אילון מאסק ממשיך לאחד את העסקים שבשליטתו: SpaceX אישרה כי תרכוש את xAI, חברת הבינה המלאכותית שפיתחה את הצ’אטבוט Grok. לפי הדיווחים, תנאי העסקה לא פורסמו במלואם, אך מדובר במהלך שמחבר תחת קורת גג אחת יכולות שיגור לחלל, אינטרנט לווייני, תשתיות מחשוב ובינה מלאכותית – מה שמציב את הגוף המאוחד כמועמד להפוך לחברה הפרטית בעלת השווי הגבוה ביותר בעולם.

במזכר שצוטט בדיווחים, מאסק הציג את המיזוג כ“מנוע חדשנות” שיאפשר לשלב בין AI, רקטות, אינטרנט מבוסס חלל ומוצרי מדיה/הפצה, תוך ניצול הסינרגיה בין נתונים, כוח מחשוב ותשתיות שיגור. לפי תפיסתו, המגבלה המרכזית של מערכות AI מתקדמות בשנים הקרובות תהיה אנרגיה ותשתיות מחשוב, והוא רומז שהפתרון ארוך-הטווח עובר דרך חלל – לרבות רעיונות כמו מרכזי נתונים בחלל.

מה ידוע על העסקה והמספרים

לפי Reuters, הערכות בשוק מציבות את שווי xAI סביב 250 מיליארד דולר ואת SpaceX סביב טריליון דולר – סדרי גודל שמציבים את העסקה כאחת הגדולות ביותר שנראו בחברות פרטיות. באותה נשימה, אנליסטים מציינים שהעלות העצומה של כוח מחשוב (compute), תשתיות וצריכת אנרגיה בתחום הבינה המלאכותית יוצרת לחץ להגדלת סקייל ולמהלכי איחוד – במיוחד כשחברות מתקרבות לאפשרות של הנפקה (IPO) או גיוסים גדולים נוספים.

ברקע, למאסק כבר יש זיקות הדדיות בין החברות: Tesla דיווחה לאחרונה על השקעה משמעותית ב-xAI, מה שהדגים כיצד הון, תשתיות וחוזים יכולים “לזרום” בין החברות שבשליטת אותו בעלים. חלק מהפרשנים רואים במהלך הנוכחי גם הכנה לסיפור צמיחה “יעיל הונית” לקראת מהלך עתידי בשוקי ההון.

למה זה מהלך משמעותי

החידוש כאן אינו רק “עוד רכישה”, אלא ניסיון ליצור שרשרת ערך אחת שמתחילה בנתונים והפצה, עוברת דרך מודלים של AI ומרכזי מחשוב, ומסתיימת בתשתית חלל (שיגור ולוויינים). ל-xAI יש יתרון גישה לתרחישי שימוש ולזרמי מידע בזמן אמת דרך הפלטפורמות שמאסק מחזיק/משפיע עליהן; ל-SpaceX יש יכולת ייחודית לשגר, לתפעל ולהרחיב מערכים בחלל בקצב ובעלות שמעט מאוד גופים יכולים להתחרות בהם.

עם זאת, החיבור הזה מגיע גם עם סיכונים: רגולטורים באירופה ובבריטניה כבר בודקים היבטים שונים סביב Grok – החל בהערכת סיכונים לצרכנים ועד שאלות של פרטיות ועיבוד נתונים, לצד דרישה לצמצם אפשרות לייצר תוכן פוגעני או בלתי חוקי. ככל שמרכז הכובד של “AI + הפצה + תשתית” מתכנס לגוף אחד, כך גם עולה הסבירות לבדיקות עומק על ממשל תאגידי, בטיחות, עמידה בחוקי תוכן ופרטיות – ובמקרה של SpaceX, גם רגישויות הקשורות לחוזים ממשלתיים.

בשורה התחתונה, מיזוג SpaceX ו-xAI עשוי לסמן את השלב הבא באסטרטגיה של מאסק: לא “עוד מוצר AI”, אלא פלטפורמה שמנסה להחזיק יחד את כל המרכיבים הדרושים כדי להפעיל ולהרחיב בינה מלאכותית בקנה מידה ענק – כולל אנרגיה, מחשוב, הפצה ותשתית חלל. מיזוג SpaceX ו-xAI הוא גם מבחן: האם יתרון תשתיתי אמיתי יכול להפוך ליתרון AI מתמשך, או שמורכבות רגולטורית ותפעולית תאט את “מנוע החדשנות” שהוא מבטיח.

הפוסט SpaceX רוכשת את xAI: מאסק מאחד טילים ולוויינים עם בינה מלאכותית לחברה פרטית בשווי שיא הופיע לראשונה ב-Chiportal.

מחקר חדש שפורסם ב־Scientific Reports בוחן באופן שיטתי את ביצועי מודלי שפה גדולים (LLMs) במשימות יצירתיות בהשוואה לבני אדם, תוך התמקדות במבחני חשיבה מסתעפת — כלי פסיכולוגי מקובל למדידת יכולת יצירתית. הממצאים מעלים שאלות מהוביות לגבי התפקיד שמודלים אלה ממלאים בתהליכים יצירתיים: האם הם משפרים את היצירתיות האנושית או מחליפים אותה.

חשיבה מסתעפת כמדד ליצירתיות

יצירתיות, למרות היותה מושג חמקמק, נמדדת בפסיכולוגיה באמצעות מבחנים סטנדרטיים. אחד המושגים המרכזיים הוא חשיבה מסתעפת (divergent thinking) — היכולת להציע מגוון רחב של רעיונות שונים לבעיה פתוחה, תוך יצירת פתרונות שאינם רק וריאציות של אותו רעיון בסיסי.

מבחנים אופייניים כוללים משימות כגון "כמה שימושים שונים ניתן להציע לחפץ פשוט" או "כמה פתרונות אפשריים קיימים לסיטואציה נתונה". מדידת הביצועים במבחנים אלה מתבצעת בדרך כלל לפי שלושה ממדים עיקריים: שטף (מספר הרעיונות שנוצרו), גמישות (מספר הקטגוריות השונות של רעיונות), ומקוריות (עד כמה הרעיון נדיר ביחס למאגר התשובות).

האתגר המתודולוגי: מדידה ללא הטיה

עם הופעת מודלי שפה גדולים, נוצר מתח מחקרי מעניין. מצד אחד, מודלים אלה מצטיינים ביצירת רשימות ורעיונות במהירות רבה. מצד שני, קיימת טענה שהם נוטים לממוצע סטטיסטי, לקלישאות ולדפוסים שהופיעו בנתוני האימון שלהם.

האתגר המרכזי במחקר הוא למנוע מצב שבו המדידה תשקף בעיקר "מהירות הקלדה" ולא יצירתיות אמיתית. מודלים יכולים לנצח בקלות במדד השטף פשוט בשל יכולתם לייצר טקסט במהירות. לכן, לפי הודעת המחקר ב־EurekAlert!, חיוני להעמיד את המודלים מול מדדים שמענישים חזרתיות ושמבקשים מהם להימנע מתשובות צפויות.

מקוריות סטטיסטית אינה זהה לערך יצירתי

גם במקרה שבו מודל שפה משיג ציונים גבוהים במקוריות לפי אלגוריתמים סטטיסטיים, אין זה בהכרח מעיד על יצירתיות בעלת ערך אנושי. רעיון יכול להיות נדיר מבחינה סטטיסטית, אך חסר תועלת או רלוונטיות מעשית.

בנוסף, נתגלו מספר סוגיות מתודולוגיות חשובות:

תלות בניסוח ההנחיה (prompt): שינוי קטן בניסוח עשוי לגרום לשינוי דרמטי בתוצאה, מה שמעלה את השאלה האם המדד משקף את יכולת המודל או את כישורי מנסח ההנחיה.

אפקט העיגון: מודלים נוטים לעיתים ליצור רצפים המושפעים מהדוגמאות הראשונות שהפיקו, בדומה לבני אדם שנתקעים על כיוון מחשבתי אחד. השאלה המעניינת היא האם המודלים מייצרים מרחב רעיונות רחב באמת, או רק וריאציות סביב תבנית מרכזית אחת.

משמעות מעשית: כלי משלים או תחליף

הגישה הפרודוקטיבית למחקר זה אינה "אדם נגד מכונה", אלא הבנת התנאים שבהם מודלי שפה תורמים ליצירתיות אנושית. אם מודל מצטיין בשטף רעיונות, הוא יכול לשמש כ"מנוע סקיצה" — מפיק מגוון ראשוני רחב שממנו בני אדם בוחרים, משלבים ומסננים.

עם זאת, אם מודל נכשל בגמישות אמיתית, הוא עלול ליצור אשליה של יצירתיות: כמות גדולה של טקסט עם מעט פריצות דרך אמיתיות. התועלת המעשית טמונה בהבנה של סוגי המשימות הפתוחות שבהן המודל תורם הכי הרבה, לעומת אלו שבהן הוא גורם להתכנסות מוקדמת לרעיונות דומים.

מגבלות המחקר ודיון רחב יותר

יש להתייחס לממצאים בהקשר המתודולוגי המתאים. המחקר מוגבל על ידי מספר גורמים: אופי האוכלוסייה הנבדקת, השפה שבה נערכו המבחנים, והמודל הספציפי שנבדק. יתרה מכך, "מודל שפה" הוא קטגוריה רחבה — מודלים שונים מתנהגים באופן שונה, וגם אותו מודל עשוי להשתנות עם עדכונים טכנולוגיים.

לפיכך, נכון להתייחס לתוצאות אלה כהדגמה מתודולוגית ולא כהכרעה סופית בשאלת יכולתם היצירתית של מודלי שפה. המחקר מהווה נדבך בדיון רחב יותר על האופן שבו טכנולוגיות בינה מלאכותית משפיעות על תהליכים יצירתיים בחינוך, בעבודה ובתחומים נוספים.

עוד בנושא באתר הידען:

הפוסט מי יצירתי יותר במבחני “חשיבה מסתעפת” — בני אדם או מודלי שפה גדולים? הופיע לראשונה ב-Chiportal.

מענק חדש בהיקף 11.85 מיליון אירו נפתח בהולנד במטרה להאיץ מחקר ופיתוח בשתי חזיתות טכנולוגיות שמוגדרות כיום כבסיס לתחרותיות עתידית: שבבים וטכנולוגיות קוונטיות. במסגרת קריאה ייעודית של NWO (הארגון ההולנדי למחקר מדעי) יחד עם Holland High Tech, מתבקשות קבוצות מחקר וקונסורציומים להגיש הצעות משותפות.

הקריאה בנויה סביב שני מסלולים משלימים, שכל אחד מהן מכוונת לבעיה מדעית־הנדסית אחרת – אך שניהם מתכנסים לשאלה אחת: כיצד עוברים מיכולת מעבדתית מרשימה ליכולת תעשייתית אמינה בקנה מידה גדול.

במסילה הראשונה, הדגש הוא אינטגרציה הטרוגנית במערכות שבבים – שילוב של רכיבי “צ’יפלטים” מתחומים פיזיקליים שונים בתוך מארז יחיד. הכיוון הזה נחשב מרכזי בעידן שבו שיפור ביצועים כבר אינו נשען רק על הקטנת טרנזיסטורים, אלא גם על ארכיטקטורות מודולריות, מארוז מתקדם ואינטגרציה תלת־ממדית. הקריאה מעודדת פיתוח פתרונות 2D ו-3D, ובפרט שיטות תכנון ותהליך שמאפשרות “להדביק” יחד רכיבים שונים תוך שמירה על ביצועים, אמינות ותשואות ייצור. (Innovation News Network)

לצד זאת, הקריאה מדגישה שימוש בכלי בינה מלאכותית לתכנון, אופטימיזציה ובדיקות. כאן יש היבט מדעי ברור: כאשר משלבים צ’יפלטים, מספר משתני התכנון גדל מאוד (מכניקה תרמית, הולכת חום, שלמות אות, רעש, ממשקי חיבור, שונות ייצור). אלגוריתמים יכולים לסייע בסריקת מרחב פתרונות ענק, בהערכת אמינות מואצת ובהכוונת בדיקות כך שיקצרו “זמן לשוק” בלי להקריב איכות.

המסילה השנייה ממוקדת בטכנולוגיות קוונטיות – תחום שמבטיח קפיצות דרך בחישוב, תקשורת ואבטחה, אך עדיין רחוק מרמת הבשלות של שבבים קלאסיים. כאן המטרה איננה “עוד הדגמה מעבדתית”, אלא קידום ידע שמאפשר ייצור בר־שחזור: תהליכים יציבים, יכולת ייצוריות (manufacturability), מטרולוגיה (מדידה ואפיון) ושיטות לייצור בקנה מידה גדל של רכיבים קוונטיים.

ההדגשה על מטרולוגיה אינה פרט טכני: במערכות קוונטיות הבעיה היא לעיתים קרובות לא “להראות שזה עובד פעם אחת”, אלא למדוד במדויק תכונות קריטיות (כמו יציבות, שונות בין רכיבים, רגישות לסביבה) ולפתח פרוטוקולי בדיקה שמתחברים לקווי ייצור – בדומה לאופן שבו תעשיית השבבים הקלאסית בנתה עם השנים שכבות של בקרת איכות, סטטיסטיקה תעשייתית ובדיקות וייפר.

תנאי סף: שותפות תעשייתית ומימון משלים

היקף התקציב הכולל עומד על 11.85 מיליון אירו, כאשר התקציב מחולק באופן שווה בין מסילת השבבים למסילת הקוונטום. (nwo.nl)
עם זאת, הקריאה מתוכננת כך שתכריח חיבור הדוק בין מחקר לתעשייה: כל הצעה חייבת לכלול לפחות שני גופים מממנים־שותפים (co-funders), וביחד עליהם להעמיד לפחות 20% מתקציב הפרויקט – במזומן או בשווה־כסף (in kind).
מבחינה מדעית־יישומית, זהו מנגנון שמכוון את התוצרים לאזורים שבהם יש “נתיב אימוץ” ברור: תשתיות ייצור, דרישות בדיקה, סטנדרטים הנדסיים, ויכולת לשלב תוצאות מחקר במוצרים ובשרשראות אספקה.

אירוע התאמה לקונסורציומים: 2-3-2026, אוטרכט

כדי לסייע בהקמת קונסורציומים תחרותיים, NWO ו-Holland High Tech יקיימו מפגש Matchmaking ב-2-3-2026 במשרדי NWO באוטרכט, שבו יוכלו משתתפים להציג רעיונות, לאתר שותפים ולהבין טוב יותר את תנאי ההגשה והדגשים על אימפקט חברתי־כלכלי.

הפוסט הולנד פותחת קול קורא של 11.85 מיליון אירו להאצת חדשנות בשבבים ובהגדלת טכנולוגיות קוונטיות הופיע לראשונה ב-Chiportal.

לפי הודעת אפל כפי שדווחה ברויטרס, Q.ai פיתחה יישומי למידת מכונה שמסייעים למכשירים להבין דיבור בלחישה ולשפר איכות שמע בסביבות מאתגרות – למשל רעש רקע גבוה או תנאים אקוסטיים קשים. אפל לא פירטה היכן תוטמע הטכנולוגיה, אך הצירוף של יכולות “הבנת דיבור” עם שיפור שמע מתחבר ישירות לקו המוצרים שלה בתחום האוזניות והתקשורת האישית.

מי מצטרף לאפל

עם הרכישה יצטרפו לאפל צוות המייסדים, בהם המנכ״ל אביעד מייזלס, וכן המייסדים־שותפים יונתן וקסלר ואבי ברליה. מייזלס מוכר היטב בתעשייה הישראלית: הוא היה בין מייסדי PrimeSense, חברת חישה תלת־ממדית שנרכשה על ידי אפל בשנת 2013, מהלך שנחשב לאבן דרך בדרכה של אפל לפיתוח יכולות חישה מתקדמות במוצריה.

ג׳וני סרוג׳י, סגן נשיא בכיר לטכנולוגיות חומרה באפל מסר כי החברה מתמקדת בפיתוח טכנולוגיות חדשניות שמאפשרות יצירת מוצרים מהטובים בעולם. לדבריו, Q בולטת בגישה יצירתית לשימוש בטכנולוגיות הדמיה ולמידת מכונה, ואפל נרגשת לצרף את החברה ואת הצוות שלה ולהרחיב את פעילותה בתחום.

כמה זה עלה, ומה זה אומר על אסטרטגיית ה-AI של אפל

רויטרס מדווחת שאפל לא חשפה את סכום העסקה. עם זאת, בתקשורת הכלכלית הופיעו הערכות גבוהות בהרבה: פייננשל טיימס דיווח על רכישה “כמעט 2 מיליארד דולר”,

כך או כך, העסקה משתלבת במאמץ רחב יותר של אפל להרחיב יכולות AI במוצרים קיימים. רויטרס הזכירה שאפל כבר שילבה בשנה האחרונה יכולות AI ב-AirPods, כולל תרגום דיבור בין שפות. במובן הזה, רכישת סטארט־אפ שמתמחה בהבנת דיבור “בגבולות” (לחישה, רעש, תנאים קשים) יכולה להיות עוד שכבה בדרך לשדרוג חוויית השמע, והאינטראקציה עם מכשירים לבישים.

הפוסט אפל רכשה את Q.ai, סטארט־אפ ישראלי ל-AI בשמע: “מבינה גם לחישות” הופיע לראשונה ב-Chiportal.

השבב החדש מיוצר ב-TSMC, כולל 216GB זיכרון HBM3e ומיועד להריץ מודלים בקנה מידה גדול — אבל מגיע אחרי עיכובים, כשמיקרוסופט עדיין תלויה ב-GPU של אנבידיה

מיקרוסופט הכריזה ב-26 בינואר 2026 על Maia 200, הדור השני של שבב ה-AI הפנימי שלה, שמוגדר כמאיץ ייעודי למשימות Inference (הסקה) – שלב “הרצת” המודל והפקת התשובה בפועל. לפי החברה, המטרה המרכזית היא לשפר את הכלכלה של יצירת טוקנים (token generation) בקנה מידה ענני: יותר ביצועים לכל שקל, ופחות תלות בתשתיות חיצוניות יקרות. (The Official Microsoft Blog)

בעוד שבשנים האחרונות הדיון הציבורי נסב סביב אימון מודלים (Training), אצל ספקיות הענן ההוצאה המצטברת הולכת ונוטה יותר לכיוון ההסקה: כל שאילתה בצ’אטבוט, יצירת תמונה או קוד – מתורגמת לעומס רציף על חוות שרתים. לכן השוק כולו מחפש מאיצים שמכוונים ליעילות אנרגטית ועלות תפעול נמוכה, ולא רק לשיא ביצועים תאורטי. (TechCrunch)

מה יש בתוך Maia 200

בפוסט הרשמי של מיקרוסופט נמסר כי Maia 200 מיוצר בתהליך 3 נ״מ של TSMC, כולל יותר מ-140 מיליארד טרנזיסטורים, ומביא ליבה חישובית עם תמיכה טבעית ב-FP8/FP4 (דיוקים נמוכים שנפוצים בהרצת מודלים). החברה מפרטת גם את מעטפת הביצועים: מעל 10 petaFLOPS ב-FP4 ו-מעל 5 petaFLOPS ב-FP8, בתוך מעטפת צריכת חשמל של 750W לשבב.

בצד הזיכרון, מיקרוסופט מצהירה על 216GB HBM3e עם רוחב פס של 7TB/s, לצד 272MB SRAM על־השבב – רכיב שנועד להקטין צווארי בקבוק בהאכלת המודל בנתונים.

אחד הדגשים הבולטים בהכרזה הוא התפיסה המערכתית. מיקרוסופט אומרת ש-Maia 200 בנוי לסקייל־אפ על גבי Ethernet סטנדרטי (ולא בד־פרופריייטרי), עם שכבת תעבורה ורכיב תקשורת משולב שנועדו להוריד עלות כוללת ולשמור על אמינות. החברה מציינת 2.8TB/s של רוחב פס דו־כיווני לרשת הסקייל־אפ, ותמיכה בעבודה “קולקטיבית” עד 6,144 מאיצים באשכול. בתוך “מגש” (tray) אחד, ארבעה מאיצים מחוברים זה לזה בקישורים ישירים כדי לשמור תקשורת מקומית מהירה.

איפה זה שם את מיקרוסופט מול אנבידיה, גוגל ואמזון

מיקרוסופט מציגה את Maia 200 כ”הסיליקון הראשון־צד (first-party) החזק ביותר” מבין ספקיות הענן, וטוענת ליתרון מול Trainium של אמזון ו-TPU של גוגל במדדים מסוימים (כולל FP4/FP8), אך בשלב זה מדובר בטענות יצרן שטרם קיבלו אימות ציבורי מלא בבנצ’מרקים בלתי תלויים.

ההקשר חשוב: כבר בקיץ 2025 דווח שפיתוח הדור הבא של Maia התעכב, בין היתר בגלל שינויי תכנון, מגבלות כוח אדם ותחלופה, ושדחיית הייצור ההמוני גלשה ל-2026. כלומר – Maia 200 מגיעה אחרי “חבלי לידה”, ובזמן שיריבות הענן צברו ניסיון בדורות קודמים של שבבים פנימיים.

גם כעת, השוק מעריך שמיקרוסופט לא “חותכת” את אנבידיה בטווח הקצר: תגובת המשקיעים הייתה רגועה יחסית, ובארונ’ס ציינו שמניית אנבידיה לא נחלשה בעקבות ההכרזה, בין היתר משום שההנחה היא שהוצאות הענק על תשתיות AI יימשכו – גם אם חלק מהעומס יעבור בהדרגה לשבבים פנימיים.

פריסה, שימושים וזמינות

מיקרוסופט אומרת שהשבב כבר נפרס באזור הדאטה־סנטרים US Central ליד דה־מויין, איווה, ושאזור US West 3 ליד פיניקס “הבא בתור”, עם הרחבה בהמשך לאזורים נוספים. עוד נמסר כי Maia 200 מיועד לשרת מספר מודלים ושירותים – כולל Microsoft Foundry ו-Microsoft 365 Copilot – ואף יפעיל “מודלים מהדור האחרון GPT-5.2” של OpenAI על התשתית של החברה. במקביל, מיקרוסופט מציגה תצוגה מוקדמת (preview) ל-Maia SDK עם כלי פיתוח ואופטימיזציה (כולל אינטגרציה ל-PyTorch ותמיכה ב-Triton).

הפוסט מיקרוסופט משיקה את Maia 200: מאיץ הסקה ב-3 נ״מ שנועד להוזיל ולהוריד את התלות באנבידיה הופיע לראשונה ב-Chiportal.

מנכ״ל אנבידיה (NVIDIA), ג׳נסן הואנג, טען בדיון מרכזי בפורום הכלכלי העולמי בדאבוס כי הבינה המלאכותית עומדת בבסיס מה שהוא כינה “פרויקט התשתיות הגדול בהיסטוריה האנושית”. לדבריו, זו אינה עוד טכנולוגיה בודדת אלא פלטפורמה חדשה שדורשת להקים ולהפעיל “מערכת שכבות” שלמה – ולכן היא כבר מייצרת ביקוש עצום לעובדים, החל ממקצועות בנייה ותשתית ועד מומחי ענן ומפתחי יישומים.

הואנג תיאר את מהפכת ה-AI כ**“עוגת חמש שכבות”**: שכבת האנרגיה (חשמל וייצור כוח), שכבת השבבים ותשתיות המחשוב, שכבת מרכזי הנתונים והענן, שכבת המודלים, ולבסוף שכבת היישומים – “שם”, לדבריו, ייווצר הערך הכלכלי הגדול באמת, כש-AI יוטמע בשירותים פיננסיים, בריאות, ייצור ותעשייה. ההיגיון של הואנג פשוט: אם כל שכבה חייבת להיבנות ולתוחזק, אז המהפכה דוחפת את הכלכלה לייצר מקומות עבודה ברוחב יוצא דופן – גם בעבודות שטח וגם בתפקידי היי-טק.

בחלק התעסוקתי הואנג דחה את הטענה ש-AI “מחליף אנשים” באופן גורף. הוא הדגים זאת דרך רדיולוגיה וסיעוד: לדבריו, AI מאיץ משימות כמו ניתוח דימות או תיעוד ובירוקרטיה, אבל מחדד את “מטרת המקצוע” – אבחון וטיפול – ולכן עשוי אפילו להגדיל ביקוש לכוח אדם. הוא התייחס גם למחסור חמור בכוח אדם בסיעוד בארה״ב, וטען שכלים שמקלים על תיעוד יכולים לפנות זמן לטיפול ולהגדיל תפוקה – מה שמייצר תמריץ להעסקת עוד עובדים.

בדיון, שנערך מול יו״ר ומנכ״ל בלאקרוק (BlackRock) לארי פינק, הואנג הציג גם טענה רחבה יותר: AI הוא “תשתית לאומית” בדומה לחשמל או כבישים, ולכן מדינות צריכות לפתח יכולות AI מקומיות שמתאימות לשפה ולתרבות שלהן. הוא הוסיף שאוריינות AI הופכת ליכולת בסיסית: לדעת “להנחות, לנהל, להציב מעקות בטיחות ולהעריך” מערכות – מיומנויות שהוא השווה לניהול אנשים ולמנהיגות.

עוד טען הואנג כי 2025 הייתה שנה חריגה בהיקף השקעות הון-סיכון, עם יותר מ-100 מיליארד דולר שהופנו בעיקר לחברות “AI-native” – סטארט-אפים שבונים ישירות את שכבת היישומים. מבחינתו, זה סימן לכך שהעולם עדיין לא “בסוף הגל”, אלא באמצע מעבר פלטפורמה שמחייב השקעות ענק בתשתיות כדי לאפשר לכל יתר השכבות לצמוח.

הפוסט “עוגת חמש השכבות” של הואנג: בינה מלאכותית היא תשתית, לא גימיק – והיא מייצרת גל תעסוקה חדש הופיע לראשונה ב-Chiportal.

ממשלות ארצות הברית וישראל הכריזו על מסגרת אסטרטגית חדשה לשיתוף פעולה בתחומי הבינה המלאכותית, מחקר וטכנולוגיות קריטיות. לפי פרסומים על הטקס, ההצהרה נחתמה בעיר דוד בירושלים בהשתתפות בכירים משתי המדינות, בהם יעקב הלברג, תת־מזכיר המדינה האמריקני לעניינים כלכליים, וגדעון סער, שר החוץ של ישראל, לצד מייק האקבי, שגריר ארה״ב בישראל.

השותפות ממותגת כחלק מיוזמת Pax Silica – מסגרת אמריקנית רחבה יותר לשיתופי פעולה טכנולוגיים בין מדינות, על רקע מאבקי שרשרת אספקה, תחרות גלובלית על שבבים ותשתיות מחשוב מתקדמות, ומדיניות שמבקשת לצמצם תלות בגורמים יריבים. לפי דיווחים, ביוזמה כבר מעורבות גם מדינות נוספות במזרח התיכון, כולל קטאר ואיחוד האמירויות.

מה כולל שיתוף הפעולה בפועל

על פי נוסח ההצהרה כפי שדווח במקורות שונים, המסגרת החדשה מכוונת לשיתופי פעולה במחקר, פיתוח והשקעה בשורה של תחומים “קריטיים”, ובראשם:

• בינה מלאכותית ולמידת מכונה (יישומים בין היתר בבריאות, סייבר ומערכות אוטונומיות), לצד דגש על פיתוח הון אנושי והכשרות משותפות;
• שבבים ומחשוב מתקדם, כולל הרחבת יוזמות מחקר הקשורות לתעשיית השבבים;
• חלל ושיתופי פעולה מדעיים, בהקשר למסגרות בינלאומיות דוגמת Artemis Accords;
• רובוטיקה, מדעי חומרים, וטכנולוגיות אנרגיה (כגון אגירת אנרגיה ואופטימיזציית רשת).

לפי הדיווח, היישום אמור להתבצע באמצעות קבוצת היגוי כלכלית משותפת (Joint Economic Development Group) שתשמש “ועדת היגוי” מרכזית.

לא אמנה מחייבת, כן איתות מדיני־טכנולוגי

נקודה חשובה בנוסח ההצהרה: מדובר בהצהרת כוונות שאינה יוצרת התחייבויות משפטיות מחייבות, ואינה כוללת התחייבות אוטומטית להקצאת תקציבים—כל פעולה עתידית אמורה להתבצע בהתאם לחקיקה ולתהליכים פנימיים בכל מדינה. (israeltechinsider.com)

עם זאת, עצם ההכרזה מאותתת על העמקת התיאום בין וושינגטון לירושלים בסוגיות שמחברות בין מחקר אקדמי, תעשייה ורגולציה—ובעיקר סביב אבטחת מחקר וטכנולוגיות רגישות, גישה לתשתיות מחשוב, ושרשראות אספקה של שבבים וציוד מתקדם.

בינה מלאכותית, שבבים, טכנולוגיות קריטיות, ארה״ב, ישראל, מחקר ופיתוח, חלל, אנרגיה, סייבר

הפוסט ארה״ב וישראל השיקו שותפות אסטרטגית בבינה מלאכותית ובטכנולוגיות קריטיות במסגרת “Pax Silica” הופיע לראשונה ב-Chiportal.

קיידנס (Cadence) הכריזה על אקוסיסטם חדש בשם Chiplet Spec-to-Packaged Parts – תהליך עבודה שמתחיל במפרט ומסתיים ב״חלקים ארוזים״ של צ׳יפלטים, במטרה לצמצם מורכבות הנדסית ולהאיץ זמן הגעה לשוק עבור לקוחות שמפתחים מערכות מבוססות צ׳יפלטים ליישומי בינה מלאכותית פיזית, מרכזי נתונים וחישוב עתיר־ביצועים (HPC). לפי החברה, האקוסיסטם מתבסס על שילוב של תכנון SoC, אוטומציה מונחת־מפרט, סטנדרטים לקישוריות die-to-die ומערך שותפים שיספקו רכיבי IP “מאומתים מראש” כדי להקטין סיכון בפרויקטים מורכבים.

בין שותפי ה-IP הראשונים שנכללים באקוסיסטם מציינת קיידנס את Arm, Arteris, eMemory, M31 Technology, Silicon Creations ו-Trilinear Technologies, לצד שותפת אנליזת הסיליקון proteanTecs. המיקוד הוא לא רק בכלי תכנון, אלא גם ביכולת “לחבר” צ׳יפלטים ממקורות שונים לארכיטקטורה אחת, תוך שמירה על תאימות תקנים והבטחת יכולת פעולה הדדית (interoperability).

למה צ׳יפלטים הפכו למילת מפתח ב-AI וב-HPC

במקום שבב יחיד עצום, ארכיטקטורות Multi-die וצ׳יפלטים מחלקות מערכת לשבבים קטנים יותר – למשל חישוב, קישוריות I/O, זיכרון או מאיצים ייעודיים – שמרכיבים יחד במארז מתקדם. השיטה הזו אמורה לאפשר גמישות בתכנון, שדרוג רכיבים בלי לתכנן הכול מחדש, ולעיתים גם שיפור בתפוקה (yield) ובהיבטי עלות, במיוחד כשמורכבות התהליך והמסכות עולה.

בהודעה נמסר כי דיוויד גלסקו (David Glasco), סגן נשיא בקבוצת הפתרונות החישוביים בקיידנס, הגדיר את המהלך כנקודת ציון בדרך שבה התעשייה בונה מערכות: “ארכיטקטורות Multi-die וארכיטקטורות מבוססות צ׳יפלט הופכות להיות יותר ויותר קריטיות… עם העלייה במורכבות תהליכי הפיתוח”, וציין שהרעיון הוא לספק ללקוחות נתיב אימוץ “בסיכון נמוך” באמצעות IP משולב ומאומת מראש בתוך אקוסיסטם שותפים.

אב־טיפוס סיליקון עם Samsung Foundry ותת־מערכת Arm Zena

כדי להפוך את ההבטחה לפרקטיקה, קיידנס הודיעה על שיתוף פעולה עם Samsung Foundry לייצור הדגמת אב־טיפוס מבוסס סיליקון של פלטפורמת Physical AI chiplet® של החברה. לפי ההודעה, ההדגמה תשלב מראש רכיבי IP של שותפים ותיבנה בתהליך SF5A של Samsung Foundry.

במקביל, קיידנס ו-Arm מרחיבות שיתוף פעולה ותשלבנה את תת־המערכת Arm® Zena Compute Subsystem (CSS) ונכסי IP נוספים כדי לחזק את פלטפורמת הצ׳יפלט ואת ה-Chiplet Framework. בחברה מציגים את Zena CSS כרכיב שיכול להתאים במיוחד לדרישות של edge AI “תובעני” – כלי רכב, רובוטיקה ורחפנים – שבהם ביצועים, יעילות אנרגטית ואמינות הם תנאי סף, ולא בונוס.

בהודעה מצוטט סוראז׳ גז׳נדרה (Suraj Gajendra), סגן נשיא מוצרים ופתרונות ביחידת “בינה מלאכותית פיזית” ב-Arm, שאמר כי העלייה בדרישות החישוביות ברכב וברובוטיקה מחייבת פתרונות סקלביליים עם יעילות גבוהה ואבטחה פונקציונלית כבר משלב התכנון, וכי שילוב Zena CSS בפלטפורמת קיידנס נועד “להאיץ את אימוץ הצ׳יפלט” ולהפחית את מורכבות הפיתוח.

גם סמסונג הדגישה את הזווית התעשייתית: טאיז׳ונג סונג (Taejoong Song), סגן נשיא לתכנון טכנולוגיית פאונדרי ב-Samsung Electronics, אמר כי השותפות אמורה “להמחיש” את המיצוב של SF5A ולסייע ללקוחות לבנות נתיבים אמינים לפתרונות סיליקון חדשניים ליישומי בינה מלאכותית פיזיים, כולל תכנון מתקדם לעולם הרכב.

סטנדרטים וכלי EDA: החיבור בין תכנון, אימות ואריזה

קיידנס מציגה את האקוסיסטם כתהליך end-to-end שמחבר בין אוטומציה מונחת־מפרט לבין זרימת EDA מלאה: סימולציה עם Xcelium Logic Simulation, אמולציה עם Palladium® Z3 Enterprise Emulation Platform, ותכנון פיזי עם משוב בזמן אמת שמכוון את שלבי ה-place-and-route כדי לקצר סבבי איטרציה.

במישור התקינה והקישוריות, ההודעה מדגישה תאימות לגישות מערכתיות של Arm ולכיוון עתידי של OCP Foundational Chiplet System, לצד שימוש ב-UCIe (Universal Chiplet Interconnect Express) של קיידנס לקישוריות die-to-die לפי תקן תעשייתי. במקביל מצוין “פורטפוליו פרוטוקולים” שמיועד להאיץ אינטגרציה של ממשקים מתקדמים, בהם LPDDR6/5X, DDR5-MRDIMM, PCI Express 7.0 ו-HBM4.

בשורה התחתונה, המסר של קיידנס הוא שהאתגר בצ׳יפלטים כבר לא רק “להנדס את החתיכות”, אלא לנהל אקוסיסטם שלם: לבחור IP, לוודא תאימות תקנים, לאמת בזמן סביר, ולהגיע לאריזה מתקדמת בלי ליפול על תקלות אינטגרציה בשלב מאוחר. אם המודל של “ממפרט עד אריזה” אכן יצליח להפוך חלק גדול מההחלטות והבדיקות לנתיב מוגדר מראש – הוא יכול לקצר פרויקטים ולהקטין אי־ודאות, בעיקר בשוק שבו חלונות הזדמנות ב-AI וב-HPC מתקצרים.

הפוסט המרוץ לשבבי בינה מלאכותית: קיידנס מציגה אקוסיסטם צ׳יפלטים “ממפרט ועד אריזה” עם סמסונג Foundry ו-Arm הופיע לראשונה ב-Chiportal.

הכנסות תעשיית המוליכים למחצה בעולם הגיעו ב־2025 ל־793 מיליארד דולר – עלייה של 21% לעומת השנה הקודמת – כאשר שבבי בינה מלאכותית (מעבדים, זיכרון HBM ורכיבי תקשורת) היו מנוע הצמיחה המרכזי והיוו כמעט שליש מכלל המכירות. כך עולה מנתונים ראשוניים שפרסמה חברת המחקר גרטנר ב־12-1-2026.

לדברי ראג'יב ראג'פוט, אנליסט בכיר בגרטנר, הדומיננטיות של רכיבי ה־AI צפויה להתרחב עוד יותר, בין היתר משום שההשקעה בתשתיות בינה מלאכותית צפויה לחצות את רף 1.3 טריליון הדולר כבר ב־2026. (gartner.com)

אנבידיה עוברת את רף 100 מיליארד הדולר – ואינטל ממשיכה לאבד נתח שוק

בדירוג עשרת ספקיות השבבים הגדולות לפי הכנסות, אנבידיה חיזקה את ההובלה שלה על סמסונג בפער של 53 מיליארד דולר, והפכה לספקית הראשונה שחוצה רף של 100 מיליארד דולר במכירות שבבים בשנה אחת. לפי גרטנר, אנבידיה גם תרמה ליותר מ־35% מהצמיחה הכוללת של התעשייה ב־2025.

סמסונג שמרה על המקום השני עם הכנסות של כ־73 מיליארד דולר, כשפעילות הזיכרון שלה עלתה ב־13% (ומול זאת ההכנסות מתחומי “לא־זיכרון” ירדו ב־8%). SK hynix עלתה למקום השלישי עם כ־61 מיליארד דולר – עלייה שנתית של כ־37% – בעיקר הודות לביקוש לזיכרון HBM בשרתי בינה מלאכותית. במקביל, אינטל סיימה את השנה עם נתח שוק של כ־6% בלבד – כחצי מהנתח שלה ב־2021.

זיכרון HBM ומעבדי AI: שני “הצווארים הרחבים” של תשתיות המחשוב החדשות

גרטנר מציינת כי האצה בבניית תשתיות AI מייצרת ביקוש גבוה במיוחד לשלושה רכיבים: מעבדי AI, זיכרון HBM ושבבי תקשורת. ב־2025 היווה HBM כ־23% משוק ה־DRAM, עם מכירות שעברו את 30 מיליארד הדולר, בעוד שמכירות “מעבדי AI” חצו את רף 200 מיליארד הדולר. לפי התחזית של גרטנר, רכיבי AI עשויים לייצג יותר מ־50% מכלל מכירות השבבים בעולם עד 2029. (gartner.com)

במונחי שוק, המשמעות היא שמרכז הכובד של התעשייה ממשיך לנוע אל תשתיות מחשוב עתירות־ביצועים: מאיצים, זיכרון מתקדם, ורשתות מהירות המחברות בין אלפי מעבדים במרכזי נתונים. במקביל, הדירוג החדש מדגיש כיצד “כלכלת ה־AI” מעצבת מחדש גם את חלוקת הכוח בין יצרניות: ספקיות הזיכרון נהנות מהביקוש ל־HBM, ספקיות המאיצים מובילות את הצמיחה, וחברות שנשענות יותר על שוקי מחשוב מסורתיים מתקשות להדביק את הקצב. (gartner.com)

הפוסט גרטנר: הכנסות תעשיית השבבים העולמית זינקו ל־793 מיליארד דולר ב־2025, בהובלת שבבי בינה מלאכותית הופיע לראשונה ב-Chiportal.

דוח חדש של BestBrokers טוען כי OpenAI נמצאת בדרך להפוך לאחת מעסקי המנויים הגדולים בעולם: לפי חישובי צוות האנליזה של החברה, הכנסות ChatGPT ממנויים בתשלום עשויות לעמוד על כ־955 מיליון דולר בחודש – כ־11.46 מיליארד דולר בשנה – בהנחה שמספר המנויים המשלמים (35 מיליון) שדווח בתקשורת אכן נכון. (Reuters)

לצד התחזית להכנסות, הדוח מציב תמרור אזהרה סביב ההשפעה האנרגטית של שימוש המוני בבינה מלאכותית: לפי ההערכה, מענה על היקף פעילות של כ־2.5 מיליארד שאילתות ביום ידרוש כ־17.23 מיליארד קוט״ש בשנה (17.23 TWh). אם חשמל זה היה נרכש “על הנייר” לפי תעריפים אמריקניים ממוצעים, העלות השנתית הייתה מתקרבת לכ־2.4 מיליארד דולר – רק עבור החשמל הדרוש לשירות השאילתות. (Fast Company)

מאיפה מגיעים המספרים – ומהן נקודות החולשה

ב־BestBrokers מדגישים כי מדובר באמידה המבוססת על נתונים שנחשפו בפומבי, דיווחים בתקשורת והנחות “שמרניות” לגבי תמהיל תוכניות המנוי והתמחור. אחת הנקודות המרכזיות היא מספר המנויים המשלמים: רויטרס דיווחה (בהסתמך על The Information) כי נכון ליולי 2025 היו ל־OpenAI כ־35 מיליון משתמשים משלמים, וכי היעד הפנימי עשוי להגיע לכ־220 מיליון משלמים עד 2030. (Reuters)

גם היקף השימוש שמניע את חישוב החשמל נשען על דיווחים: TechCrunch ו־The Verge כתבו ביולי 2025, בהסתמך על מידע שנמסר ל־Axios, כי משתמשי ChatGPT שולחים כ־2.5 מיליארד “פרומפטים” ביום. (TechCrunch)

עם זאת, צריך להבחין בין “עלות חשמל תאורטית” לבין עלות תפעול כוללת בפועל. צריכת החשמל היא רק רכיב אחד בעלויות: תשתיות מחשוב, רכישת שרתים ומאיצים, קירור, שטחי דאטה־סנטר, קישוריות, כוח אדם, וכן עלויות מו״פ – אינם נכללים בחישוב החשמל עצמו. בנוסף, OpenAI אינה מפרסמת פירוט מלא של עלויות אנרגיה/תפעול לכל שאילתה, ולכן כל השוואה “דולר מול קוט״ש” תלויה מאוד במודל, בהנחות, ובשאלה איך מגדירים “שאילתה” (אורך, מודל, שימוש בכלים, יצירת תמונות, ועוד). (Fast Company)

2030: הכול תלוי ב־ARPU

הדוח מציג את שנת 2030 כנקודת מבחן: אם OpenAI אכן תגיע לכ־220 מיליון מנויים משלמים, ההכנסה השנתית ממנויים בלבד עשויה להגיע לעשרות מיליארדי דולרים – אך זה תלוי בהכנסה הממוצעת למשתמש (ARPU). לפי תרחישים שמציגים מחברי הדוח:
ב־ARPU של 20 דולר לחודש – כ־52.8 מיליארד דולר בשנה; ב־25 דולר – כ־66 מיליארד; וב־30 דולר – כ־79 מיליארד (בקירוב “כ־80 מיליארד”). (Fast Company)

הטענה המרכזית של BestBrokers היא שמודל המנויים לבדו עשוי לכסות בקלות יחסית את רכיב החשמל המחושב – ולכן, בקנה מידה גדול, ChatGPT יכול להתנהג כלכלית כמו פלטפורמת מנויים גלובלית “בסדר גודל של נטפליקס/ספוטיפיי”, לפחות ברמת ההכנסות. כאן חשוב לזכור: ההשוואה להיקפי הכנסות של ענקיות צריכה אינה בהכרח השוואה לרווחיות, שכן עולם הבינה המלאכותית נושא עלויות הון ותפעול חריגות וגדלות במהירות. (Fast Company)

למה זה מעניין גם מעבר ל־OpenAI

מעבר לסקרנות על “מי מרוויח כמה”, המסמך משתלב בשיח הציבורי בתחילת 2026 סביב אנרגיה, קיימות ועלויות תשתית של בינה מלאכותית: ככל שהשימוש גדל, כך גם צריכת החשמל והלחץ על תשתיות מחשוב. במקביל, דוחות וניתוחים פיננסיים מזהירים שהאקוסיסטם כולו יצטרך להמיר השקעות עתק בהקמת דאטה־סנטרים להכנסות עצומות כדי להצדיק תשואות. (Tom's Hardware)

הפוסט דוח: הכנסות המנויים של OpenAI עשויות להגיע ל־11.46 מיליארד דולר בשנה – והתחזית ל־2030 מטפסת עד כ־80 מיליארד הופיע לראשונה ב-Chiportal.