית, ללא צורך בפריסת חומרה חדשה".

בחברה כ-30 עובדים, ביניהם מהנדסים מהמובילים בישראל המשלבים יכולות בתחום החומרה והתוכנה. רובםיוצאי חברות כמו AWS, אנבידיה, אפל (Apple), אמזון (Amazon) ועוד – ולכולם מומחיות מקיפה שנדרשת לפיתוח הטכנולוגיה של החברה.

להאיץ ביצועים ברמת החומרה – אך בפשטות של תוכנה

דואל בירד פיתחה טכנולוגיה ייחודית המאפשרת להאיץ ביצועים ברמת החומרה אך בפשטות של תוכנה. על פי הסברי החברה, "באמצעות תוסף קל לשילוב, ארגונים הרצים על הענן יכולים להשיג ביצועים מהירים פי 10-100, להפחית עלויות ב-50-90% ולפשט את תחזוקת תשתיות הנתונים מבלי לשנות מערכות או תהליכי עבודה קיימים".

עוד נמסר מהחברה כי "בניגוד לגישות אופטימיזציה קיימות, המתמקדות בשיפורים נקודתיים, דואל בירד נוקטת בגישה שונה לחלוטין ומגדירה מחדש את הארכיטקטורה עצמה. עומסי עבודה שלקחו בעבר שעות, יכולים כעת להסתיים תוך דקות, ותהליכים שהיו בעבר יקרים מדי להפעלה תכופה, כגון אימון מחדש של מודלי AI – הופכים לפרקטיים ומשתלמים יותר.

ההשקעה הנוכחית תאפשר לחברה להרחיב את פעילותה מול לקוחות ארגוניים – להרחיב את צוותי המכירות והלקוחות, לחזק את מאמצי החדירה לשוק ולבסס שיתופי פעולה עם תאגידים גלובליים, לקראת השקה מלאה של המוצר בתחילת 2026.

כמו כן, הגיוס נועד לתמוך בעומסי עבודה קריטיים בקנה מידה רחב. לפי נתוני חברת מקינזי (McKinsey), הביקוש לכוח עיבוד חזק הולך וגובר והוא צפוי להביא להשקעות של כמעט 7 טריליון דולר במרכזי נתונים עד 2030. בו בעת עומסי עבודה בתחום הבינה המלאכותית מהווים יותר מ-75% מהסכום. עלייה זו מדגישה אתגר מהותי: העלות של עיבוד נתונים גדלה מהר יותר מהתקציבים של ארגונים. גישות מסורתיות כמו הוספת GPUs, אופטימיזציה של זמני הרצה (runtime) או הרחבת תשתיות, אינן פותרות את הבעיה אלא רק דוחות אותה.

ככל שעומסי העבודה גדלים, ארגונים שלא יאמצו מודל ביצועים חדש עלולים להישאר מאחור, במיוחד בעולמות קריטיים של ניתוח נתונים ואימון של מודלי AI. הפתרון של דואל בירד נועד להתמודד עם אתגר זה בדיוק עם מנוע ענן חדשני המספק האצת חומרה ברמה חסרת תקדים.

"עיבוד נתונים הוא תחום המחשוב הגדול ביותר שעדיין רץ כולו על מעבדים כלליים, וראוי להאצה ייעודית משלו, כמו שיש ל-AI את ה-GPUs", אמר גלעד, המייסד השותף ומנכ"ל דואל בירד. "חברות משקיעות מיליונים בתשתיות של נתוני AI ובניתוחם, אך הארכיטקטורות הקיימות היום, פשוט לא עומדות בקצב".

"דואל בירד מאחדת את השכבות הקריטיות ומחברת את החומרה והתוכנה למנוע אחד", הוסיף טל, המייסד השותף וה-CTO של דואל בירד. "בהינתן התוצאות המצוינות שאנו רואים בפיילוטים עם לקוחות, אנו מאמינים כי בתוך חמש שנים העיבוד של כל פיסת נתונים יעבור דרך המנוע של דואל בירד".

תגובות

(0)

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *

אין לשלוח תגובות הכוללות דברי הסתה, דיבה, וסגנון החורג מהטעם הטוב

אירועים קרובים