גוגל, שבבעלות אלפבית, מתכננת להשקיע עד 40 מיליארד דולר ב־Anthropic, מפתחת מודלי Claude ואחת המתחרות המרכזיות של OpenAI. לפי דיווח בלומברג, ההשקעה תתחלק לשני שלבים: 10 מיליארד דולר במזומן כעת, לפי שווי של כ־350 מיליארד דולר, ועוד עד 30 מיליארד דולר בהמשך אם החברה תעמוד ביעדי ביצוע.

המהלך ממחיש את האופי המורכב של שוק הבינה המלאכותית. גוגל ו־Anthropic הן שותפות אך גם מתחרות. Anthropic מפעילה את משפחת מודלי Claude ומתחרה בגוגל בתחום המודלים הגדולים, ואילו גוגל מפעילה את Gemini ומתחרה ישירות על לקוחות ארגוניים, מפתחים ושירותי AI בענן. במקביל, Anthropic תלויה בגישה לכוח מחשוב עצום, וגוגל רואה בכך הזדמנות לחזק את מעמדה כספקית תשתיות AI, לא רק כחברת תוכנה.

ההשקעה אינה עומדת לבדה. בתחילת אפריל הודיעה Anthropic על הרחבת שיתוף הפעולה עם גוגל וברודקום לרכישת קיבולת של כמה גיגה־ואטים במאיצי TPU מהדור הבא. לפי החברה, הקיבולת החדשה צפויה להתחיל להיכנס לפעולה מ־2027, והיא תשמש לאימון ולהרצה של מודלי Claude. (anthropic.com)

המשמעות היא שהעסקה החדשה היא גם עסקת תשתית. Anthropic אינה זקוקה רק לכסף כדי לממן מחקר ופיתוח, אלא גם לאספקה מובטחת של שבבים, חשמל, קירור, חיבוריות ודאטה־סנטרים. זהו אחד מצווארי הבקבוק המרכזיים של תעשיית ה־AI: ככל שהמודלים גדלים והשימוש המסחרי בהם מתרחב, העלות העיקרית עוברת מהמעבדה אל שכבת התשתית.

הקשר של Anthropic לגוגל החל עוד קודם. באוקטובר 2025 הודיעה החברה כי תרחיב את השימוש שלה בטכנולוגיות Google Cloud, כולל עד מיליון שבבי TPU, במהלך ששוויו הוערך בעשרות מיליארדי דולרים. כעת, ההשקעה החדשה מעמיקה את התלות ההדדית: Anthropic מקבלת הון וגישה לתשתית מחשוב, וגוגל מחזקת לקוח אסטרטגי גדול למאיצי ה־AI ולשירותי הענן שלה.

עם זאת, Anthropic מקפידה לא להישען על ספק אחד בלבד. ב־20 באפריל הודיעה החברה על הרחבת שיתוף הפעולה עם אמזון, הכולל התחייבות של יותר מ־100 מיליארד דולר לשימוש בטכנולוגיות AWS בעשור הקרוב, וקיבולת של עד חמישה גיגה־ואטים עבור אימון והרצת Claude. בכך היא מייצרת איזון בין גוגל, אמזון, וברמות מסוימות גם מיקרוסופט ואנבידיה, במקום להפוך ללקוחה שבויה של ענן יחיד.

ההתפתחות הזאת חשובה גם לשוק השבבים. גוגל מנסה לבסס את TPU כחלופה משמעותית למאיצי GPU של אנבידיה, בעיקר בעומסי עבודה גדולים ומוגדרים היטב. ברודקום, שמייצרת רכיבים ותומכת בתכנון שבבים מותאמים ללקוחות ענן גדולים, נהנית מהמעבר של חברות AI גדולות ממחשוב כללי לפתרונות מותאמים יותר. ככל ש־Anthropic תגדיל את השימוש ב־TPU, כך גוגל תוכל להציג את עצמה לא רק כמתחרה בתחום המודלים, אלא גם כספקית שבבים ותשתית לענף כולו.

העסקה מגיעה לאחר גיוסי ענק קודמים של Anthropic. בפברואר 2026 הודיעה החברה על גיוס של 30 מיליארד דולר לפי שווי של 380 מיליארד דולר לאחר הכסף, בהובלת GIC ו־Coatue. לכן ההשקעה של גוגל אינה רק הבעת אמון נוספת בחברה, אלא חלק ממגמה רחבה יותר: חברות ה־AI המובילות מגייסות הון בהיקפים שהיו חריגים גם בתקופות שיא קודמות בהייטק, משום שהמודלים שלהן דורשים תשתיות פיזיות יקרות בקנה מידה תעשייתי.

עבור גוגל, מדובר במהלך כפול. מצד אחד, היא ממשיכה לפתח את Gemini ולהתחרות ישירות בשוק המודלים. מצד שני, היא מבטיחה לעצמה חלק גדול יותר מהשוק גם במקרה שבו לקוחות יעדיפו להשתמש במודלים של Anthropic. במילים אחרות, גוגל מנסה להרוויח גם מהחזית של המודלים וגם מהחזית של התשתיות.

העסקה מדגישה שינוי עמוק בענף: מרוץ הבינה המלאכותית אינו מוכרע רק באיכות המודל או בממשק המשתמש. הוא מוכרע גם ביכולת לגייס עשרות מיליארדי דולרים, להשיג שבבים בהיקף עצום, להקים מרכזי נתונים, ולהבטיח אספקת חשמל וקירור לאורך שנים. Anthropic, גוגל, אמזון, מיקרוסופט ואנבידיה אינן רק חברות תוכנה בענף חדש; הן בונות תשתית תעשייתית חדשה סביב הבינה המלאכותית.

הפוסט גוגל תשקיע עד 40 מיליארד דולר ב־Anthropic ומעמיקה את הקרב על תשתיות הבינה המלאכותית הופיע לראשונה ב-Chiportal.

אנבידיה פרסמה תוצאות שיא לרבעון הרביעי של שנת הכספים 2026, שהסתיים ב־25 בינואר 2026. החברה דיווחה על הכנסות של 68.1 מיליארד דולר ברבעון, עלייה של 20% לעומת הרבעון הקודם ועלייה של 73% לעומת הרבעון המקביל אשתקד. בסיכום השנה כולה הגיעו ההכנסות ל־215.9 מיליארד דולר, עלייה של 65% לעומת שנת הכספים הקודמת.

המנוע המרכזי של הצמיחה היה שוב תחום מרכזי הנתונים. הכנסות החטיבה הגיעו ברבעון ל־62.3 מיליארד דולר, עלייה של 75% לעומת השנה שעברה. בסיכום שנתי הגיעו הכנסות מרכזי הנתונים ל־193.7 מיליארד דולר. המשמעות היא שרוב מוחלט של פעילות אנבידיה כבר אינו מגיע מכרטיסים גרפיים לצרכנים, אלא ממערכות חישוב, מאיצים, רשתות ותשתיות למרכזי נתונים של בינה מלאכותית.

גם הרווחיות נותרה חריגה. שיעור הרווח הגולמי לפי GAAP עמד ברבעון על 75%, והרווח המדולל למניה לפי GAAP הגיע ל־1.76 דולר. שיעור רווחיות כזה מצביע על ביקוש גבוה, על יתרון טכנולוגי ועל יכולת תמחור חזקה בשוק שבו לקוחות הענן וחברות הבינה המלאכותית ממשיכות לרכוש כמויות גדולות של חומרה.

הנתונים ממחישים את עומק השינוי שעברה אנבידיה. החברה, שהייתה מזוהה במשך שנים עם כרטיסים גרפיים לגיימרים ולתחנות עבודה, הפכה לספקית תשתית מרכזית של מהפכת הבינה המלאכותית. תחום הגיימינג עדיין צמח, אך הוא כבר משני בהיקפו לעומת פעילות מרכזי הנתונים. לפי ניתוח Tom’s Hardware, תחום הגיימינג היווה בשנת הכספים 2026 רק כ־11.45% מהכנסות החברה.

לצד המאיצים הגרפיים, אנבידיה מוכרת כיום מערכות שלמות הכוללות שבבים, רשתות, תוכנה וארכיטקטורות שרתים. כך היא נהנית לא רק ממכירת שבב בודד, אלא מהקמת שכבה שלמה בתשתית ה־AI. המגמה הזו בולטת במיוחד במעבר של השוק מאימון מודלים גדולים להרצתם בפועל, תהליך שמגדיל את הצורך במערכות חישוב יעילות, מהירות וחסכוניות יותר באנרגיה.

התוצאות גם מצמצמות, לפחות בטווח הקצר, את החשש מפני האטה חדה בביקוש לתשתיות בינה מלאכותית. לפי דיווחים כלכליים, החברה עקפה את תחזיות האנליסטים והציגה תחזית הכנסות של כ־78 מיליארד דולר לרבעון הבא. תחזית זו מצביעה על כך שהלקוחות הגדולים עדיין ממשיכים להשקיע בבניית מרכזי נתונים חדשים ובשדרוג תשתיות קיימות.

עם זאת, התלות של אנבידיה בשוק מרכזי הנתונים יוצרת גם ריכוז סיכונים. האטה בהשקעות הענן, מגבלות יצוא, תחרות מצד שבבים ייעודיים של ענקיות טכנולוגיה, או לחץ על מחירי המאיצים עלולים להשפיע על קצב הצמיחה בעתיד. בשלב זה, הנתונים מלמדים כי הביקוש עדיין חזק מאוד, אך גם כי החברה תלויה יותר מאי פעם בהמשך ההתרחבות של תשתיות הבינה המלאכותית.

בסיכום הרבעון והשנה, אנבידיה מציגה תמונה ברורה: הבינה המלאכותית אינה עוד תחום צומח בתוך החברה, אלא ליבת פעילותה. ההכנסות, הרווחיות והתחזית קדימה מציבים אותה במרכז שרשרת הערך של תעשיית ה־AI, משבבים ורשתות ועד מערכות מחשוב שלמות למרכזי נתונים.

הפוסט אנבידיה מסכמת שנת שיא עם הכנסות של 216 מיליארד דולר הופיע לראשונה ב-Chiportal.

חברת ואסט דאטה (VAST Data), המפתחת פלטפורמת נתונים ומחשוב לעומסי עבודה של בינה מלאכותית, הודיעה על השלמת סבב גיוס מסדרה F לפי שווי של 30 מיליארד דולר. מדובר בקפיצה חדה לעומת השווי של 9.1 מיליארד דולר שניתן לחברה בסבב הקודם, מסדרה E, בסוף 2023.

הסבב הובל במשותף בידי Drive Capital ו־Access Industries, וכלל גם השתתפות של משקיעים קיימים ובהם Fidelity Management & Research Company, ‏NEA ואנבידיה (NVIDIA), לצד משקיעים חדשים. היקף העסקה הכולל, שכלל גם רכיב של הון ראשוני וגם עסקאות סקנדרי, נאמד בכ־1 מיליארד דולר.

בוואסט דאטה מסבירים כי הגיוס נועד לחזק את מעמדה בשוק תשתיות ה־AI, תחום שנהנה בשנים האחרונות מהשקעות עתק מצד חברות ענן, מפעילי דאטה סנטרים וארגונים גדולים. כספי ההשקעה הראשוניים, לפי החברה, ישמשו להאצת ההתרחבות הגלובלית, להרחבת שיתופי פעולה טכנולוגיים ולבחינת עסקאות אסטרטגיות שירחיבו את בסיס המוצרים והטכנולוגיות שלה.

החברה נוסדה ב־2016, עם תחילת גל ה־Deep Learning, ובנתה את פעילותה סביב ההנחה שעומסי עבודה של AI ידרשו ארכיטקטורת נתונים שונה מזו שהייתה מקובלת עד אז. לשם כך פיתחה את ארכיטקטורת DASE (Disaggregated Shared Everything), שנועדה, לפי החברה, לצמצם את הפשרות המקובלות בין ביצועים, פשטות, עלות ויכולת התרחבות. בהמשך הרחיבה ואסט דאטה את הבסיס הזה לפלטפורמה רחבה יותר, שאותה היא מגדירה כיום כמערכת הפעלה ל־AI, VAST AI OS.

הפלטפורמה של ואסט מאחדת שכבות שבעבר נוהלו בנפרד — נתונים, מחשוב ועיבוד בזמן אמת — ומאפשרת לארגונים לאמן מודלים, להריץ יישומי AI ולהפעיל סוכנים חכמים בקנה מידה רחב. בחברה מציינים כי המערכת כבר משמשת אלפי ארגונים, ובהם CoreWeave, ‏Lowe’s, חיל האוויר האמריקאי ו־Cursor, וכי היא פועלת בסביבות הכוללות מיליוני מעבדים גרפיים.

רנן חלק, מייסד ומנכ"ל החברה, אמר כי "כבר היום אנו תומכים בסביבות AI הכוללות מיליוני GPUs ברחבי העולם, ופועלים בכל שכבות הסטאק הטכנולוגי. מה שמתבהר הוא ששכבות אלו אינן עצמאיות עוד. יישומים, מודלים ותשתיות פועלים כיום כמערכת אחת דרך הנתונים. VAST נמצאת במרכז המקום שבו מערכת כזאת פועלת, וזה מסביר את רמת הביקוש שאנו רואים בקנה מידה גלובלי".

החברה הציגה נתונים שנועדו להמחיש כי אינה רק צומחת במהירות, אלא גם מתקרבת לבשלות פיננסית. לפי הודעתה, ואסט דאטה חצתה רף של 4 מיליארד דולר בהזמנות מצטברות, וסיימה את שנת הכספים האחרונה עם יותר מ־500 מיליון דולר בהכנסות שנתיות חוזרות מחויבות (CARR), לצד מרווח תפעולי חיובי ותזרים מזומנים חופשי חיובי. עוד מסרה החברה כי רשמה בשנת הכספים האחרונה מדד Rule of X של 228%, נתון שלדבריה משקף שילוב חריג של צמיחה ורווחיות.

בין המשקיעים הישראליים הבולטים בוואסט דאטה נמנות Greenfield Partners, שהובילה את סבב B בשנת 2019 והמשיכה להשתתף בסבבים מאוחרים יותר, וכן 83North, שהייתה בין המשקיעות הראשונות בחברה. נוכחותם של גופים ישראליים בסיפור הצמיחה של ואסט בולטת במיוחד נוכח העובדה שהחברה מפעילה גם פעילות משמעותית בישראל.

לוואסט דאטה משרדים בתל אביב ובחיפה, והיא מסרה כי היא ממשיכה לגייס עובדים ועובדות בתחומי הפיתוח, תשתיות ה־AI, המוצר, הכספים ותפקידים נוספים. בכך היא מצטרפת לשורה של חברות תשתית ובינה מלאכותית שמנסות לנצל את גל ההשקעות הנוכחי כדי להרחיב פעילות במהירות, תוך הצגת מודל עסקי יציב יותר מזה שאפיין חלק מחברות הטכנולוגיה בעשור הקודם.

הגיוס הנוכחי ממקם את ואסט דאטה כאחת החברות הפרטיות בעלות השווי הגבוה ביותר בתחום תשתיות ה־AI. כעת ייבחן האם תצליח לתרגם את ההתלהבות בשוק ואת זרם ההזמנות הגובר למעמד ארוך טווח בשכבת הליבה של מרכזי הנתונים לדור הבא.

הפוסט ואסט דאטה גייסה לפי שווי של 30 מיליארד דולר, על רקע הביקוש הגובר לתשתיות AI הופיע לראשונה ב-Chiportal.

"ככל שמעבדים יותר נתונים בשנייה, המחשב נהיה אינטליגנטי יותר. כדי להיות חכם יותר, נדרש מחשב חזק יותר". כך מסכם איל ולדמן, ממייסדי מלאנוקס וכיום יו"ר Waldo Holdings, את הכוח שמניע כיום את תעשיית השבבים העולמית, לקראת כנס ChipEX2026 שייערך ב-12 במאי 2026 בגני התערוכה וב-13 במאי 2026 במרכז פרס לשלום בארגון חברת ASG.

דבריו משקפים היטב את רוח הכנס השנה, שיתמקד לא רק באלקטרוניקה קלאסית ובתכנון שבבים, אלא גם בשאלות הגדולות של עידן הבינה המלאכותית: איך בונים מערכות חזקות יותר, יעילות יותר ומהירות יותר, ומהו תפקידה של ישראל במרוץ הזה.

הכנס השנה עשוי לשמש גם מדד למצבו של הענף המקומי בצל המלחמות הבלתי פוסקות. אם בשנים קודמות הדגש היה בעיקר על חדשנות טכנולוגית ועל חיבור לשוק העולמי, הרי שכעת השאלה רחבה יותר: האם ישראל תוכל להמשיך ולשמור על מעמדה כמרכז פיתוח משמעותי גם בעידן של AI, מתיחות גיאופוליטית ומאבק גלובלי על תשתיות מחשוב ושבבים. ולדמן, לפחות, נשמע זהיר אבל אופטימי. התעשייה נפגעה, הוא מודה, אבל לא נשברה. מבחינתו, השילוב בין בינה מלאכותית, סייבר, ביטחון ויזמות מקומית עדיין יוצר לישראל בסיס חזק להמשך צמיחה.

לפי ולדמן, תעשיית השבבים נמצאת במגמת התקדמות מתמדת. הקצבים עולים, התדרים גדלים, הביצועים משתפרים והיכולות מתרחבות. בעבר אלה היו בעיקר מנועי צמיחה של מחשוב, תקשורת וטלפונים חכמים. כיום, בינה מלאכותית היא הכוח המרכזי שמאיץ עוד יותר את הדרישות. האתגר כבר איננו רק לייצר שבבים מהירים יותר, אלא לבנות תשתית חישובית המסוגלת להתמודד עם כמויות עצומות של נתונים, הן בשלב האימון של מודלים והן בשלב ההסקה, שבו המודל צריך לספק תשובה מהירה ומדויקת בזמן אמת.

AI דוחף את תעשיית השבבים לשלב הבא

ולדמן מצביע על שני מוקדים עיקריים שבהם הבינה המלאכותית משנה את חוקי המשחק. הראשון הוא Training, כלומר אימון מודלים, תהליך שדורש כוח מחשוב עצום, זיכרון, קישוריות פנימית מהירה ויכולת להזרים כמויות אדירות של נתונים. השני הוא Inference, שלב ההפעלה של המודלים, שבו הדרישות משתנות לפי סוג היישום, מספר המשתמשים, זמן התגובה הנדרש ומקום ההרצה, בענן, בקצה הרשת או במכשיר עצמו.

שני התחומים האלה, לדבריו, תלויים בשבבים יעילים יותר. לא מדובר רק במעבדים חזקים יותר, אלא גם בארכיטקטורות חדשות, באריזה מתקדמת, בקישוריות מהירה, באמינות, באימות, ובתכנון שמבין מראש את מגבלות האנרגיה, החום והעלות. זו גם הסיבה שנושאי הכנס השנה כוללים תחומים כמו Chiplet וסטנדרט UCIe, פתרונות ייצור בשני ננומטר וב-High-NA EUV, אימות ובינה מלאכותית ב-EDA, ניהול תרמי במערכות תלת-ממדיות, Hardware Root of Trust, וכן תקשורת אופטית ופוטוניקה בסיליקון.

לא רק AI: גם סייבר וביטחון תופסים מקום מרכזי

לצד הבינה המלאכותית, ולדמן מסמן שני תחומים נוספים שבלטו השנה במיוחד בישראל: סייבר וביטחון. לדבריו, המצב הביטחוני הקשה השפיע על כלל המשק, על היקף הביקורים, על נסיעות עסקיות ועל פעילות חברות. עם זאת, הוא אינו רואה בכך נזק בלתי הפיך. להפך, הוא מדגיש כי בישראל ממשיכות לצמוח חברות חדשות, לצד חברות שמתמודדות עם קשיים, וכי יש תחומים שבהם היתרון הישראלי עדיין בולט מאוד.

בתחום הביטחון, הוא מציין מגוון רחב של פיתוחים, מרחפנים וטילים ועד סייבר התקפי, לוחמה אלקטרונית, מערכות זיהוי ופתרונות מתקדמים נוספים. לשיטתו, חלק מהיתרון הזה נובע מהמפגש בין ניסיון מבצעי, הון אנושי, וידע שמגיע גם מיחידות טכנולוגיות כמו 8200 ו-81 וגם מהאקוסיסטם האזרחי של חברות הזנק ותעשייה ותיקה.

הפוסט לקראת ChipEX2026: איל ולדמן מצביע על AI, סייבר וביטחון כמנועי הצמיחה של ההייטק הישראלי הופיע לראשונה ב-Chiportal.

ממשל טראמפ פתח רשמית את השלב הראשון של American AI Exports Program, תוכנית שנועדה לקדם יצוא של “חבילת AI אמריקאית מלאה” לשווקים בעולם. הבסיס לתוכנית הוא צו נשיאותי שפורסם ב־23 ביולי 2025, שקבע כי ארה״ב לא רק צריכה להוביל בפיתוח בינה מלאכותית, אלא גם לוודא שטכנולוגיות, תקנים ומודלי ממשל אמריקאיים יאומצו ברחבי העולם. בהמשך לכך הודיע משרד המסחר האמריקאי כי החל ב־1 באפריל 2026 ועד 30 ביוני 2026 ניתן להגיש הצעות לקונסורציומים תעשייתיים שיציעו חבילות AI ליצוא. (The White House)

לפי מסמכי התוכנית, “חבילת AI מלאה” חייבת לכלול חמישה רבדים: חומרה מותאמת ל-AI ותשתיות נלוות, מערכות דאטה ותיוג, מודלים ומערכות AI, שכבת אבטחה וסייבר, וכן אפליקציות לשימושים ענפיים כמו בריאות, חינוך, חקלאות, תחבורה, פיננסים או ממשל. הקונסורציומים שייבחרו לא אמורים למכור רק רכיב בודד, אלא להציע פתרון שלם שניתן להציגו ללקוחות ציבוריים ופרטיים בעולם כחבילה מוכנה לפריסה.

ההטבה המרכזית למי שייבחר אינה מענק ישיר, אלא מעמד מועדף מול הממשל האמריקאי. קונסורציום מאושר ייכנס ל“תפריט” החבילות המאושרות שהממשל יוכל להציג לרוכשים זרים, ויוכל לקבל קידום ממשלתי מול ממשלות אחרות, חשיפה באירועים רשמיים, עדיפות בבחינת היבטי רישוי יצוא לעסקאות מסוימות, וגישה מועדפת לכלי מימון פדרליים ולתיאום בין־משרדי. עם זאת, ה־Federal Register מדגיש במפורש שהמעמד הזה אינו מבטיח אישור רישיון יצוא, מימון, ביטוח או זכייה בפועל בעסקה.

מבחינת החברות הישראליות, הנקודה החשובה ביותר היא שהמסמכים הרשמיים קובעים כי חבר העוגן של הקונסורציום, זה שמגיש את ההצעה ומשמש כתובת רשמית לתוכנית, חייב להיות תאגיד אמריקאי שמאורגן לפי חוקי ארה״ב ומרכז עסקיו הראשי בארה״ב. אפילו חברה־בת או שלוחה אמריקאית של קבוצה זרה אינה יכולה לשמש כחבר עוגן אם חברת האם העליונה שלה מאורגנת מחוץ לארה״ב. עם זאת, חברות זרות יכולות להשתלב כחברות קונסורציום, ובמקרים חריגים גם לשמש ספק מרכזי ברובד החומרה או המודלים, אם משרד המסחר יקבע שהדבר משרת את האינטרס הלאומי האמריקאי. במקרה כזה, ההכרה בהן מוגבלת לחבילה המיועדת למדינת הבית שלהן. המשמעות המעשית היא שחברות ישראליות אכן יכולות להשתתף, אך בדרך כלל כשותפות טכנולוגיות בתוך מסגרת בהובלה אמריקאית, ולא כמובילות העצמאיות של המהלך.

המהלך הזה מתחבר לפעילות של לשכת המסחר ישראל–אמריקה, שהקימה כבר ב־2024 פורום AI ייעודי, ואבנר גורן משמש בו יועץ. לפי ההודעה שנמסרה מלשכת המסחר, היא מתכוונת לסייע לחברות ישראליות מול גורמי הממשל בארה״ב כדי לבחון השתלבות בקונסורציומים. גורן מסר כי השילוב של חדשנות טכנולוגית ישראלית ויכולת הוכחת ביצועים מהירה יכול לאפשר לחברות מישראל להפוך לשותפות בעלות ערך במיזמים רב־לאומיים. (amcham.co.il)

הרקע המדיני־כלכלי חשוב לא פחות. בחודשים האחרונים ממשל טראמפ מנסה לעצב מחדש את מדיניות יצוא ה-AI האמריקאית: מצד אחד הוא ביטל את מגבלות היצוא הרחבות מתקופת ביידן על שבבי AI לשורה ארוכה של מדינות, בטענה שהן מכבידות מדי; מצד שני, לפי דיווחי רויטרס, נבחנת מסגרת חדשה שעשויה לקשור גישה לשבבי AI אמריקאיים גם להתחייבויות השקעה או ביטחון מצד המדינות הרוכשות. לכן ההבטחה ל“עדיפות” בבחינת רישיונות יצוא בתוך התוכנית החדשה עשויה להיות בעלת ערך מסחרי ממשי, במיוחד בשווקים שבהם רגישות היצוא גבוהה.

מבחינת התעשייה הישראלית, זהו פתח מעניין אך לא פשוט. התוכנית האמריקאית יכולה לאפשר לחברות ישראליות להיכנס לפרויקטים גלובליים גדולים בלי לבנות לבדן ערימת AI מלאה מקצה לקצה, אבל היא גם כופה מסגרת ברורה: רוב ההובלה, הבעלות והזהות המסחרית של ההצעה צריכות להיות אמריקאיות. לכן, בחודשיים הקרובים, האתגר של החברות הישראליות יהיה לא רק טכנולוגי אלא גם מבני — למצוא שותף עוגן אמריקאי מתאים, להשתלב ברובד הנכון של ה-stack, ולעמוד בתנאי התוכן, הבעלות והציות ליצוא שקבעה וושינגטון. זה לא “שער פתוח” לחלוטין, אבל זו בהחלט דלת חדשה שנפתחה.

הפוסט ארה״ב פתחה חלון להצטרפות לקונסורציומי AI; חברות ישראליות יוכלו להשתלב בפתרונות הופיע לראשונה ב-Chiportal.

עבור מהנדסי השבבים, שינוי זה מייצג אתגר ארכיטקטוני מהותי המשנה את סדרי העדיפויות בתכנון. השאלה אינה עוד כיצד למקסם את התפוקה (Throughput) במעבד גרפי עתיר הספק, אלא כיצד לספק יכולות בינה מלאכותית משמעותיות במכשיר בעל הספק המוגבל לעשרות מילי-וואטים בלבד ומיועד לפעול במשך שנים על סוללה בודדת. המניעים למעבר זה נובעים משלושה אילוצים קריטיים: השהייה (Latency),  פרטיות  (Privacy)  וקישוריות  . (Connectivity) במערכות בטיחותיות כמו רכב אוטונומי או רובוטיקה רפואית, ההשהייה הקיימת בענן אינה קבילה, שכן תגובה במקרי קיצון חייבת להימדד במיקרו-שניות. במקביל, הצורך בפרטיות המידע והרגולציה הגוברת דורשים שנתונים ביומטריים גולמיים יישארו במכשיר. לבסוף, חוסר האמינות המובנה בהסתמכות על רשתות תקשורת אלחוטיות בסביבות תעשייתיות או חקלאיות הופך את ההסקה העצמאית למציאות הכרחית.

המעבר לקצה מחייב חשיבה מחדש על כל שכבה בחומרה. בניגוד לפרדיגמת מרכזי הנתונים, המהנדסים נדרשים כעת למקסם את ה"AI לכל מילי-וואט". זהו המניע העיקרי למעבר מארכיטקטורות GPU כלליות למאיצים ייעודיים .(Domain-Specific Accelerators) עם זאת, השינוי העמוק ביותר מתרחש בהיררכיית הזיכרון. בבינה מלאכותית בקצה, הזיכרון ולא כוח המחשוב , הוא צוואר הבקבוק העיקרי. שליפת נתונים מזיכרון הDRAM- צורכת סדרי גודל יותר אנרגיה מביצוע החישוב עצמו. כתוצאה מכך, מאיצי קצה מודרניים מתבססים על מערכי SRAM רחבים על השבב השומרים על הנתונים קרובים למארג המחשוב. טכניקות כמו גיזום נתונים (Pruning) , דלילות (Sparsity) וכימות (Quantization) הפכו מהנחות אופציונליות לדרישות יסוד בתכנון, כאשר חלק מהארכיטקטורות כבר דוחפות לכיוון של חישוב בתוך הזיכרון (In-Memory Computing) המצמצם את תנועת הנתונים כמעט לאפס.

מעבר ליכולות הסקה, הדרישה הגוברת ללמידה אדפטיבית במכשיר מציבה רף חדש של דרישות. יישומים רבים מניטור בריאות מותאם אישית ועד לתחזוקה חזויה דורשים מודלים המסוגלים להתאים את עצמם לאורך זמן, מה שמחייב חומרה התומכת בעדכוני תוכנה חסכוניים. טכנולוגיות זיכרון לא נדיף מתפתחות, כגון RRAM ו MRAM- נבחנות כיום כחלופות לאחסון פרמטרים של מודלים המתפתחים במהלך הפעולה. במקביל, מסגרות למידה מאוחדות (Federated Learning) מאפשרות למכשירים להתאמן מקומית ולתרום לעדכון מודל גלובלי מבלי לחשוף מידע גולמי. זה מחייב את מתכנני השבבים למטב את המאיצים לא רק לתפוקת הסקה, אלא גם לעומסי עבודה של אימון בדיוק נמוך.

המגמה המשמעותית ביותר המגדירה את 2026 היא התכנון המשותף של חומרה ותוכנה ביחד. הגבולות המסורתיים בין פיתוח אלגוריתמים לארכיטקטורת שבבים מיטשטשים; מהנדסי תוכנה מתכננים כיום מודלים המותאמים מראש לאילוצי החומרה, וצוותי חומרה בונים מאיצים התפורים למשפחות מודלים ספציפיות, כגון Vision Transformers למערכות ראייה או מודלי שפה קומפקטיים לעוזרים קוליים. ההתכנסות של טכניקות דחיסה בוגרות, מאיצים ייעודיים וארכיטקטורות זיכרון מתקדמות יצרה נקודת מפנה בה הEdge AI  הופך למודל הפריסה המוגדר כברירת מחדל.

בתוך מארג זה,  לתעשייה הישראלית תפקיד מפתח בתכנון ארכיטקטורת הEdge AI- העולמית, כשהיא נשענת על מסורת רבת שנים של מצוינות בתחומי התקשורת והVLSI-  .

האקו-סיסטם המקומי, שהוביל בעבר את מהפיכות הקישוריות והאחסון, השכיל להסב את ה DNA ההנדסי שלו להתמודדות עם אתגרי ההסקה והעיבוד בקצה. מרכזי הפיתוח של הענקיות הבינלאומיות בישראל, לצד דור חדש של סטארטאפים המתמקדים בAI-Centric Silicon-  מציבים את ישראל בחזית המאבק על יעילות ה- PPA  (Power, Performance, Area) .

היכולת הישראלית המוכחת בתכנון שבבים מורכבים (SoC) ובייצור פתרונות המגשרים על פער המחשוב והזיכרון, היא שהופכת את התעשייה המקומית לקטר המוביל של עידן הInference-  גם בקצה.

בשנת 2026, ברור כי הפתרונות שיאפשרו לאינטליגנציה המלאכותית לפעול בצורה אוטונומית, מאובטחת וחסכונית במכשירים הסובבים אותנו, נוצרו במידה רבה מתוך היוזמה והחדשנות של קהילת השבבים הישראלית.

העשור הקרוב לא יוכרע על ידי עוצמת העיבוד בענן, אלא על ידי התושייה הנדרשת להטמעת אינטליגנציה במכשירים הקטנים והמוגבלים ביותר המקיפים אותנו – בכיס, ברכב ובמפעל.

הפוסט 2026 – שנת המפנה לכיוון ה- EDGE-AI הופיע לראשונה ב-Chiportal.

משרד המנהל עבר שידרוג דיגיטלי, ובמרכזו לא רק מחשב מהיר יותר, אלא מושב חדש ליד השולחן. בינה מלאכותית (AI) ובינה מלאכותית גנרטיבית (GenAI) עברו מניסויים ספקולטיביים לכלים מרכזיים בתהליך קבלת החלטות ניהוליות. הנתונים מהרבעון הראשון של 2026 חושפים מציאות קשה: המנהלים כבר לא רק "משתמשים" בטכנולוגיה; הם מנהלים איתה ניסויים משותפים.

הסטנדרט החדש של המנהלים: אינטגרציה מלאה.

בשנת 2026, אימוץ הבינה המלאכותית אינו טרנד – הוא קו הבסיס. מחקרים אחרונים מראים כי 87% מהמנהלים משתמשים כיום בבינה מלאכותית בחייהם המקצועיים. אולי יותר מובהקת היא תדירות המעורבות הזו. בין 46% ל-48% מהמנהלים מדווחים על שימוש יומיומי בכלי GenAI. זה לא רק לצורך ניסוח מיילים או סיכום דוחות ארוכים. אנו עדים למעבר לתמיכה בהחלטות בעלות סיכון גבוה. למעלה מ-60% מהמנהלים מדווחים כיום על שימוש בכלי בינה מלאכותית כדי לסייע ברוב ההחלטות האסטרטגיות שלהם. זה מצביע על כך שבינה מלאכותית עברה את שלב "העוזר האדמיניסטרטיבי" ונכנסה לשלב "היועץ האסטרטגי".

תופעת "ראש הסגל":

 כמעט 74% מהמנהלים סומכים כיום על ייעוץ המונע על ידי בינה מלאכותית יותר מאשר על דעותיהם של חבריהם או בני משפחתם בכל הנוגע לעניינים עסקיים. עובדה זו הציבה את הבינה המלאכותית כ"ראש המטה" הדיגיטלי שלהם אשר לעתים קרובות משמש כבעל המילה האחרונה בהמלצות על ספקים, החלטות רכישה וכניסות לשווקים חדשים. במספרים: נוף הבינה המלאכותית של מנהלים לשנת 2026 הטבלה הבאה מדגישה את הסטטיסטיקות הקריטיות המגדירות מנהיגות בשנה הכספית הנוכחית:

כ-44% מהמנהלים הבכירים הודו שהם ביטלו כיוון אסטרטגי שתוכנן קודם לכן, על סמך תובנות שנוצרו על ידי בינה מלאכותית. בעבר, "תחושת הבטן" של מנכ"ל או שנות ניסיון שלו היו עשויים להיות הגורם המכריע בקבלת ההחלטות של המנהלים. כיום, נתונים שעובדו באמצעות מודלים מתקדמים של GenAI המסוגלים לדמות אלפי משתני שוק – נתפסים יותר ויותר כמצפן אמין יותר. עבור כ-38% מהמנהלים, אמון זה הגיע לרמה שבה הם מאפשרים לבינה מלאכותית לקבל החלטות עסקיות באופן אוטונומי בשמם.

היקף ההשפעה:

השפעת הבינה המלאכותית אינה מורגשת באופן שווה בכל המגזרים. בחברות עם הכנסות שנתיות של 5 מיליארד דולר ומעלה, ההשפעה היא המשבשת ביותר. בתאגידים ענקיים אלה, תובנות המונעות על ידי בינה מלאכותית אינן עוד רק "פרספקטיבה נוספת". לעתים קרובות הן עוקפות לחלוטין תהליכי קבלת החלטות מסורתיים ואיטיים יותר המונחים על ידי אדם. כאשר מתמודדים עם שרשראות אספקה ​​גלובליות ותנודות מיקרו בזמינות מוליכים למחצה או סחר בינלאומי, המהירות של GenAI מאפשרת לענקיות אלה לשנות כיוון תוך שעות ולא חודשים.

פער האימוץ הגדול: היררכיה חדשה.

בעוד ש"מנכ"ל המונע על ידי בינה מלאכותית" הוא הכותרת של 2026, פער אימוץ משמעותי נוצר בתוך ארגונים. ההנהגה נעה מהר יותר מהדרגים. בעוד שאצל מנהלים בכירים שיעור שימוש בביה מלאכותית מגיע ל 87%. אצל מנהלי דרגי הביניים שיעור השימוש הוא   57%. ואילו אצל כלל העובדים שיעור שימוש מגיע ל  27% בלבד. אימוץ מלמעלה למטה מצביע על כך שמנהיגים מזהים את הצורך התחרותי של בינה מלאכותית הרבה יותר מוקדם מהצוות שלהם. עם זאת, בקרב מנכ"לים ספציפית, עדיין שוררת אווירת "ניסיון". בעוד ש-19% מהמנכ"לים הם "משתמשים רבי עוצמה" המשלבים את GenAI בתהליך העבודה היומיומי שלהם, כמעט 75% עדיין נמצאים בשלב הניסוי – בודקים את גבולות מה שמודלים אלה יכולים להתמודד איתם לפני שהם מוסרים במלואם את המפתחות לאסטרטגיה

 הספקנים.

למרות המומנטום העצום, אימוץ בינה מלאכותית אינו גורף. כ-28% מהמנהלים הבכירים עדיין לא משתמשים בבינה מלאכותית כלל. קבוצה זו מייצגת פער משמעותי בעולם התאגידי. בעוד שחלקם משתמשים בתדירות גבוהה ומבלים שעות ביום בכוונון עדין של הנחיות וניתוח מודלים, כמעט שליש מאוכלוסיית המנהלים משתמשים בו פחות משעה בשבוע, אם בכלל. ממצא זה מצביע על כך שבעוד ש"מנכ"ל אוטונומי" הופך למציאות יום יומית עבור רבים, נותרה קבוצה מסורתית הנמנעת מלסמוך על הבינה המלאכותית. בין אם זה נובע מחששות ביטחוניים, חוסר אוריינות טכנית או מחויבות פילוסופית למנהיגות אנושית בלבד, נותר נושא לדיון בחדרי ישיבות ברחבי העולם.

סיכום

השאלה כיום כבר אינה "האם בינה מלאכותית תשפיע על חדר הישיבות, אלא כמה פיקוח אנושי על קבלת ההחלטות האנוישת הוא הכרחי. כאשר רוב המנהיגים מסתמכים על בינה מלאכותית עבור הבחירות הקריטיות ביותר שלהם, תפקיד המנכ"ל משתנה. הוא הופך מ"יוצר אסטרטגיה" ל"עורך אסטרטגיה שנוצרה על ידי בינה מלאכותית". המנהיגים המצליחים ביותר של עידן זה הם אלו שיכולים לאזן בין האמון של 74% הסומכים על היועצים הדיגיטליים שלהם לבין החשיבה הביקורתית שרק בן אנוש בעל אתיקה, נסיון ניהולי והשפעה חברתית – יכול לספק. כרגע נראה כי אותם מנהלים המסרבים לסמוך על כלי בינה מלאכותית ישארו מאחור לעומת 87% שכבר אימצו את כלי הבינה המלאכותית וסומכים על הנתונים העומדים לראשותם בזכות שימוש זה.

הפוסט כיצד בינה מלאכותית משפיעה על החלטות המנהלים בחדר הישיבות של 2026 הופיע לראשונה ב-Chiportal.

השאלה שמטרידה אותנו — מהנדסי חומרה  — היא פשוטה: האם זה יגיע גם אלינו?

האם AI ישנה גם את עולם תכנון השבבים?

על פניו, התשובה נראית ברורה. אם AI יכול לכתוב קוד Python בצורה אוטונומית, מדוע שלא יוכל לכתוב RTL?  אם אפשר לתאר פונקציונליות בשפה טבעית ולקבל תוכנה עובדת — מדוע לא ניתן לקבל סביבת וריפיקציה בSV/UVM?

למעשה, בשנתיים האחרונות צצו סטארטאפים רבים המציעים בדיוק את זה: כלי AI לתכנון שבבים, לאוטומציה של אימות, ליצירת RTL מתוך מפרטים. גם חברות ה EDA הגדולות — Cadence, Synopsys, Siemens — מתחילות להציע פתרונות AI משלהן (או לרכוש חברות סטארטאפ בתחום) כחלק מסביבות העבודה המוכרות.
ואכן, בכנס המרכזי של תעשיית הEDA, ה-DAC, בשנה שעברה ארגנתי מושב בו אירחנו 7 חברות שהציגו פתרונות בתחום, וגם השנה, בכנס שיערך בסוף יולי בלונג-ביץ', אנחנו צפויים לארגן שני מושבים כאלו.

אבל מה המצב בפועל? ומתי נוכל באמת לתכנן שבבים באופן אוטומטי?

מחזור ההייפ של גארטנר

כדי להמחיש את התשובה על השאלה הזו בצורה טובה, כדאי להיעזר ב"מחזור ההייפ" של גארטנר — מסגרת מוכרת שמתארת כיצד טכנולוגיות חדשות מתפתחות לאורך זמן. לפי המודל הזה, כל טכנולוגיה עוברת מסלול דומה: מתחילה כסוד שידוע רק למביני עניין, שעם הזמן מתפשט בהתלהבות רחבה שמנפחת ציפיות לשמיים. בהמשך, הרבה מציפיות אלו מתנגשות בקרקע המציאות והטכנולוגיה צוללת ל"תהום האכזבה" — ואז, לאט לאט, חלק מההצוותים מגלים מה באמת עובד ומטפסים אל "רמת הפרודוקטיביות הבשלה".

לאחרונה כתבתי מאמר בו מיפיתי את הנוף הנוכחי של AI בעיצוב שבבים על פי מודל זה. התמונה שהתקבלה מורכבת — אבל בדיוק בגלל זה היא שימושית. לא כל כלי AI בתעשייה שלנו נמצאים באותו מקום על הציר:

• עזרי יצירת קוד וסביבות  IDE כבר נמצאים כמעט בכל שולחן ומספקים ערך אמיתי בסביבת עבודה יומיומיות.
• כלים מסויימים בתחום הdebug  מספקים תוצאות אמינות בסביבות מבוקרות, ומתחילות להופיע בחלק מהפרויקטים.
• יצירת RTL מלא על ידי LLM – יש בזה הרבה נסיונות אבל מעט הוכחות בסביבת עבודה אמיתית ובקנה מידה גדול.
• אג'נטים שמתכננים שבב שלם לבד — נמצאים בפסגת ההייפ: החזון מרתק, המציאות עדיין לא שם.
• אחרון חביב, מודלי שפה (או (multi-modal לתכנון מעגלים — הטכנולוגיה שיכולה לשנות את הכל — עדיין ברובו בשלבי מחקר ובבעבודה בstealth mode בחברות מסויימות.  

מחזור ההייפ של AI בתכנון שבבים — מיפוי נכון לתחילת 2026

המצב בפועל: מה עובד עכשיו ומה עדיין רחוק

כאמור, בינתיים, הפתרון הנפוץ ביותר בתעשייה שלנו  הוא GitHub Copilot — או כלי IDE דומים — לעזרה בכתיבת קוד. וכאן חשוב להיות מדויקים: הכלים האלה ממש עובדים. הם עוזרים לכתיבת סקריפטים, לאוטומציה של משימות חוזרות, לכתיבת test benches פשוטים, ולפיסות RTL קטנות ומוגדרות היטב.

אבל — וזה "אבל" גדול — הם עדיין לא מסוגלים לכתוב בלוקים שלמים ומורכבים, ובוודאי לא לאמת אותם. המהנדס עדיין חייב להיות בשליטה, עדיין בודק, עדיין מחליט. ה-AI הוא עוזר מוכשר, לא מחליף.

זה רחוק מאוד מvibe coding  שרואים בתוכנה. והשאלה היא מדוע?

מדוע עיצוב שבבים לא מתקדם באותו קצב של תוכנה?  

הפער הזה אינו מקרי — יש לו ארבע סיבות מבניות שמסבירות אותו:

1. בעיית דאטה לאימון: GitHub  מכיל מאות מיליוני מאגרי קוד פתוח. מיליארדי שורות של Python   JavaScript ו-C++ שאומנו לתוך מודלים שמבינים תוכנה לעומק. לעומת זאת, לא תמצא ב GitHubהרבה קבצי תכנון שבבים. על פי רוב, הקוד שמתכנני שבבים כותבים לעולם לא עוזב את החברה ויכול לשמש לאימון מודלים. ולכן המודל  מתחיל את העבודה בחוסר מידע קיצוני: קבצי Verilog  ו-SystemVerilog ביחד מונים פחות מ-7,000 מאגרים ציבוריים בגיטהאב.

2. בעיית המשוב: בתוכנה, ה-AI  יכול לנסות משהו, לטעות, לראות את התוצאה ולתקן — תוך שניות. זו הבסיס של הvibe coding . בתכנון שבבים, ריצת סימולציה יכולה לקחת שעות עד ימים. קשה לבנות לולאת אג'נטית מהירה כשלולאת המשוב איטית כל כך.

3. בעיית רף הנכונות: בתוכנה, "מספיק טוב לשחרר" הוא סטנדרט לגיטימי. מקסימום, אפשר לתקן אחרי. בתכנון שבבים, רף הנכונות הוא גובה הרבה יותר! טעות קטנה שמגיעה לסיליקון עולה מיליוני דולרים וחודשים של זמן תיקון. תכנון שהוא "כמעט נכון" — לא מספיק.

4. בעיית שרשרת הכלים: כלי הפיתוח בתוכנה מתועדים, רבים מהם כלי קוד פתוח, וה AI  אומן עליהם בהיקף רחב. שרשרת כלי ה-EDA איננה פתוחה. בנוסף, הפורמטים של קבצים רבים הוא מורכב ולא נגיש – מה שמקשה על אימון מודלים.

ארבעת הסיבות האלו מצטרפות לכך שהתקדמות בעולמות השבבים איטית יותר.

אז מה כן עובד?

אחרי שהרצנו במספר פרויקטים שבהם הכנסנו AI לתהליכי תכנון ואימות, מצאנו שישנן משימות ספציפיות ומוגדרות שבהן AI מספק ערך אמיתי כבר היום — ומשימות אחרות שבהן AI עדיין פחות יעיל.  

כמו כן, לעיתים, הצלחת ה-AI  בעיצוב שבבים תלויה לא בשאלה "האם להכניס AI" אלא ב"כיצד והיכן להכניס AI".
בהרצאה בכנס Chipex נרחיב על הניסיון שלנו בתחום וניתן עצות מעשיות, טכנולוגיות וארגוניות, הנדרשות כדי להפיק את התועלת המירבית מהיכולות הבאמת מרשימות של הבינה המלאכותית.

משה זלצברג הוא מנכ"ל חברת שירותי תכנון שבבים Veriest Solutions. המאמר הזה עובד ממאמר רחב יותר שלו שניתן למצוא כאן

הפוסט האם ה Vibe Coding – יגיע גם לעולם השבבים? הופיע לראשונה ב-Chiportal.

ברודקום הודיעה ב־6 באפריל על שני מהלכים שמחזקים את מעמדה בלב מירוץ תשתיות הבינה המלאכותית. לפי דיווח CNBC והמסמך שהגישה החברה ל־SEC, ברודקום חתמה עם גוגל על הסכם ארוך טווח לפיתוח ואספקה של דורות עתידיים של מעבדי Tensor Processing Units, לצד הסכם לאספקת רכיבי רשת ורכיבים נוספים עבור ארונות ה־AI החדשים של גוגל, עד שנת 2031. במקביל הורחב גם שיתוף הפעולה המשולש עם אנתרופיק, כך שהחל מ־2027 תקבל החברה גישה, באמצעות ברודקום, לכ־3.5 ג'יגה־ואט של קיבולת מחשוב מבוססת TPU. (SEC)

המהלך של גוגל וברודקום משקף את המאמץ הגובר של ענקיות הענן לבנות חלופה אמיתית ל־GPU של אנבידיה. לפי Reuters, הביקוש לשבבים מותאמים אישית כמו TPU של גוגל זינק בשנים האחרונות, כאשר חברות מחפשות פתרונות זולים ויעילים יותר לעומסי עבודה של בינה מלאכותית. גוגל דוחפת את ה־TPU שלה גם כמנוע צמיחה מרכזי לעסקי הענן, וברודקום היא השותפה הטכנולוגית המרכזית שמסייעת לה לתכנן ולייצר את הדורות הבאים של השבבים הללו.

במקביל, אנתרופיק מאותתת עד כמה הביקוש למודלי Claude גדל במהירות. בהודעתה הרשמית מסרה החברה כי חתמה עם גוגל וברודקום על הסכם חדש ל"מספר ג'יגה־ואטים" של קיבולת TPU מהדור הבא, שצפויה לעלות לאוויר החל מ־2027. אנתרופיק הוסיפה כי קצב ההכנסות השנתי שלה כבר עבר את רף 30 מיליארד הדולר, לעומת כ־9 מיליארד דולר בלבד בסוף 2025, וכי מספר הלקוחות העסקיים המוציאים יותר ממיליון דולר בשנה הוכפל בתוך פחות מחודשיים וחצה את רף ה־1,000. רוב הקיבולת החדשה, כך נמסר, תוקם בארצות הברית. (Anthropic)

מבחינת ברודקום, העסקה החדשה מעמיקה עוד יותר את מעמדה כספקית תשתית קריטית לשחקניות הגדולות ביותר ב־AI. CNBC ציינה כי החברה כבר עובדת גם עם OpenAI על סיליקון ייעודי, בזמן שיצרניות המודלים הגדולות ממשיכות להישען במקביל גם על GPU של אנבידיה, דרך ספקיות ענן כמו אמזון, גוגל ומיקרוסופט. המשמעות היא שברודקום כבר אינה רק ספקית שבבים ורכיבי תקשורת, אלא שחקנית מפתח במעבר של התעשייה לארכיטקטורות AI מותאמות אישית, שבהן הלקוח מבקש יותר שליטה על המחיר, הביצועים ושרשרת האספקה.

ההודעה גם ממחישה עד כמה מירוץ התשתיות של הבינה המלאכותית מתרחב מעבר לשאלה מי מחזיק במודל הטוב ביותר. שדה התחרות עובר יותר ויותר אל שכבת החומרה, הרשת והחשמל: מי יכול להבטיח קיבולת של ג'יגה־ואטים של מחשוב, מי מסוגל לפרוס אותה מהר, ומי יכול לתרגם זאת להכנסות ענק. במקרה הזה, גוגל מקבלת חיזוק אסטרטגי ל־TPU, אנתרופיק מבטיחה לעצמה מסלול התרחבות אגרסיבי, וברודקום ממקמת את עצמה כאחת הנהנות המרכזיות מן הגל הבא של השקעות ה־AI.

הפוסט ברודקום מרחיבה את הימור ה־AI: תחתום על דורות השבבים הבאים של גוגל ותספק קיבולת ענק לאנתרופיק הופיע לראשונה ב-Chiportal.

אמזון מאותתת לראשונה בפומבי על אפשרות להפוך את שבבי הבינה המלאכותית שלה ממנוע פנימי של AWS לעסק חיצוני רחב יותר. במכתב לבעלי המניות שפורסם ב־9 באפריל 2026 כתב המנכ"ל אנדי ג’סי כי קצב ההכנסות השנתי של עסקי השבבים של החברה — הכוללים את מעבדי Graviton, מאיצי Trainium וכרטיסי הרשת Nitro — כבר עבר את רף 20 מיליארד הדולר, והוא ממשיך לצמוח בשיעורים תלת־ספרתיים משנה לשנה. ג’סי הוסיף כי הנתון הזה אף “ממעיט” עם היקף הפעילות האמיתי, משום שאמזון עדיין ממסחרת את השבבים שלה בעיקר דרך שירותי EC2, ולא כחטיבת שבבים עצמאית שמוכרת ללקוחות חיצוניים כפי שעושות יצרניות שבבים אחרות. לדבריו, אילו עסקי השבבים היו פועלים כעסק עצמאי שמוכר גם ל-AWS וגם לצדדים שלישיים, קצב ההכנסות השנתי היה מגיע לכ־50 מיליארד דולר. הוא אף רמז כי בשל הביקוש הגבוה, “סביר מאוד” שאמזון תמכור בעתיד מדפי שרתים שלמים המבוססים על השבבים שלה ללקוחות חיצוניים.

החשיפה הזאת חשובה משום שהיא משנה את האופן שבו צריך לקרוא את אסטרטגיית השבבים של אמזון. נכון להיום, אמזון לא הכריזה על מכירה ישירה של שבבי Trainium או Graviton כמוצרי מדף נפרדים, ולכן אי אפשר עדיין לומר שהיא נכנסה רשמית לשוק של מכירת שבבים “בקופסה”. אבל מהדברים של ג’סי עולה בבירור שהחברה בוחנת את השלב הבא: לא רק להפעיל שבבים משלה בתוך AWS, אלא גם למכור תשתיות פיזיות שלמות המבוססות עליהם. במובן הזה, אמזון מאותתת על מעבר הדרגתי ממודל של ספקית ענן שמשתמשת בסיליקון פנימי, למודל של ספקית תשתיות AI מלאה, שיכולה בעתיד להתחרות לא רק על זמן ענן אלא גם על מכירת מערכות חומרה מוכנות.

האיתות הזה מגיע ברקע מהלך רחב יותר של אמזון בתחום ה-AI. Reuters דיווחה כי ג’סי חשף באותו מכתב גם שקצב ההכנסות השנתי של שירותי ה-AI של AWS כבר עבר את 15 מיליארד הדולר, וכי אמזון מתכננת להוציא בשנת 2026 כ־200 מיליארד דולר בהשקעות הון, בעיקר עבור תשתיות AI. ג’סי גם הדגיש שחלק ניכר מההשקעות הללו כבר מגובה בהתחייבויות לקוחות. המשמעות היא שאמזון אינה מציגה את השבבים שלה כניסוי הנדסי בלבד, אלא כנדבך מרכזי במודל העסקי החדש של AWS: שליטה בשכבות המפתח של התשתית, מן הסיליקון דרך השרתים והרשת ועד שירותי הענן והמודלים עצמם.

צעד הביניים החשוב ביותר בדרך לשם כבר קיים. בדצמבר 2025 השיקה AWS את AWS AI Factories, שירות שמאפשר לפרוס תשתיות AI ייעודיות של AWS בתוך מרכזי הנתונים של הלקוחות עצמם. לפי ההכרזה הרשמית, השירות משלב מאיצי Trainium החדשים של אמזון לצד GPU של אנבידיה, רשתות בעלות השהיה נמוכה, אחסון מהיר ושירותי AI של AWS, וכל זאת בסביבה ייעודית ומבודדת שנבנית עבור הלקוח. במילים אחרות, אמזון כבר אינה מגבילה את השימוש בשבבים שלה לענן הציבורי שלה בלבד; היא כבר מספקת ללקוחות תשתיות פיזיות מבוססות AWS באתר הלקוח. זה עדיין לא שווה למכירת שבב כיחידה עצמאית, אבל זהו שלב מעשי מאוד בדרך לשם.

גם בצד הלקוחות כבר יש סימנים לכך שהשוק מוכן למהלך כזה. ב־7 באפריל דיווחה Reuters כי Uber מרחיבה את השותפות שלה עם אמזון ומשתמשת במעבדי Graviton כדי לשפר עומסי מחשוב בפעילות הנסיעות והמשלוחים שלה, ובמאיצי Trainium כדי לאמן מודלי AI שמפעילים את האפליקציות שלה. במקביל, AWS הודיעה כבר באוקטובר 2025 כי Project Rainier, אחד מאשכולות מחשוב ה-AI הגדולים בעולם, עלה לאוויר עם כמעט חצי מיליון שבבי Trainium2, כאשר Anthropic כבר מריצה עליו עומסי עבודה, ו-Claude צפוי לפעול עד סוף השנה על יותר ממיליון שבבי Trainium2. בפברואר 2026 הודיעו OpenAI ואמזון על שותפות אסטרטגית שבמסגרתה OpenAI תצרוך כ־2 ג'יגה־ואט של קיבולת Trainium דרך תשתיות AWS, בהסכם שכולל את Trainium3 ואת הדור הבא, Trainium4. שלוש הדוגמאות הללו מראות שהשבבים של אמזון כבר אינם רק טכנולוגיה פנימית: הם הופכים לבסיס שעליו נבנים עומסי עבודה של לקוחות חיצוניים מהגדולים בעולם.

המהלך של אמזון גם משתלב במגמה רחבה יותר בתעשייה. Reuters דיווחה השבוע כי Broadcom חתמה עם גוגל על הסכם ארוך טווח לפיתוח ואספקה של דורות עתידיים של שבבי AI מותאמים אישית עבור מדפי ה-AI של גוגל עד 2031, וכי Anthropic תקבל גישה לקיבולת מחשוב גדולה המבוססת על שבבי גוגל. Reuters ציינה כי הביקוש לשבבים מותאמים אישית כמו TPU של גוגל גדל מאוד בשנים האחרונות, ככל שחברות מחפשות חלופות ל-GPU היקרים של אנבידיה. על הרקע הזה, הרמז של ג’סי כבר אינו נשמע תיאורטי: הוא משתלב במעבר רחב של תעשיית הענן ממודל של רכישת שבבים מצד שלישי בלבד, למודל שבו ענקיות הענן מפתחות, מפעילות ובהדרגה גם מסחריות את הסיליקון שלהן עצמן.

לכן, הידיעה האמיתית אינה שאמזון כבר החלה למכור שבבי Trainium או Graviton לחברות אחרות כמוצר מדף. הידיעה היא שאמזון עברה את נקודת הבשלות שבה עסקי השבבים שלה גדולים מספיק כדי להצדיק מהלך כזה, ושמנכ"ל החברה בחר לומר זאת בגלוי. אם אכן תתחיל בעתיד למכור מדפי שרתים חיצוניים, אמזון לא תהיה רק מפעילת ענן עם שבבים פנימיים, אלא שחקנית חומרה משמעותית בשוק ה-AI העולמי — כזו שתנסה להתחרות לא רק באיכות שירותי הענן, אלא גם במחיר־ביצועים של התשתית עצמה.

הפוסט אמזון מאותתת: שבבי ה-AI שלה לא יישארו רק בתוך AWS הופיע לראשונה ב-Chiportal.