אחרי יותר משנתיים שבהן הבינה המלאכותית נכנסה כמעט לכל שיחה על עבודה, פרודוקטיביות ועתיד הקריירה, נדמה היה שהמהפכה כבר כאן. אבל ייתכן שזו הייתה רק ההתחלה. השלב הבא של ה-AI לא יישאר במסכים, בצ'אטים או במסמכים שנכתבים בלחיצת כפתור. הוא עומד לצאת אל העולם הפיזי.
הסימן לכך שהתחום הזה כבר לא נשאר בגדר תחזית הגיע לאחרונה גם מאנבידיה. בכנס GTC 2026 הכריז מנכ"ל החברה, ג'נסן הואנג, כי "Physical AI has arrived" והוסיף כי כל חברה תעשייתית תהפוך לחברת רובוטיקה. לצד ההצהרה, אנבידיה הציגה כלים, מודלים ותשתיות שנועדו לחבר בין סימולציה, אימון ופריסה של רובוטים ומערכות אוטונומיות בעולם האמיתי - ממפעלים ולוגיסטיקה ועד תחבורה ותשתיות.
במילים אחרות, כשחברת השבבים שהפכה לסמל של מהפכת ה-AI מסמנת את הרובוטיקה והמערכות האוטונומיות כגל הבא, קשה להתייחס ל-Physical AI כאל עוד באזז טכנולוגי. זו כבר תחרות על התשתית שתפעיל את העולם הפיזי, בדיוק המקומות שבהם הבינה המלאכותית פוגשת את המציאות, ואת המחיר של טעות.
קוראים לזה Physical AI
מערכות אוטונומיות, רובוטים ומכונות שמסוגלות להבין סביבה ממשית, לפעול בתוכה ולקבל החלטות. לא רק לענות על שאלה, אלא להזיז זרוע רובוטית, לנהל תהליך ייצור, לזהות תקלה, להגיב לשינוי בשטח ולעשות את כל זה בעולם שבו טעות לא מסתיימת בניסוח מביך, אלא עלולה לגרום לנזק פיזי.
שוק הרובוטיקה התעשייתית צפוי לזנק מכ-30 מיליארד דולר כיום לכ-230 מיליארד דולר בתוך עשור. כדי להבין איפה ישראל עומדת בתוך המרוץ הזה, ומה זה אומר על מקומות העבודה שלנו, שוחחנו עם פרופ' נדב כהן, שקיבל פרופסורה בגיל 37 ונחשב לאחד החוקרים המובילים בתחום, לצד תפקידו כמייסד שותף ב-Imubit.
מחפשים עבודה חדשה? מאות משרות פתוחות מחכות לכם באתר ג'ובנט מקבוצת וואלה >>
הרובוטים לא יחליפו את כולנו מחר בבוקר
כהן מבקש קודם כול לנפץ מיתוס נפוץ: השלב הראשון של המהפכה לא ייראה כמו סרט מדע בדיוני שבו רובוטים הומנואידים משתלטים על מקום העבודה. החדירה של Physical AI תהיה הדרגתית הרבה יותר. היא תתחיל במערכות שמבינות סביבה פיזית, מזהות מצבים, מקבלות החלטות מוגבלות ופועלות בתוך אזורים מוגדרים.
במילים אחרות, לפני שנראה רובוט כללי שמסוגל להחליף עובד אנושי במגוון רחב של משימות, נראה יותר ויותר מערכות אוטונומיות במחסנים, מפעלים, לוגיסטיקה, תעשייה, רפואה ותחבורה. כאלה שלא בהכרח נראות כמו אדם, אבל כבר יודעות לנתח את העולם סביבן ולפעול בו.
האתגר הגדול, מסביר כהן, הוא שאין לנו "אינטרנט של העולם הפיזי". מודלי שפה גדולים יכולים ללמוד מטקסטים, מאתרים, מספרים וממאגרי מידע עצומים. אבל העולם הפיזי פועל אחרת לגמרי: דרך תנועה, זמן, כוח, מגע, רעש, חיכוך וסיבה ותוצאה. את הדאטה הזה אי אפשר פשוט לגרד מהאינטרנט. צריך לאסוף אותו בשטח.
לכך מצטרפת בעיה עמוקה יותר: חלק גדול מהידע האנושי בכלל לא כתוב בשום מקום. טכנאי מנוסה יודע לזהות תקלה לפי רעש קטן. מכונאי שומע שמכונה "לא נשמעת טוב". עובד ותיק במפעל מרגיש שמשהו בתהליך השתנה עוד לפני שהמערכת מתריעה. זהו ידע שנצבר דרך שנים של אינטראקציה עם העולם, וכעת המטרה היא ללמד גם מכונות להבין אותו.
כשהטעות כבר לא נשארת על המסך
כאן נמצא אחד ההבדלים הדרמטיים בין AI שמייצר טקסט לבין AI שפועל בעולם הפיזי. טעות של מודל שפה יכולה להיות מביכה, מטעה או יקרה. טעות של מערכת Physical AI עלולה לגרום לנזק פיזי, להשבתת תשתיות ואפילו לפגיעה בחיי אדם.
לכן הרף הנדרש בתחום הזה גבוה בהרבה. כהן מסביר כי באקדמיה משקיעים שנים בפיתוח אלגוריתמים עם הוכחות מתמטיות לאמינות, לצד פיתוח "מודלי עולם" - World Models, שהם סימולטורים מבוססי דאטה שמנסים לדמות זמן, דינמיקה וקשרים סיבתיים.
המטרה היא להעניק למכונה סוג של שכל ישר פיזיקלי. לא רק לזהות שיש ברז דולף, אלא להבין מה צפוי לקרות אם מסובבים את הידית, איך הפעולה תשפיע על הזרימה, ומה המשמעות של שינוי קטן בתנאים. במובן הזה, הלמידה דומה לאופן שבו תינוק לומד את העולם: דרך מגע, תנועה, ניסיון ופידבק מהסביבה.
אבל כהן מזהיר מפני התלהבות יתר מדמואים מרשימים. העובדה שמערכת עובדת היטב בסביבה מבוקרת לא אומרת שהיא באמת מבינה את העולם. המציאות מלאה ברעש, חיישנים מזייפים, תקלות בלתי צפויות ובני אדם שמתנהגים בצורה לא צפויה. ארגונים שנכשלים בהטמעה הם לרוב כאלה שלא בנו תהליך הדרגתי, ולא אפשרו למערכת ללמוד מתוך אינטראקציה רציפה עם השטח.
האיום האמיתי: על תחושת הערך
לצד הסיכון הבטיחותי, כהן מצביע גם על סיכון עמוק יותר: פסיכולוגי וחברתי. לאורך ההיסטוריה, עבודה הייתה הרבה מעבר לפרנסה. היא הייתה מקור לזהות, משמעות, מעמד ותחושת ערך. אם יותר ויותר מערכות יוכלו לבצע פעולות שבעבר דרשו מומחיות אנושית, השאלה לא תהיה רק מי יאבד עבודה, אלא איך בני אדם יגדירו מחדש את המקום שלהם.
לדבריו, אנשים יצטרכו להתמודד עם האפשרות שהם כבר לא תמיד יהיו הישות הכי מוכשרת בחדר. זו נקודה רגישה בהרבה מהדיון הרגיל על "האם AI יחליף עובדים". השאלה היא מה נותן לנו תחושת ערך בעולם שבו אינטליגנציה לא אנושית הופכת לחלק פעיל מהמציאות.
ובכל זאת, כהן מציג תמונה אופטימית. אם המעבר ינוהל נכון, AI יוכל לשחרר בני אדם מעבודות מסוכנות, שוחקות וחזרתיות, ולאפשר להם להתמקד ביצירתיות, מדע, פתרון בעיות מורכבות ומערכות יחסים. אבל כדי שזה יקרה, ארגונים ועובדים יצטרכו להפסיק לחשוב על AI כעל כלי נקודתי ולהתחיל להבין אותו כשכבת תפעול חדשה.
לא כולם צריכים ללמוד קוד
אחת הטעויות הגדולות בדיון על עתיד העבודה, לפי כהן, היא ההנחה שכולם צריכים ללמוד תכנות. דווקא Physical AI ידרוש מקצועות חדשים שמבוססים פחות על כתיבת קוד, ויותר על הבנה תפעולית, ביקורת אנושית ושיקול דעת.
התחום הראשון הוא ניהול ובקרת מערכות אוטונומיות: עובדים שיידעו לקרוא דאשבורדים של AI, לזהות סטיות ולהבין מתי נדרשת התערבות אנושית.
התחום השני הוא אוריינות נתונים יישומית: לא בהכרח לדעת לפתח מערכת, אלא להבין איזה מידע להזין לה, איך לפרש מדדי ביצוע ואיך לזהות כשהנתונים מטעים.
התחום השלישי הוא הנדסת פרומפטים תעשייתית: היכולת להגדיר למודלי עולם אילוצים פיזיקליים, יעדי יעילות וגבולות בטיחות.
התחום הרביעי הוא תחזוקה חזויה וחכמה: שילוב בין הבנה בחומרה, חיישנים ותוכנה, במטרה לזהות תקלות שבועות מראש ולא רק להגיב אליהן אחרי שהתרחשו.
במובן הזה, העובד העתידי לא בהכרח יהיה מתכנת. הוא יהיה מי שיודע להבין מערכת, להטיל בה ספק, להציב לה גבולות, ולתרגם ניסיון אנושי לשפה שהמכונה יכולה לעבוד איתה.
למה דווקא ישראל יכולה לנצח כאן
לקראת סוף השיחה כהן מזהיר כי ישראל עלולה לפספס את המרוץ, כפי שקרה במידה רבה בתחום מודלי השפה הגדולים. אבל דווקא ב-Physical AI, הוא מזהה יתרון ישראלי ייחודי.
בניגוד לארצות הברית ולסין, שבהן מושקעים כיום תקציבי עתק ברובוטיקה כללית, בישראל נבנה בעשור האחרון אקו־סיסטם של AI תפעולי: מערכות שפועלות בתוך מגבלות העולם האמיתי. כהן מציין חברות כמו Aidoc ו-Immunai שמובילות חדשנות רפואית מבוססת בינה מלאכותית, לצד חברות דפנס-טק שמפתחות מערכות אוטונומיות לשדה הקרב, שחייבות לפעול בתנאי אי ודאות קיצוניים.
גם Imubit, החברה שייסד, מדגימה לדבריו את היתרון הזה: מערכת שמנהלת בזמן אמת מפעלי ייצור גדולים, משפרת יעילות ומפחיתה זיהום ופסולת, תוך שילוב בין אלגוריתמים מתקדמים להבנה עמוקה של תהליכים תעשייתיים.
המומחיות הרב-תחומית הזו: חיבור בין חומרה, תוכנה, חיישנים, אלגוריתמים ותפעול, היא בדיוק המקום שבו ישראל יכולה לייצר יתרון תחרותי. מהנדסים מקומיים רגילים לעבוד בסביבות מורכבות, תחת אילוצים, בקצב גבוה ועל קצה גבול היכולת. לכן החדירה הראשונית של Physical AI בישראל צפויה להתרחש דווקא במקומות מוגדרים: לוגיסטיקה, מחסנים חכמים, פסי ייצור ותעשיות שבהן אפשר למדוד ערך במהירות יחסית.
גם התחום הביטחוני משמש מאיץ משמעותי. צורך מבצעי אמיתי מחייב אימוץ מהיר של מערכות אוטונומיות, כפי שניתן לראות במלחמה בין אוקראינה לרוסיה ובהופעת הרחפנים בזירה מול חיזבאללה. עבור ישראל, זו יכולה להיות הזדמנות נדירה: להפוך למעצמה עולמית בתחום ה-Physical AI דווקא משום שהחדשנות המקומית לא נולדה במעבדות סטריליות, אלא מתוך אילוצים אמיתיים.
השאלה, בסופו של דבר, אינה האם אינטליגנציה לא אנושית תנהל חלקים גדלים מהעולם. זה כבר קורה. השאלה היא מי יידע לבנות אותה נכון, מי יידע לעבוד לצדה ומי יישאר מאחור.