סרברס מערכות (Cerebras Systems), אחת החברות השאפתניות ביותר בתחום שבבי הבינה המלאכותית, השלימה הנפקה ראשונה לציבור בנאסד"ק תחת הסימול CBRS, במהלך שהפך מיד לאחד מאירועי השוק הבולטים של 2026. החברה מכרה 30 מיליון מניות במחיר של 185 דולר למניה, וגייסה כ־5.55 מיליארד דולר. ביום המסחר הראשון זינקה המניה לפתיחה של 350 דולר וסגרה ב־311.07 דולר, עלייה של כ־68% לעומת מחיר ההנפקה. ביום המסחר הבא כבר נרשמה נסיגה, והמניה ירדה ל־279.72 דולר, אך גם לאחר הירידה היא עדיין נסחרה הרבה מעל מחיר ההנפקה. (Investors)

ההתלהבות סביב ההנפקה נובעת מהעובדה שסרברס אינה מציגה את עצמה כעוד ספקית מאיצים לשוק ה־AI, אלא כחלופה ארכיטקטונית למודל שעליו בנתה אנבידיה את שליטתה. בעוד אנבידיה מובילה את השוק באמצעות מערכות GPU, רשתות תקשורת מהירות, ספריות CUDA ומערכת תוכנה רחבה, סרברס מנסה לעקוף חלק מהמורכבות הזאת באמצעות שבב עצום בגודל פרוסת סיליקון שלמה. החברה טוענת כי מנוע ה־Wafer-Scale Engine 3 שלה כולל ארבעה טריליון טרנזיסטורים, 900 אלף ליבות מותאמות AI ו־125 פטה־פלופס של חישוב AI, על גבי שבב יחיד בשטח 46,225 מ"מ רבוע. לפי החברה, מדובר ב־19 פעמים יותר טרנזיסטורים ו־28 פעמים יותר חישוב לעומת NVIDIA B200. (Cerebras)

זו בדיוק הסיבה שההנפקה נתפסת כמתקפה ישירה על אנבידיה. סרברס אינה מנסה רק למכור שבב מתחרה ללקוחות שכבר בונים חוות GPU. היא מנסה לשכנע את השוק שאפשר לבנות חלק מעומסי ה־AI, במיוחד אינפרנס מהיר והרצת מודלים גדולים, בצורה פשוטה יותר: פחות חלוקה בין אלפי מאיצים, פחות צווארי בקבוק בזיכרון ובתקשורת בין רכיבים, ויותר חישוב וזיכרון על אותו משטח סיליקון. באתר החברה מוצגת הטכנולוגיה כגדולה פי 58 ממעבדי GPU וכמהירה עד פי 15 במקרי אינפרנס מסוימים, אם כי החברה עצמה מסייגת כי השוואות ביצועים תלויות בעומס העבודה, בתצורה ובמודל הנבדק. (Cerebras)

החזית החשובה ביותר היא ענן ה־AI. אנבידיה נהנית לא רק ממכירת שבבים, אלא ממעמד כמעט תשתיתי אצל ספקיות הענן, חברות AI ומרכזי נתונים. סרברס מנסה להיכנס בדיוק לשם. החברה מציעה שלושה מסלולים: שירות ענן למפתחים, קיבולת ייעודית למודלים מותאמים, ומערכות מקומיות לארגונים שרוצים שליטה מלאה על המודלים והנתונים. באתר החברה מופיעים לקוחות ושותפים כמו OpenAI, מטא, AWS, Mayo Clinic ו־GSK, והיא מדגישה תאימות לממשקי API בסגנון OpenAI כדי להקל על מעבר עומסים ממערכות קיימות. (Cerebras)

במילים אחרות, סרברס תוקפת את אנבידיה בשתי רמות. ברמת החומרה, היא טוענת שהבעיה המרכזית של AI אינה רק כמות החישוב, אלא תנועת הנתונים בין הזיכרון, המאיץ והרשת. ברמת המודל העסקי, היא מציעה ללקוחות גדולים לא להמתין רק לעוד דור GPU, אלא להעביר חלק מהעומסים לפלטפורמה ייעודית שמבטיחה זמן תגובה קצר יותר ועלות נמוכה יותר לאינפרנס. עבור יישומים כמו סוכני AI, חיפוש בזמן אמת, עוזרי קוד ושיחות קוליות, השהיה נמוכה היא לא תוספת נחמדה אלא תנאי שימוש מרכזי.

עם זאת, ההנפקה גם מחדדת את הסיכון. אנבידיה אינה רק יצרנית שבבים. היא מחזיקה במערכת אקולוגית רחבה של תוכנה, רשתות, שרתים, תכנון מערכות, קשרים עם יצרני ענן ויתרון עצום באמון הלקוחות. סרברס צריכה להוכיח שהארכיטקטורה החריגה שלה עובדת לא רק בהדגמות ובמקרי שימוש נבחרים, אלא גם בפריסה רחבה, לאורך זמן ובמגוון עומסים. אנליסטים כבר הזהירו שהשווי של החברה גבוה מאוד ביחס להכנסותיה, ושחלק ניכר מהאופטימיות מגולם במחיר המניה כבר אחרי ימי המסחר הראשונים. (MarketWatch)

לכן, ההנפקה של סרברס אינה רק עוד סיפור על חברת שבבים שנהנית מגל ה־AI. היא מבחן לשאלה גדולה יותר: האם שוק הבינה המלאכותית ימשיך להיבנות כמעט כולו סביב ארכיטקטורת GPU ורשתות של אנבידיה, או שייפתח מקום ממשי לארכיטקטורות ייעודיות שמציעות דרך אחרת להריץ מודלים גדולים. סרברס עדיין רחוקה מערעור ההובלה של אנבידיה, אבל עצם ההנפקה, גודל הגיוס והעניין מצד לקוחות ענן ו־AI גדולים מראים שהשוק מחפש אלטרנטיבות. עבור אנבידיה, זהו לא איום מיידי על הכתר, אבל זהו סימן ברור לכך שהמאבק הבא אינו רק על מי מייצר את השבב החזק ביותר, אלא על מי יגדיר את תשתית החישוב של עידן ה־AI.

הפוסט סרברס הונפקה בנאסד"ק – ומכוונת אל נקודת התורפה של אנבידיה הופיע לראשונה ב-Chiportal.

מרטין הורן, חבר סגל בכיר ב־AMD וארכיטקט מערכות AI ארגוניות, הציג בכנס ChipEx2026 את האופן שבו החברה רואה את השינוי הבא בשוק תשתיות הבינה המלאכותית. לדבריו, בעוד שהשיח הציבורי והמקצועי התמקד בשנים האחרונות בעיקר באימון מודלים גדולים, בפועל מרכז הכובד מתחיל לעבור אל ההסקה, כלומר אל הפעלת המודלים בסביבות אמיתיות, אצל משתמשים וארגונים.

הורן תיאר את AMD כחברה שפעלה במשך שנים במתכונת רזה מאוד, כמעט כמו חברת הזנק גדולה, והצליחה בשנים האחרונות להגדיל משמעותית את נוכחותה בשוק השרתים. לדבריו, אחת הסיבות המרכזיות לכך היא אימוץ מוקדם של טכנולוגיית צ'יפלטים. במקום לייצר שבב גדול אחד, AMD שילבה כמה פרוסות סיליקון קטנות יותר במארז אחד. כך ניתן היה לשפר את התפוקה בייצור, להשתמש בטכנולוגיות הייצור המתקדמות ביותר רק ברכיבי החישוב הקריטיים, ולהשיג צפיפות גבוהה יותר של ליבות במעבד.

בהמשך הציג הורן את דור המעבדים הבא של החברה, Venice, שלדבריו צפוי לכלול עד 250 ליבות במארז יחיד, או 512 יחידות עיבוד גלויות למערכת ההפעלה כאשר מופעל SMT. לדבריו, צפיפות כזו עשויה לאפשר עד כ־20 אלף ליבות CPU בארון שרתים רגיל, בלי לשנות את מערכת הקירור.

אבל עיקר הרצאתו התמקד בבינה מלאכותית. הורן הבחין בין שני דפוסי פריסה שונים: אימון והסקה. האימון דומה יותר לעולם מחשוב העל. הוא מתבצע באצוות, מנצל אשכולות גדולים של מאיצים גרפיים, ודורש רשת פנימית צפופה ומהירה. ההסקה שונה לחלוטין. היא מבוזרת, תנודתית, תלויה בעומסים משתנים, ודורשת איזון עומסים בין מופעי שירות רבים של מודלים. לכן, לדבריו, הבחירה בגודל המאיץ ובתצורת המערכת אינה תמיד ברורה מראש, ולעיתים היא דורשת התאמה עדינה בין דרישות הזיכרון, ההקשר והביצועים של כל מודל.

הורן העריך כי עד 2030 תשתיות האימון ימשיכו לגדול, אך יהוו רק כ־30% מהאספקה החדשה של תשתיות AI, בעוד שההסקה תתפוס את רוב הגידול. בניגוד לאימון, שצפוי להתרכז במרכזי נתונים גדולים, ההסקה תתפרס במקומות רבים יותר: בענן, במתקני אירוח מנוהלים, בארגונים, בקצה הרשת ובמחשבים מקומיים.

בהקשר זה הציג הורן את פורטפוליו ה־AI הרחב של AMD. בקצה אחד נמצאים פתרונות משובצים וטכנולוגיות FPGA שהגיעו עם רכישת Xilinx. בקצה אחר נמצאים מעבדי Ryzen Pro, שיכולים להריץ מודלים מקומיים במחשב אישי כאשר אין חיבור רשת או כאשר נדרש לשמור מידע רגיש בארגון. בנוסף הציג את משפחת Instinct, את כרטיס MI350P ואת מערכת Helios, המיועדת לפריסה בקנה מידה של ארון שלם.

לדבריו, יותר ארגונים צפויים להעדיף תשתיות AI בשליטה עצמית, לעיתים במתקני אירוח מנוהלים ולאו דווקא פיזית בתוך הארגון. הסיבות לכך הן עלות, שיהוי, פרטיות, מיקום הנתונים וריבונות דיגיטלית. הורן טען כי במקרים מסוימים עלות ההפעלה המקומית עשויה להיות נמוכה פי עשרה עד פי 15 מהפעלה בענן ציבורי.

בסיכום דבריו הדגיש הורן כי AMD רואה בבינה המלאכותית לא שוק אנכי נפרד, אלא שכבת תשתית שתשפיע על כל השווקים. לכן, לדבריו, אין פתרון AI אחד שמתאים לכולם. השוק ידרוש שילוב של CPU, GPU, מאיצים ייעודיים, מערכות ארגוניות, פתרונות קצה ותקני חומרה ותוכנה פתוחים.

הפוסט AMD מסמנת את השלב הבא ב-AI: מעבר מהאימון אל ההסקה הארגונית הופיע לראשונה ב-Chiportal.

“אתם נכנסים לעולם ברגע יוצא דופן. תעשייה חדשה נולדת, ומתחיל עידן חדש של מדע וגילוי”. כך אמר ג׳נסן הואנג, מייסד ומנכ״ל אנבידיה, בטקס הסיום של מחזור 2026 באוניברסיטת קרנגי מלון, שהתקיים בתחילת השבוע בפיטסבורג, פנסילבניה. במהלך הטקס הוענק להואנג תואר דוקטור לשם כבוד במדע וטכנולוגיה.

הואנג פנה לאלפי הבוגרים והאורחים באולם, ואמר כי הם יוצאים לדרך מקצועית בתקופה יוצאת דופן מבחינה טכנולוגית. “אף דור לפניכם לא נכנס לעולם עם כלים עוצמתיים יותר, או עם יותר הזדמנויות”, אמר. “כולנו עומדים על אותו קו זינוק. זה הרגע שלכם לעזור לעצב את העתיד”.

בדבריו השווה הואנג בין תחילת הקריירה שלו, בראשית מהפכת המחשבים האישיים, לבין תחילת דרכם של הבוגרים בעידן הבינה המלאכותית. לדבריו, כל שינוי גדול בפלטפורמות המחשוב, מהמחשב האישי, דרך האינטרנט והמובייל ועד מחשוב הענן, הוביל לרגע הנוכחי. אך הפעם, לדבריו, ההשפעה צפויה להיות רחבה יותר.

“מה שעומד לקרות עכשיו גדול יותר מכל מה שהיה קודם, מכיוון שאינטליגנציה היא רכיב בסיסי בכל תעשייה. כל תעשייה עומדת להשתנות”, אמר הואנג.

הוא תיאר את הבינה המלאכותית כמנוע שמאיץ את מהלך בניית התשתיות הטכנולוגיות הגדול ביותר בתולדות האנושות. לדבריו, AI אינה מיועדת רק למהנדסים, לחוקרים או לחברות טכנולוגיה גדולות. היא צפויה להשפיע גם על מקצועות מעשיים ותעשיות מסורתיות, ובהם חשמלאים, שרברבים, טכנאים ועובדים בתחומי הייצור, השירותים והתשתיות.

“הבינה המלאכותית לא רק יוצרת תעשיית מחשוב חדשה. היא יוצרת עידן תעשייתי חדש”, אמר.

הואנג התייחס גם לחששות המלווים את מהפכת ה-AI. לדבריו, כל מהפכה טכנולוגית משמעותית בהיסטוריה עוררה פחד לצד הזדמנות. עם זאת, הוא טען כי הדרך להתמודד עם השינוי אינה הסתגרות, אלא אימוץ זהיר ואחראי של הטכנולוגיה.

“כאשר החברה מאמצת טכנולוגיה באופן פתוח, אחראי ואופטימי, אנו מרחיבים את הפוטנציאל האנושי יותר משאנו מצמצמים אותו”, אמר.

לדבריו, האחריות של הדור הנוכחי אינה מסתכמת בפיתוח מערכות AI חזקות יותר. היא כוללת גם הבטחה שהמערכות האלה יפותחו וישמשו בצורה בטוחה. “האחריות של הדור שלנו אינה רק לקדם את ה-AI, אלא לקדם אותו בחוכמה”, אמר. “למדענים ומהנדסים יש אחריות עמוקה לקדם גם את יכולות ה-AI וגם את בטיחות ה-AI”.

הואנג קרא גם למקבלי ההחלטות לקבוע כללי בטיחות אחראיים. לדבריו, הכללים צריכים להגן על החברה האנושית, אך לא לחסום חדשנות, גילוי וקידמה. הוא מנה ארבעה עקרונות שלדבריו יאפשרו לציבור רחב ליהנות ממהפכת הבינה המלאכותית: התקדמות בטוחה, מדיניות אחראית, הנגשת AI לכולם, ועידוד כמה שיותר אנשים לקחת חלק במהפכה.

לקראת סיום דבריו הדגיש הואנג כי ההיסטוריה מלמדת שחברות החוסמות טכנולוגיות חדשות אינן עוצרות את השינוי. הן רק מוותרות על היכולת להשפיע עליו. “חברות שמסתגרות מפני טכנולוגיה אינן עוצרות את הקדמה. הן רק מוותרות על ההזדמנות לעצב אותה ולהפיק ממנה תועלת”, אמר.

“לכן, הפתרון הוא לא לפחד מהעתיד”, סיכם הואנג, “אלא להוביל אותו בחוכמה, לבנות אותו באחריות, ולוודא שהתועלת שלו תשפיע על כמה שיותר אנשים”.

הפוסט מנכ״ל אנבידיה: “AI לא רק יוצרת תעשיית מחשוב חדשה, היא יוצרת עידן תעשייתי חדש” הופיע לראשונה ב-Chiportal.

בהרצאתו, שכותרתה "Hardening the AI Core"  יחשוף פינקלשטיין תוכנית עבודה הוליסטית  (Blueprint)  שנועדה להבטיח חסינות מלאה של מערכות ה-AI מהרמה הפיזית של הסיליקון ועד לרמת המערכת הכוללת. החשיפה מגיעה על רקע החשש הגובר בקרב מנהלי תשתיות ומומחי סייבר מפני יום הדין הקוונטי – הנקודה שבה מחשבים קוונטיים יהיו חזקים מספיק כדי לפצח את פרוטוקולי ההצפנה הסטנדרטיים המשמשים כיום להגנה על מרכזי נתונים.

לא מדובר רק על הגנת תוכנה. כדי להגן על ליבת ה AI -אנחנו נדרשים כיום לגישת ה- Full-Stack  – זה מתחיל בשינויים ארכיטקטוניים עמוקים בתוך השבב עצמו, ממשיך דרך נתיבי התקשורת בתוך השרת, ומגיע עד למערכות האקו-סיסטם שמנהלות את המודלים.

הטכנולוגיה החדשנית שתוצג מתמקדת ב-חסינות פוסט-קוונטית. (Post-Quantum Resilience) פינקלשטיין צפוי להציג כיצד NVIDIA משלבת אלגוריתמים קריפטוגרפיים חדשים ומתקדמים בתוך המעבדים הגרפיים (GPUs) ויחידות עיבוד הנתונים (DPUs) שלה. מטרת הפיתוח היא להבטיח שגם כאשר המחשוב הקוונטי יהפוך למציאות מסחרית, המידע הרגיש שזורם במערכות ה-AI יישאר מוגן מפני ציתות או שיבוש.

מעבר לצד הטכני, פינקלשטיין יתמקד בהנחה כי האבטחה היא צוואר הבקבוק האמיתי של תעשיית ה-AI  .ללא אמון מוחלט בתקינות הנתונים ובחסינותם, ארגונים יחששו לפרוס תשתיות AI רחבות היקף. הפתרון של NVIDIA, המשלב אבטחה מובנית בסיליקון, מציב סטנדרט חדש בתעשייה ומבהיר כי ענקית השבבים לא מסתפקת רק בכוח מחשוב גולמי, אלא בונה את המבצר שיגן על המידע של העתיד.

כבר עכשיו נראה כי ההרצאה מעוררת עניין רב בקרב בכירי התעשייה הצפויים להגיע לכנס  ChipEx2026  . זוהי הוכחה נוספת לכך שישראל ממשיכה להוות מוקד פיתוח קריטי עבור NVIDIA ואילו המקום להציג את החידושים החשובים המפוחים בישראל הוא כנס ChipEx2026  .

הפוסט המהפכה הבאה של NVIDIA: תציג ב ChipEx2026 פתרון להגנה על ה-AI בעידן המחשוב הקוונטי הופיע לראשונה ב-Chiportal.

אפלייד מטיריאלס הודיעה כי חתמה על הסכם מחייב לרכישת פעילות NEXX מחברת ASMPT Limited. NEXX מספקת ציוד שיקוע למארזים מתקדמים בתצורת פאנלים גדולים, תחום שהולך ותופס מקום מרכזי בייצור הדור הבא של שבבי AI. סכום העסקה לא נמסר. השלמתה צפויה בחודשים הקרובים, ובחברה ציינו כי אין צורך באישורים רגולטוריים להשלמתה.

הרכישה משתלבת במעבר של תעשיית השבבים ממיקוד כמעט בלעדי בשיפור הטרנזיסטורים עצמם, אל שילוב יעיל יותר של מספר רכיבים בתוך מארז אחד. מאיצי AI מודרניים משלבים מעבדים גרפיים, זיכרונות HBM ורכיבי קלט־פלט בתוך מערכות מורכבות, לעיתים במבני 2.5D ו־3D. ככל שהמארזים גדלים ומספר השבבים המשולבים בהם עולה, נדרש מעבר לפתרונות ייצור גדולים יותר, בהם פאנלים במידות של כ־510 על 515 מילימטר ואף יותר, במקום פרוסות סיליקון סטנדרטיות בקוטר 300 מילימטר.

NEXX מביאה לאפלייד מטיריאלס טכנולוגיית ECD, שיקוע אלקטרוכימי, המשמשת בין היתר ליצירת חיווטים עדינים וצפופים במארזים מתקדמים. הטכנולוגיה אמורה להשלים את מערך הפתרונות הקיים של אפלייד בתחום המארזים, הכולל ליתוגרפיה דיגיטלית, שיקוע פיזיקלי וכימי, איכול, מדידות ובדיקות eBeam. מבחינה עסקית, מדובר במהלך שנועד לחזק את נוכחות אפלייד בנקודת צוואר בקבוק חשובה בתעשייה: היכולת לחבר יותר רכיבים בתוך מארז אחד בלי להגדיל באופן בלתי סביר את צריכת האנרגיה, העלויות ומורכבות הייצור.

העניין במארזים מתקדמים גבר מאוד בשנים האחרונות בעקבות הדרישה הגוברת לתשתיות AI. כאשר קשה יותר ויותר להשיג קפיצות ביצועים רק באמצעות מזעור שבבים, החיבור בין שבבים שונים במארז אחד הופך לאחד ממנועי החדשנות המרכזיים. עבור יצרניות שבבים וחברות מערכות, היכולת לבנות מארזים גדולים ומדויקים יותר עשויה לקבוע את קצב הפיתוח של מאיצי AI עתידיים.

לאחר השלמת העסקה, צוות NEXX צפוי להשתלב בקבוצת מוצרי המוליכים למחצה של אפלייד מטיריאלס, אך להמשיך לפעול מבילריקה, מסצ'וסטס. מבחינת אפלייד, הרכישה אינה משנה את כיוון השוק, אלא מחזקת תחום שבו היא כבר פועלת: ציוד ייצור למארזים מתקדמים. השאלה המרכזית תהיה עד כמה תצליח החברה לשלב את הטכנולוגיה של NEXX בפורטפוליו הקיים שלה, ולהפוך אותה לחלק ממערך ייצור רחב יותר עבור שבבי AI גדולים ומורכבים.

הפוסט אפלייד מטיריאלס רוכשת את NEXX כדי להרחיב את פעילותה במארזים מתקדמים לשבבי AI הופיע לראשונה ב-Chiportal.

בינה מלאכותית משנה במהירות את הדרך שבה כותבים קוד, מנתחים מידע ומפתחים מוצרים. כעת היא מתחילה להיכנס גם לאחד התחומים המורכבים ביותר בעולם ההנדסה: תכנון שבבים. אבי סלמון מאינטל יציג בכנס ChipEx2026, שיתקיים ב-12 במאי באקספו תל אביב, שיטה מעשית לתכנון שבבים בעזרת AI, שבמסגרתה הצליח מהנדס אחד לבצע בתוך כשבועיים עבודה שבעבר דרשה חמישה עד שישה סטודנטים במשך שני סמסטרים.

הדוגמה שסלמון יציג אינה עוד הצהרה כללית על “AI שישנה את העולם”, אלא מקרה עבודה הנדסי. מדובר בתהליך שבו מהנדס מנוסה משתמש בכלי בינה מלאכותית כדי לפרק משימה מורכבת לשלבים, לנסח דרישות, לייצר רכיבי תכנון, לבדוק תוצרים, לתקן שגיאות ולהתקדם במהירות אל תוצאה שימושית. במקום צוות גדול שעובד חודשים על משימה מוגדרת, מתקבל תהליך מהיר בהרבה, שבו ה-AI משמש כמכפיל כוח למהנדס ולא כתחליף לו.

המשמעות עבור תעשיית השבבים עשויה להיות רחבה. תכנון שבב הוא תהליך ארוך, יקר ומרובה שלבים. הוא כולל הגדרת ארכיטקטורה, כתיבת קוד חומרה, בניית סביבות בדיקה, הרצת סימולציות, אימות פונקציונלי, איתור תקלות, אופטימיזציה ותיעוד. כל אחד מהשלבים האלה דורש ידע מקצועי עמוק, ניסיון ותשומת לב לפרטים. לכן, גם קיצור חלקי של משימות תכנון ואימות יכול להשפיע על לוחות הזמנים של פרויקטים, על עלויות הפיתוח ועל היכולת להביא שבבים חדשים לשוק מהר יותר.

הנקודה החשובה בהרצאה של סלמון היא שה-AI אינו מוצג כמהנדס עצמאי שמחליף את אנשי החומרה. להפך. השיטה נשענת על מהנדס שמבין היטב את תחום השבבים, יודע להגדיר את הבעיה, לזהות תוצרים שגויים, לבדוק את ההיגיון ההנדסי ולכוון את הכלים למקום הנכון. ה-AI יכול להאיץ כתיבה, בדיקה, השוואה וארגון של עבודה, אך האחריות המקצועית נשארת אצל האדם.

הנושא הזה מקבל חשיבות מיוחדת בתקופה שבה המורכבות של שבבים ממשיכה לגדול. מעבדים, מאיצי AI, רכיבי תקשורת ומערכות על שבב כוללים כיום מספר עצום של יחידות, ממשקים, מצבי פעולה ותרחישי בדיקה. במקביל, התעשייה מתמודדת עם מחסור במהנדסים מנוסים ועם לחץ גובר לקצר זמני פיתוח. בתנאים כאלה, כלי AI עשויים להפוך לחלק בלתי נפרד מארגז הכלים של מהנדסי חומרה, בדומה לכלי EDA ששינו בעבר את עולם התכנון האלקטרוני.

אחד השינויים המרכזיים הוא המעבר מעבודה ידנית ארוכה לעבודה מונחית יותר. מהנדס השבבים של השנים הקרובות יידרש לא רק לכתוב קוד RTL או לבנות סביבות אימות, אלא גם לדעת להפעיל מודלים של AI, לנסח להם משימות מדויקות, לבדוק את התוצרים, לשלב אותם בתהליך העבודה ולמנוע טעויות. במובן הזה, היכולת לעבוד נכון עם AI עשויה להפוך למיומנות הנדסית בסיסית.

עבור אינטל, הנושא משתלב בשאלה רחבה יותר: כיצד מטמיעים בינה מלאכותית לא רק במוצרים עצמם, אלא גם בתהליכי הפיתוח הפנימיים. אינטל היא אחת מחברות השבבים הגדולות והוותיקות בעולם, ופעילותה בישראל כוללת מרכזי פיתוח וייצור משמעותיים. הכנסת כלי AI לתהליכי תכנון ואימות עשויה לשנות לא רק את הקצב שבו מהנדסים עובדים, אלא גם את הדרך שבה צוותים מתארגנים סביב בעיות הנדסיות מורכבות.

סלמון צפוי להציג גישה מעשית וזהירה: AI יכול לקצר תהליכים, להאיץ משימות ולפתוח אפשרויות חדשות, אך הוא מחייב בקרה אנושית הדוקה. בתחום השבבים, טעות קטנה בתכנון עלולה להתגלות מאוחר מדי ולהפוך ליקרה מאוד. לכן, השימוש ב-AI אינו מבטל את הצורך באימות, בסימולציה ובשיקול דעת הנדסי. הוא משנה את הדרך שבה מגיעים אליהם.

המסר המרכזי הוא שתעשיית השבבים נמצאת בתחילתו של שינוי עמוק גם בצד הפיתוח, לא רק בצד המוצרים. הבינה המלאכותית אינה רק עומס עבודה חדש עבור מרכזי נתונים ומאיצים. היא הופכת לכלי עבודה של המהנדסים שמתכננים את השבבים עצמם. אם משימה שבעבר דרשה חמישה עד שישה סטודנטים במשך שני סמסטרים יכולה להתבצע על ידי מהנדס אחד בתוך כשבועיים, מדובר בסימן ברור לכך שתהליכי התכנון והאימות עומדים להשתנות במהירות.

הפוסט בלעדי: אינטל תציג לראשונה ב ChipEx2026 שיטה מהפכנית לתכנון שבבים באמצעות AI הופיע לראשונה ב-Chiportal.

AMD פתחה את 2026 ברבעון חזק במיוחד, המשקף את ההאצה בביקוש לתשתיות מחשוב לבינה מלאכותית ולמרכזי נתונים. החברה דיווחה על הכנסות של 10.3 מיליארד דולר ברבעון הראשון, עלייה של כמעט 38% לעומת התקופה המקבילה אשתקד. לפי ניתוח שפורסם ב־Seeking Alpha, הנהלת AMD תיארה את הרבעון כ"נקודת מפנה ברורה" במסלול הצמיחה של החברה.

שיעור הרווח הגולמי של AMD הגיע ברבעון ל־55%, ותזרים המזומנים החופשי הסתכם בשיא של 2.6 מיליארד דולר. הנתונים האלה מצביעים לא רק על צמיחה מהירה בהכנסות, אלא גם על שיפור באיכות הצמיחה, בעיקר בתחומים הרווחיים יותר של החברה. מוקד הצמיחה המרכזי היה פעילות מרכזי הנתונים, שנהנית מהביקוש הגובר למעבדים ולמאיצים הנדרשים להרצת מודלי בינה מלאכותית גדולים.

מנכ"לית AMD, ליסה סו, ציינה כי אימוץ הבינה המלאכותית מגדיל את הביקוש לא רק למאיצים ייעודיים, אלא גם למעבדי CPU חזקים, האחראים לתזמור עומסי העבודה במרכזי הנתונים. החברה מעריכה כי הכנסות מעבדי השרתים שלה יצמחו ביותר מ־70% בשנה, נתון שממחיש את עומק השינוי בשוק המחשוב הארגוני.

הדוחות התקבלו בחיוב בוול סטריט, ומניית AMD עלתה באותו יום בכ־8%. עם זאת, העלייה במניה היא רק חלק מהתמונה. בשנה שקדמה לפרסום הדוחות זינקה מניית AMD ביותר מ־300%, ולכן חלק מהאנליסטים מזהירים כי הציפיות הגבוהות כבר מגולמות במידה רבה במחיר. Seeking Alpha ציינה כי דירוג ה־Quant של AMD ירד מ־Strong Buy ל־Hold עוד לפני פרסום הדוחות, בעיקר בשל חששות תמחור.

הסיפור הרחב יותר הוא המשך ההשקעות האדירות בתשתיות בינה מלאכותית. ענקיות הענן והטכנולוגיה ממשיכות להגדיל את תקציבי ההון שלהן למרכזי נתונים, שרתים, מאיצים, מעבדים, זיכרון ואחסון. לפי הערכה שמובאת בניתוח, שוק השבבים העולמי עשוי להתקרב ל־1.6 טריליון דולר עד 2030, לעומת 775 מיליארד דולר ב־2024.

לכן, אף ש־AMD היא אחת הנהנות הבולטות מגל ההשקעות הזה, היא אינה היחידה. הניתוח של Seeking Alpha מצביע גם על Micron ו־Sandisk כחברות שעשויות ליהנות מהביקוש הגובר לרכיבי זיכרון ואחסון. רכיבים אלה חיוניים למערכות בינה מלאכותית, משום שמודלים גדולים דורשים לא רק כוח חישוב, אלא גם גישה מהירה לכמויות עצומות של נתונים.

Micron, הפועלת בתחומי DRAM, NAND ו־HBM, מוצגת בניתוח כחברה הנהנית מצמיחה חזקה במיוחד בביקוש לזיכרון מתקדם. Sandisk, המתמקדת בפתרונות פלאש ו־SSD, נהנית מהצורך הגובר באחסון מהיר לעומסי עבודה עתירי נתונים. שתיהן מוצגות כחלופות בעלות תמחור נוח יותר ל־AMD, אך ההקשר המרכזי נותר ברור: תשתיות הבינה המלאכותית דוחפות קדימה שורה רחבה של חברות בענף השבבים.

הדוחות של AMD ממחישים כי גל ההשקעות בבינה מלאכותית כבר מתורגם להכנסות ממשיות, בעיקר במרכזי הנתונים. השאלה המרכזית כעת אינה אם הביקוש קיים, אלא כמה ממנו כבר מתומחר במניות החברות המובילות, ועד כמה תוכל AMD להמשיך להגדיל הכנסות ורווחיות בקצב שיצדיק את הציפיות הגבוהות.

הפוסט AMD עקפה את התחזיות ברבעון הראשון: ההכנסות זינקו בכמעט 38% בזכות מרכזי הנתונים והבינה המלאכותית הופיע לראשונה ב-Chiportal.

בתוך פחות מחמישה חודשים הפך מרכז הפיתוח הישראלי של אסטרה לאבס מרעיון התחלתי לצוות המתקרב לכ-100 עובדים. גיא אזרד, שהצטרף לחברה בתחילת ינואר 2026 והקים את הפעילות המקומית, מתאר זאת לא רק כהקמת סניף נוסף של חברה אמריקנית, אלא כבניית מרכז פיתוח בעל אחריות הנדסית רחבה על אחת השכבות הקריטיות ביותר בתשתיות הבינה המלאכותית: החיבוריות בין מאיצים בתוך חוות השרתים. ב-12 במאי יציג אזרד את התפיסה הזאת בכנס ChipEx2026 באקספו תל אביב, בהרצאה שתעסוק בבניית הדור הבא של תשתיות AI מישראל. אסטרה לאבס מציגה אותו כ-SVP, Engineering & GM של Astera Labs Israel, תחת הכותרת Building the Future of AI Infrastructure in Israel”.

הקמת המרכז בישראל הוכרזה רשמית בפברואר 2026, כחלק מהרחבת פעילות ההנדסה הגלובלית של אסטרה לאבס. החברה מגדירה את עצמה כספקית פתרונות חיבוריות מבוססי שבבים לתשתיות AI בקנה מידה של ארונות שרתים וחוות שרתים. בישראל היא בחרה להציב לא רק צוות תמיכה או פעילות משלימה, אלא מרכז שאמור להוביל פיתוחים מהותיים עבור הדורות הבאים של מוצריה.

לדברי אזרד, הצוות הישראלי קיבל “צ’ארטר” רחב: פיתוח רכיבי High Bandwidth מהדור הבא, פתרונות Custom Silicon ללקוחות גדולים, וחלקים משמעותיים משכבת התוכנה של החברה. בריאיון לקראת הכנס אמר כי המרכז הישראלי אמור להוביל את רכיבי ה-Scale-up Networking העתידיים של אסטרה לאבס, כולל רכיבים המיועדים לקצבי תעבורה גבוהים מאוד ולחיבור מספר גדול של מאיצי AI. הוא הדגיש כי לא מדובר רק בגיוס מהנדסים, אלא בבניית גוף פיתוח עם Ownership מלא על רכיבים מורכבים, משלב הארכיטקטורה ועד ייצור.

רבעון חזק לחברה העולמית

הצמיחה המהירה בישראל מתרחשת על רקע צמיחה חדה של אסטרה לאבס עצמה. השבוע דיווחה החברה על הכנסות רבעוניות של 308.4 מיליון דולר ברבעון הראשון של 2026, עלייה של 93% לעומת השנה הקודמת, והודיעה כי היא כבר משווקת את מתג Scorpio X-Series החדש, מתג AI Fabric בן 320 נתיבי PCIe 6, לצד הרחבת משפחת Scorpio P-Series.

המשמעות הטכנולוגית של הפעילות הישראלית נובעת מהשינוי שעובר עולם חוות השרתים. בעבר, יחידת החישוב המרכזית הייתה שרת בודד, ולאחר מכן שרת עם כמה מאיצים. כיום, בעומסי AI גדולים, יחידת החישוב הופכת לארון שרתים שלם ולעיתים לקלאסטר רחב יותר, שבו עשרות או מאות GPU-ים ומאיצים אחרים צריכים לעבוד יחד כאילו היו מערכת חישוב אחת. ככל שמספר המאיצים גדל, החיבוריות ביניהם הופכת לגורם שקובע את הביצועים לא פחות מהמאיצים עצמם.

כאן נכנס תחום ה-Scale-up Networking. בניגוד לרשתות Scale-out, שמחברות בין שרתים או אשכולות מחשוב נפרדים, רשת Scale-up נועדה לחבר את המאיצים בתוך יחידת חישוב גדולה אחת. אזרד הסביר כי לקוחות הענן הגדולים מפתחים בעצמם מאיצים, שרתים ורכיבי עיבוד, אך עדיין זקוקים לרכיבי קישוריות ייעודיים שיאפשרו למאיצים להעביר מידע במהירות גבוהה, בהשהיה נמוכה ובניצול טוב יותר של משאבי המערכת. לדבריו, זהו בדיוק המקום שבו אסטרה לאבס מנסה להתמקם.

המרכז הישראלי אמור לעסוק גם בשכבה החכמה יותר של החיבוריות. אסטרה לאבס אינה מתמקדת רק בהעברת אותות חשמליים או בשיפור Signal Integrity, אלא גם ביכולות של In-network Compute ו-Offloading. כלומר, חלק מהעיבוד התומך בתקשורת בין המאיצים יכול להתבצע בתוך רכיבי הקישוריות עצמם, ולא להעמיס על ה-GPU-ים. לפי אזרד, השאיפה היא להוריד עומסי תקשורת, לשפר את ביצועי הקלאסטר ולאפשר חיבור של מספר גדול יותר של מאיצים במערכת אחת.

אזרד מציב את הפעילות הישראלית גם בהקשר רחב יותר של שוק העבודה בתעשיית השבבים. לדבריו, מהנדסים רבים בישראל מחפשים כיום נקודת ביניים בין סטארט-אפ קטן ומסוכן לבין תאגיד ענק ורב-שכבתי. אסטרה לאבס מנסה להציע בדיוק את המרחב הזה: חברה ציבורית אמריקנית הצומחת במהירות, אך עם מרכז ישראלי חדש שבו ניתן עדיין להשפיע על הארכיטקטורה, על גיוס הצוותים ועל בניית התרבות ההנדסית. הוא ציין כי עובדים מגיעים מחברות כמו גוגל, אנבידיה, סיסקו וחברות נוספות, וכי האתגר הוא להפוך את המרכז הישראלי לגוף שמסוגל לספק רכיבי סיליקון מורכבים עד Production.

הפוסט מאפס לכמעט 100 עובדים בחמישה חודשים: מרכז הפיתוח הישראלי של אסטרה לאבס נכנס לקדמת תשתיות ה-AI הופיע לראשונה ב-Chiportal.

דמיינו רובוט ביתי שנע בין הספה לשולחן, מזהה כוס מים, מושיט אליה זרוע, אוחז בה בלי למעוך אותה, נזהר מהחתול שעובר לידו, ומגיש אותה לאדם מבוגר שיושב בכורסה. עכשיו דמיינו רכב שנוסע במהירות, מזהה מכשול על הכביש, ומחליט בתוך שבריר שנייה אם לבלום, לסטות או להמשיך. בשני המקרים אין זמן לשלוח את השאלה לענן, להמתין לתשובה ולפעול אחר כך. כשהעולם הפיזי זז, גם המחשוב צריך לזוז איתו.

זו הנקודה שממנה מתחיל הסיפור החדש של MIPS. החברה, ששמה מוכר כבר עשרות שנים מתעשיית המעבדים, חוזרת כעת לשוק עם מיקוד אחר: לא עוד מאבק כללי על ארכיטקטורת מעבדים, אלא ניסיון לבנות את שכבת הסיליקון של ה־Physical AI – בינה מלאכותית שמחוברת למצלמות, חיישנים, מנועים, מערכות בלימה, זרועות רובוטיות, שערי תקשורת ומערכות בקרה בזמן אמת.

בראיון ל־CHIPORTAL  אומר משה הלל, דירקטור לפרויקטים אסטרטגים   MIPS בישראל, כי כדי להבין את הכיוון החדש של החברה צריך להפריד בין שלושה עולמות של AI. הראשון הוא הענן – ChatGPT, Gemini  ושאר המודלים הגדולים שרצים במרכזי נתונים. השני הוא ה־AI במחשב האישי, שמסייע לערוך מסמכים, לנתח גיליונות או ליצור מצגות. השלישי, והוא התחום שבו MIPS מתמקדת, הוא AI בקצה: מערכות שנמצאות בתוך מכונית, רובוט, מפעל, רחפן או מכשיר תעשייתי, וצריכות לקבל החלטות במקום, בלי תלות בתקשורת לענן.

הלל מתאר זאת בפשטות: רכב שנוסע במהירות של 100 קמ"ש לא יכול להמתין אפילו כמה שניות לתשובה מהענן. רובוט שנע בבית לא יכול לעצור בכל פעם שהוא צריך להבין אם לפניו כיסא, אדם או קיר. הוא חייב לראות, להבין ולפעול בעצמו. במובן הזה, ה־AI יוצא מהמסך ונכנס אל תוך המנועים, הגלגלים, המפרקים והחיישנים.

החזון הזה מתורגם אצל MIPS לארכיטקטורה שלמה סביב ארבע פעולות: Sense, Think, Act, Communicate.  קודם המערכת חשה את הסביבה באמצעות מצלמות, מיקרופונים וחיישנים. אחר כך היא חושבת – כלומר מעבדת את המידע, מזהה תבניות ומחליטה מה לעשות. בשלב השלישי היא פועלת: מפעילה מנוע, משנה כיוון, עוצרת, מאיצה, מאזנת זרוע או שולחת פקודה למערכת בקרה. לבסוף היא מתקשרת עם מערכות אחרות או עם הענן, מדווחת מה קרה, ומאפשרת למערכת ללמוד מהאירוע.

מיפס אינה מנסה להיות ספקית החיישנים עצמם. היא אינה בונה את המצלמה של הרובוט או את חיישן הטמפרטורה של המכונה. המיקוד שלה מתחיל מהרגע שבו המידע נכנס למערכת וצריך להפוך להחלטה. זהו המקום שבו נדרשים מעבדים ייעודיים, מיקרו־בקרים בזמן אמת, תקשורת מהירה ותוכנה שיודעת לעבוד יחד תחת מגבלות הספק, השהיה ובטיחות.

בצד ה־Think מציבה החברה את ליבות ה־AI  שלה, ובראשן משפחת S8200. תפקידה הוא לעבד את המידע שמגיע מהחיישנים ולהריץ מודלי AI מקומיים. אלה אינם בהכרח מודלים ענקיים כמו בענן, אלא מודלים שמותאמים למערכות קצה: זיהוי תמונה, הבנת סביבה, פענוח פקודות קוליות, חיזוי תנועה וקבלת החלטות מהירה.

בצד ה־ Act נמצאת משפחת M8500, המיועדת לבקרת פעולה בזמן אמת. כאן ה־AI הופך לתנועה. אם ה־S8200 הוא החלק שמבין שיש מכשול, ה־M8500 הוא החלק שאמור לגרום למערכת לבלום, לסובב מנוע, לשנות זווית או לייצב זרוע. זהו עולם שבו מיקרו־שניות חשובות, במיוחד במערכות רכב, רובוטיקה, המרת הספק, ניהול סוללות ובקרת מנועים.

בצד ה־Communicate  מציבה החברה את I8500, שנועד לטפל בתנועת נתונים ובתקשורת בין המערכת המקומית לבין מערכות אחרות. בעולם של Physical AI, גם התקשורת אינה פעולה צדדית. הרכב צריך לדווח, הרובוט צריך להתעדכן, המכונה במפעל צריכה להעביר נתוני מצב, והמערכת צריכה ללמוד מאירועים קודמים. התקשורת היא הדרך שבה אירוע מקומי הופך לידע מערכתי.

החידוש מבחינת מיפס אינו רק ברמת המוצר, אלא גם במודל העסקי. לאחר רכישת MIPS על ידי GlobalFoundries, החברה יכולה להציג הצעה רחבה יותר: לא רק IP של ליבה, אלא שילוב של ליבות, תוכנה, תכנון מותאם ויכולת להגיע עד ASIC ייעודי. הלל מדגיש כי לקוח יכול לקחת ליבה אחת, כמה ליבות, או שילוב מלא, ולהתאים את הרכיב לצרכים שלו: יותר זיכרון, פחות זיכרון, ממשק כזה או אחר, דגש על ביצועים, הספק, תקשורת או בטיחות.

כאן נכנסת גם הבחירה ב־- RISC-V. מיפס החדשה מבוססת על ארכיטקטורת RISC-V, והמסר שלה לשוק הוא שהלקוחות אינם צריכים להינעל על ארכיטקטורה קניינית אחת. RISC-V מאפשר סביבת ספקים רחבה יותר, גמישות גבוהה יותר והתאמה טובה יותר לשבבים ייעודיים. חשוב להדגיש: התקן פתוח, אך המימושים המסחריים יכולים להיות שונים זה מזה. הערך שמיפס מנסה להביא הוא מימוש מסחרי, יציב ומותאם ליישומים תובעניים, ולא רק עצם השימוש בסט הפקודות הפתוח.

עבור תעשיית השבבים, הסיפור של MIPS משקף שינוי רחב יותר. אחרי שנים שבהן מרכז הכובד של ה־AI  היה במרכזי נתונים, גדל הצורך להעביר חלק מהחוכמה אל הקצה. לא כל החלטה יכולה לעבור דרך שרת מרוחק. לא כל מערכת יכולה להרשות לעצמה השהיה, צריכת אנרגיה גבוהה או תלות בקישוריות. המכונית, הרובוט, הרחפן והמכונה התעשייתית צריכים להפוך למערכות חכמות בפני עצמן.

לכן התחרות הבאה לא תהיה רק על מי מריץ את המודל הגדול ביותר. היא תהיה גם על מי יודע להריץ מודל קטן מספיק, מהיר מספיק, חסכוני מספיק ובטוח מספיק בתוך סביבה פיזית אמיתית. בעולם הזה, ביצועים נמדדים לא רק במספר פעולות לשנייה, אלא גם בשאלה אם הרובוט עצר בזמן, אם הזרוע תפסה נכון, אם הרכב בלם בלי היסוס, ואם המערכת המשיכה לפעול גם כשהקישור לענן נחלש.

MIPS מבקשת למקם את עצמה בדיוק בצומת הזה: בין RISC-V לבין AI בקצה, בין IP לבין   ASIC, בין תוכנה לבין תנועה פיזית. אחרי שנים שבהן שמה היה חלק מההיסטוריה של עולם המעבדים, החברה מנסה כעת להפוך אותו שוב לרלוונטי – הפעם לא במרכז הנתונים, אלא בתוך המכונות שינועו סביבנו.

הפוסט לקראת ChipEx2026:חב' MIPS רוצה להיות המוח שמחבר בין AI לבין העולם הפיזי הופיע לראשונה ב-Chiportal.

תעשיית השבבים נכנסה לשלב שבו ההתקדמות כבר אינה תלויה רק ביכולת לדחוס עוד טרנזיסטורים על פרוסת סיליקון. מהפכת הבינה המלאכותית דוחפת את מרכזי הנתונים, המעבדים ורכיבי הזיכרון לקצה גבול היכולת הפיזיקלית שלהם. צריכת ההספק עולה, פיזור החום נעשה קשה יותר, והעברת הנתונים בין מעבדים לזיכרונות הופכת לאחד מצווארי הבקבוק המרכזיים של הדור הבא.

מאמר שפרסם סבסטיאן ווד, מדען ראשי במעבדה הלאומית לפיזיקה בבריטניה, NPL, מצביע על נקודה שנוטה להישאר מאחורי הקלעים: כדי למסחר טכנולוגיות שבבים חדשות, לא מספיק לפתח חומרים, אריזות או ארכיטקטורות חדשות. צריך גם לדעת למדוד אותן, לבדוק אותן ולהשוות ביניהן בצורה אמינה. במילים פשוטות: אי אפשר לייצר בקנה מידה תעשייתי מה שאי אפשר למדוד באופן עקבי.

הבעיה נעשית בולטת במיוחד בשלושה תחומים. הראשון הוא המעבר לאריזות תלת־ממדיות ולצ'יפלטים. כאשר התעשייה מנסה לחבר שכבות רבות של רכיבי חישוב, זיכרון ותקשורת בדיוק של ננומטרים, כלי המדידה המסורתיים אינם תמיד מספיקים. בדיקות כאלה צריכות לראות לא רק את פני השטח, אלא גם את המבנה הפנימי של הערימה. לכן גדל השימוש בשיטות מדידה מתקדמות, ובהן טכניקות מבוססות קרני X.

התחום השני הוא ניהול החום. שבבי AI צפופים יותר צורכים יותר אנרגיה ומייצרים יותר חום. לכן נבחנים כיום חומרים חדשים, ובהם יהלום, כבסיס לפתרונות קירור מתקדמים. אולם גם כאן האתגר אינו רק חומרי. יש צורך למדוד את איכות החומר, את האחידות שלו על פני פרוסות, ואת יכולתו לפנות חום בתנאי עבודה אמיתיים.

התחום השלישי הוא "קיר הזיכרון". מעבדים מתקדמים מסוגלים לבצע חישובים בקצב גבוה בהרבה מזה שבו ניתן להזרים אליהם נתונים מהזיכרון. זיכרונות ברוחב פס גבוה, שילוב קרוב יותר בין רכיבי חישוב וזיכרון, ופוטוניקה משולבת באריזה, CPO, מציעים נתיבי התקדמות. אולם שילוב אופטי בתוך מארז שבב מחייב חיבור בין חומרים שונים ותהליכי ייצור שונים, ולכן גם שיטות מדידה חדשות.

לצד זאת, התעשייה בוחנת כיוונים רחוקים יותר, כמו רכיבים נוירומורפיים, שמנסים לחקות עקרונות פעולה של מערכת העצבים, וחומרים דו־ממדיים שיכולים לשמש כתעלות טרנזיסטור בדורות עתידיים. גם כאן, הפער בין הדגמה מעבדתית לבין מוצר אמין עובר דרך יכולת מדידה, כי יצרנים ולקוחות זקוקים לנתונים חוזרים, מוסכמים וניתנים להשוואה.

הזווית הבריטית במאמר ברורה: בריטניה אינה שחקנית ייצור המוני של שבבי סיליקון, אך יש לה בסיס מחקרי חזק בתחומים כמו שבבים מורכבים, פוטוניקה מבוססת סיליקון, גידול יהלום וחומרים דו־ממדיים. לכן NPL מציגה את תחום המטרולוגיה והתקינה כהזדמנות אסטרטגית. במקום להתחרות רק בקיבולת ייצור, בריטניה יכולה להשפיע על שרשרת הערך העולמית דרך פיתוח תקני מדידה מוקדמים, שיאפשרו לחברות להוכיח ביצועים, להפחית סיכון למשקיעים ולהאיץ כניסה לשוק.

עבור תעשיית השבבים כולה, המסר רחב יותר. הדור הבא של שבבי AI לא ייבנה רק על ליתוגרפיה מתקדמת או על עוד שכבות באריזה. הוא ידרוש תשתית בדיקה, אפיון וסטנדרטיזציה עמוקה יותר. מי שיחזיק ביכולת למדוד חום, אותות, פגמים, חיבורים אופטיים והתנהגות של חומרים חדשים בקנה מידה של פרוסות — יוכל להשפיע לא רק על המחקר, אלא גם על קצב המסחור של שבבי הדור הבא.

הפוסט בעידן שבבי ה־AI, צוואר הבקבוק הבא הוא לא רק הייצור אלא המדידה הופיע לראשונה ב-Chiportal.