אוניברסיטת בן־גוריון בנגב הודיעה על כוונתה לפתוח בשנת הלימודים תשפ"ז תוכנית לתואר ראשון (B.Sc) בבינה מלאכותית, בכפוף לאישור המועצה להשכלה גבוהה. מדובר במהלך שמטרתו להעניק הכשרה ממוקדת בתחום שהפך בשנים האחרונות לאחד ממנועי הצמיחה המרכזיים של תעשיית ההייטק והמחקר.

עד כה נלמדה הבינה המלאכותית ברוב המוסדות האקדמיים בישראל כחלק מתואר במדעי המחשב, באמצעות קורסי בחירה או מסלולי התמחות. התוכנית החדשה מבקשת להפוך את התחום לליבת התואר כולו, תוך שילוב קורסים במדעי המחשב, מתמטיקה, סטטיסטיקה ולמידת מכונה לצד נושאים מתקדמים כגון למידה עמוקה, מודלים גנרטיביים, עיבוד שפה טבעית וראייה ממוחשבת.

התוכנית אמורה לפעול במסגרת הפקולטה למדעי המחשב והמידע באוניברסיטה, ותהיה מבוססת על סגל החוקרים העוסק בבינה מלאכותית בתחומים שונים. בראש התוכנית צפוי לעמוד פרופ' ערן טרייסטר, חוקר בתחום למידת המכונה והחישוב המדעי.

המהלך מגיע על רקע מחסור עולמי באנשי מקצוע בעלי הכשרה מתקדמת בבינה מלאכותית. חברות טכנולוגיה, מוסדות מחקר וגופי ממשל מגבירים בשנים האחרונות את הביקוש למהנדסים וחוקרים בעלי הבנה עמוקה של אלגוריתמים, מודלים גדולים ותשתיות חישוב מתקדמות.

עם זאת, מומחים בתחום מציינים כי השאלה המרכזית אינה רק פתיחת מסלולים חדשים, אלא גם התאמת תוכניות הלימודים לקצב ההתפתחות המהיר של התחום. טכנולוגיות שנלמדות כיום עשויות להשתנות בתוך שנים ספורות, ולכן נדרשת הכשרה המבוססת על יסודות מתמטיים ומדעיים לצד חשיפה לכלים העדכניים ביותר.

לדברי האוניברסיטה, התוכנית תסתמך על תשתיות מחשוב ייעודיות, לרבות אשכול חישוב מבוסס GPU המאפשר אימון והרצה של מודלים מתקדמים, וכן על מעבדות רובוטיקה ושיתופי פעולה עם חברות טכנולוגיה. בנוסף ייכללו בתוכנית קורסים העוסקים בהשלכות החברתיות והאתיות של הבינה המלאכותית, נושא הזוכה לתשומת לב גוברת בעולם האקדמי והרגולטורי.

פתיחת התוכנית משתלבת במגמה רחבה יותר בישראל, שבה מוסדות אקדמיים מנסים להרחיב את ההיצע בתחומי הבינה המלאכותית, מדעי הנתונים והסייבר, במטרה לענות על צורכי המשק ולחזק את מעמדה של ישראל בזירה הטכנולוגית העולמית.

עד לקבלת אישור המל"ג, טרם פורסמו היקף הקליטה הצפוי, תנאי הקבלה הסופיים או מספר המקומות שיוצעו במחזור הראשון.

הפוסט אוניברסיטת בן־גוריון מבקשת לפתוח תואר ראשון ייעודי בבינה מלאכותית הופיע לראשונה ב-Chiportal.

מארוול (Marvell Technology) הכריזה בתערוכת Computex 2026 בטאייפי על Teralynx T100, מתג Ethernet חדש למרכזי נתונים, המציע קצב העברת נתונים של 102.4 טרה־ביט לשנייה. השבב מיועד בעיקר לרשתות תקשורת המשרתות מערכות בינה מלאכותית גדולות, שבהן אלפי ואף עשרות אלפי מאיצים פועלים במקביל.

ההכרזה משקפת את השינוי שעובר שוק התשתיות למרכזי נתונים. בעוד שבעבר עיקר תשומת הלב הופנתה למעבדים ולמאיצים עצמם, כיום הופכת רשת התקשורת הפנימית לאחד מצווארי הבקבוק המרכזיים במערכות AI גדולות. ככל שמספר המאיצים באשכול גדל, כך גובר הצורך בהעברת כמויות עצומות של נתונים במהירות ובאמינות.

לדברי מארוול, השבב החדש פועל בטכנולוגיית ייצור של 3 ננומטר ומספק צריכת חשמל נמוכה יחסית לקטגוריה שלו. החברה טוענת כי צריכת האנרגיה נמוכה בכ-25% לעומת פתרונות מתחרים, אם כי נתונים אלה טרם נבחנו באופן בלתי תלוי.

אחד המאפיינים המרכזיים של Teralynx T100 הוא תמיכה בעד 512 חיבורים (Ports) במתג יחיד. מספר גבוה של חיבורים מאפשר לבנות רשתות פשוטות יותר, עם פחות שכבות ציוד ביניים ופחות קישורים אופטיים. המשמעות היא צמצום בעלויות התשתית ובהשהיית התקשורת בין השרתים והמאיצים.

האתגר אינו רק טכנולוגי אלא גם אנרגטי. מרכזי נתונים המוקדשים לבינה מלאכותית צורכים כמויות חשמל הולכות וגדלות, וחלק ניכר מהאנרגיה מוקדש למערכות התקשורת עצמן. לפי נתוני מארוול, רכיבי הרשת עשויים להוות בין 15% ל-25% מצריכת החשמל הכוללת של שרתים מתקדמים.

השבב החדש נועד לתמוך הן בארכיטקטורות Scale-Out, שבהן מחברים מספר גדול של שרתים ומאיצים לאשכול רחב, והן בארכיטקטורות Scale-Up, שבהן נדרש חיבור צפוף ומהיר במיוחד בין מאיצים בתוך מערכת אחת. לצורך כך הוא תומך בתקנים וביוזמות חדשות בתחום רשתות ה-Ethernet למערכות AI.

מרכז הפיתוח של מארוול בישראל היה מעורב בפיתוח הרכיב. לפי החברה, מאות מהנדסים בישראל השתתפו בשלבי הארכיטקטורה, התכנון הפיזי, הבדיקות וההכנה לייצור.

הצגת Teralynx T100 מצטרפת למגמה רחבה יותר בתעשיית השבבים, שבה ספקיות התשתית מנסות להתחרות לא רק על ביצועי העיבוד אלא גם על יעילות התקשורת בין המאיצים. עם העלייה בגודל מודלי הבינה המלאכותית ובדרישות ההסקה והאימון, יכולת הרשת הופכת לגורם קריטי כמעט כמו כוח החישוב עצמו.

שבב Teralynx T100 צפוי להימסר ללקוחות ראשונים לצורכי הערכה במהלך הרבעון הנוכחי.

הפוסט מארוול חושפת מתג חדש למרכזי נתוני AI במהירות 102.4 טרה־ביט לשנייה הופיע לראשונה ב-Chiportal.

דרייבנטס (DriveNets) הודיעה על השלמת סבב גיוס רביעי בהיקף של 410 מיליון דולר, שנועד להרחיב את פעילותה בתחום תשתיות התקשורת למרכזי נתונים ולמערכי בינה מלאכותית גדולים. לפי החברה, הסבב משקף עלייה משמעותית בשוויה, אם כי השווי החדש לא נמסר. סך ההשקעות בחברה מאז הקמתה מגיע כעת לכמיליארד דולר.

את הסבב מובילות הקרנות Bessemer Venture Partners ו־Atreides Management, לצד השתתפות של AMD, Red Dot Capital, והמשקיעים הקיימים פיטנגו, D1 Capital וגופים נוספים. הכסף ישמש בין היתר לבניית מלאים זמינים של פלטפורמות תקשורת, כדי לתמוך בפרויקטי AI גדולים ובביקוש הצפוי בשנים 2026 ו־2027.

דרייבנטס מעסיקה כיום כ־700 עובדים בישראל, ארה"ב, קנדה, אירופה ואסיה. החברה מציינת כי היא נמצאת בתזרים מזומנים חיובי, וכי צבר ההזמנות והפרויקטים שלה עומד על יותר ממיליארד דולר.

מצווארי בקבוק בתקשורת לניצול טוב יותר של מאיצי AI

דרייבנטס פיתחה בתחילה פתרונות תקשורת לספקיות תקשורת גדולות. הטכנולוגיה שלה משמשת כיום ברשתות תקשורת רחבות היקף, בין היתר אצל KDDI, Comcast ו־AT&T. בשנים האחרונות הרחיבה החברה את פעילותה גם לתשתיות AI, תחום שבו נדרשות רשתות תקשורת מהירות ויעילות במיוחד כדי לחבר אלפי מאיצים, שרתים ומערכות אחסון.

במרכז הפעילות הזו עומד פתרון AI Fabric של החברה. הפתרון נועד לחבר קלאסטרים גדולים של מאיצי AI, לשפר את ניצול כוח החישוב ולהפחית צווארי בקבוק בתקשורת בין המעבדים, בחיבור לתשתיות חיצוניות ובגישה למערכות אחסון. הפתרון מבוסס על Ethernet סטנדרטי, לצד שכבות תוכנה ואינטגרציה שפיתחה החברה לאורך תשתית ה־AI מקצה לקצה.

החשיבות של התחום גדלה ככל שחברות ענן, ספקיות AI וארגונים גדולים מקימים מרכזי נתונים ייעודיים לאימון ולהרצה של מודלי בינה מלאכותית. במערכות כאלה, גם מאיצי AI יקרים עלולים לעמוד ללא ניצול מלא אם הרשת אינה מצליחה להעביר אליהם נתונים בקצב הנדרש.

עידו סוסן, מנכ"ל ומייסד שותף בדרייבנטס, אמר כי “המשאב היקר ביותר בעולם כיום הוא GPU שעומד ללא ניצול וממתין לרשת התקשורת. זה מה ש־DriveNets פותרת”. לדבריו, החברה מביאה ניסיון של עשור בתקשורת בקצבים גבוהים ובקנה מידה גדול, ומסייעת ללקוחות לנצל טוב יותר את כוח העיבוד, להפחית עלויות תפעול ולהרחיב פעילות AI על גבי כל סוג של מעבד AI.

הימור על תשתיות AI הטרוגניות

אחד המסרים המרכזיים של דרייבנטס בסבב הנוכחי הוא תמיכה בתשתיות AI הטרוגניות: קלאסטרים שבהם משולבים מאיצי AI מכמה יצרנים שונים, במקום מערכת המבוססת על ספק יחיד. גישה כזו עשויה לאפשר לחברות לשלב מאיצים שונים למשימות שונות, להפחית תלות בספק אחד ולשפר מדדים כלכליים כמו עלות למיליון טוקנים וצריכת חשמל ביחס להיקף העיבוד.

השתתפות AMD בסבב מדגישה את החשיבות האסטרטגית של התחום. ואמסי בופנה, סגן נשיא בכיר לתחום ה־AI ב־AMD, אמר כי תשתיות הבינה המלאכותית נכנסות לעידן של מערכות פתוחות, שבהן מאיצים, תקשורת ותוכנה מספקים שונים משתלבים יחד. לדבריו, ההשקעה בדרייבנטס משקפת מחויבות משותפת לייעול תשתיות AI המבוססות על מאיצי AMD Instinct ועל פתרונות התקשורת של דרייבנטס.

אדם פישר, שותף ב־Bessemer Venture Partners, אמר כי בכל מהפכה מחשובית קמה גם חברת תקשורת משמעותית: “סיסקו חיברה את האינטרנט, Arista חיברה את עולם הענן, ו־NVIDIA חיברה את עולמות ה־AI המבוססים על ספק יחיד. DriveNets בונה את תשתיות התקשורת לדור הבא של עולם ה־AI – תשתיות AI הטרוגניות”.

אהרון מנקובסקי, שותף מנהל בפיטנגו, הוסיף כי ההשקעה בדרייבנטס היא השאפתנית ביותר שביצע בתחום התקשורת לאורך שלושה עשורים. לדבריו, החברה נמצאת בנקודת המפגש שבין תקשורת לבינה מלאכותית, וממוצבת כשחקנית מרכזית ככל שתשתיות AI מתרחבות בקנה מידה עולמי.

הגיוס הנוכחי מציב את דרייבנטס במקום מרכזי במאבק על שכבת התקשורת של תשתיות AI. בעוד תשומת הלב הציבורית מתמקדת לרוב במאיצים עצמם, היכולת לחבר אותם ביעילות הולכת והופכת לאחד הגורמים הקובעים את ביצועי המערכת ואת כדאיותה הכלכלית.

הפוסט דרייבנטס גייסה 410 מיליון דולר להרחבת תשתיות התקשורת לעידן ה-AI הופיע לראשונה ב-Chiportal.

אינטל ניצלה את תערוכת Computex 2026 בטייוואן כדי להציג כיוון אסטרטגי ברור: מעבר מעידן שבו הבינה המלאכותית נשענת בעיקר על אימון מודלים במרכזי נתונים גדולים, לעידן שבו המודלים רצים ברציפות – במרכזי נתונים, בארגונים וברובוטים בשטח. החברה חשפה שורת מוצרים חדשים למרכזי נתונים ולמחשוב קצה, ובהם Xeon 6+ בתהליך Intel 18A, בקר רשת חדש, פרטים ראשונים על כרטיס AI ייעודי לאינפרנס, ומערך תוכנה וחומרה לרובוטיקה פיזית.

לפי אינטל, עד 2030 אינפרנס – כלומר הרצה שוטפת של מודלים בשירותים פעילים – יהווה 37% מקיבולת מרכזי הנתונים העולמית, לעומת 13% בלבד לאימון מודלים. המשמעות מבחינת החברה היא שינוי ביחסי הכוחות: ה־GPU ימשיך להיות רכיב חיוני באימון ובחלק מעומסי ה־AI, אך ככל שסוכני AI ירוצו ברציפות, ייגשו לנתונים, יתזמרו משימות ויפעילו שירותים רבים במקביל, המעבד המרכזי יחזור להיות רכיב מפתח בארכיטקטורת המערכת.

קבורק קצ'יצ'יאן, סגן נשיא בכיר ומנכ"ל קבוצת מרכזי הנתונים של אינטל, אמר כי “אי אפשר ש־AI יגדל רק על ידי הוספת עוד כרטיסים גרפיים. צריך שכל המערכת תעבוד יחד”. לדבריו, כאשר AI הופך לסוכן שרץ ברציפות, האתגר אינו רק כוח חישוב, אלא ניהול מקבילי של תהליכים והעברת נתונים מהירה.

Xeon 6+ ו־Intel 18A: הרבה ליבות לעומסי AI סוכני

ההכרזה המרכזית למרכזי נתונים היא Intel Xeon 6+, מעבד שרתים חדש עם עד 288 ליבות יעילות על שבב אחד. זהו המעבד הראשון של אינטל למרכזי נתונים המיוצר בתהליך Intel 18A, הכולל את טכנולוגיות PowerVia ו־RibbonFET. המעבד מיועד לעומסי עבודה שבהם נדרש מספר גדול של ליבות הפועלות במקביל, כגון שירותי ענן, רשתות 5G ותזמור סוכני AI.

אינטל מציגה את המעבד כחלק מתפיסה שהיא מכנה “מרכז בינה” – מרכז נתונים שמריץ סוכני AI עבור לקוחות, בשונה ממרכז נתונים המיועד בעיקר לאימון מודלים גדולים. לפי החברה, במרכזים כאלה היחס בין CPU ל־GPU צפוי להתקרב ל־1:1, משום שחלק גדול מהעומסים יישארו סביב בסיסי נתונים, רשתות, אחסון, שירותי ענן ארגוניים ותזמור תוכנה.

בהשוואה שהציגה אינטל מול AMD EPYC 9755, המעבד העליון בסדרת Xeon 6+ מציג לטענתה יתרון ממוצע של 30% בביצועים ו־30% בביצועים לכל ואט. מול הדור הקודם של אינטל עצמה, החברה מדווחת על שיפור של פי 2.26 בביצועים ממוצעים ועל שיפור של פי 1.55 ביעילות האנרגטית.

רשת וכרטיס AI חדש: אינטל מחזקת את שכבת התשתית

לצד המעבד הכריזה אינטל על Intel Ethernet E835, בקר רשת ומתאמי רשת חדשים במהירויות של עד 200GbE. החברה מציבה את המוצר מול פתרונות של אנבידיה וברודקום וטוענת ליתרון ביעילות אנרגטית. הבקר תומך ב־RDMA להפחתת עומס על המעבד, כולל מנגנוני אבטחה חומרתיים, ומתוכנן למחזור חיים של יותר מעשר שנים. בין השותפות התומכות כבר במוצר: Cisco, Dell, HPE, Lenovo ו־Supermicro.

בנוסף חשפה אינטל פרטים ראשונים על כרטיס AI חדש למרכזי נתונים בשם הקוד Crescent Island. הכרטיס מבוסס על ארכיטקטורת Xe3P, מיועד לאינפרנס של סוכני AI, וכולל 480GB זיכרון LPDDR5X על כרטיס יחיד. העיצוב מיועד לשרתים קיימים, בתצורת PCIe ובקירור אוויר של 350 ואט, ללא צורך בתשתית קירור נוזלי. מבחינת אינטל, זהו ניסיון למצב פתרון יעיל יותר עבור מודלים עתירי זיכרון וטוקנים, שלא בהכרח דורשים את כוח החישוב המרבי של כרטיסי אימון.

מהרובוט במעבדה לרובוט בשטח

החלק השני בהכרזות של אינטל מתמקד ברובוטיקה. החברה הציגה את Physical AI OpenVINO, ערכת כלים בקוד פתוח שנועדה לקצר את הדרך מפיתוח אב־טיפוס של רובוט לפריסה מסחרית. הרעיון הוא לספק שכבת תוכנה אחידה עבור דרייברים, חיישנים, מנועי הסקה ובקרה, במקום שכל יצרן רובוטים יבנה את כל השכבות האלה מחדש.

לצד הערכה הציגה אינטל גם את Physical AI Studio, סביבת פיתוח לאיסוף נתונים, כוונון מודלים, אופטימיזציה וקוונטיזציה, וכן ייצוא מודלי VLA – Vision-Language-Action. אלה מודלים שמקבלים תמונה, מבינים הקשר ומייצרים פעולה פיזית של הרובוט, בדומה לאופן שבו מודל שפה מקבל טקסט ומייצר תגובה, אך הפלט כאן הוא תנועה בעולם הפיזי.

אינטל טוענת כי יותר מ־130 מוצרי קצה כבר נמצאים בפיתוח על בסיס המעבדים החדשים שלה. החברה מציגה את המהלך כחלופה לשוק שבו אנבידיה מחזיקה כיום נוכחות חזקה באמצעות משפחת Jetson. בבדיקת ביצועים שהציגה אינטל, מעבד Intel Core Ultra 7X 358H הריץ מודל רובוטי המקבל קלט משלוש מצלמות ומחליט בזמן אמת על פעולת הרובוט. לפי נתוני החברה, הביצועים היו מהירים ב־50% מ־NVIDIA Jetson AGX Orin, ואיטיים בכ־10% בלבד מ־NVIDIA Jetson Thor T5000, שמחיר המערכת שלו כפול.

Ella כדוגמה מסחרית

אחת הדוגמאות שהציגה אינטל היא Ella של SensoryAI, עמדת קפה רובוטית שמקבלת הזמנות בשיחה רגילה, מכינה משקאות ומשרתת לקוחות ללא התערבות אנושית. עד לאחרונה, לפי אינטל, המערכת השתמשה במעבד שליטה ובמאיץ AI נפרד. SensoryAI החליפה את שניהם בשבב אחד ממשפחת Intel Core Ultra Series 3, שמריץ במקביל שלושה סוכני AI: סוכן שיחה עם הלקוח, סוכן תפעולי וסוכן ניתוח ביצועים עסקיים ברמת העמדה.

המשמעות הרחבה יותר היא שאינטל מנסה להחזיר את הדיון מ”כמה GPU צריך” לשאלה מערכתית יותר: כיצד מריצים AI באופן רציף, יעיל וזול יותר, גם במרכזי נתונים וגם במכונות פיזיות בשטח. זו אינה הכרזה שמבטלת את הצורך בכרטיסים גרפיים, אלא ניסיון למצב את אינטל כשחקנית שמציעה ארכיטקטורה מלאה – מעבד, רשת, מאיץ AI, תוכנה וכלי פיתוח – לעומסי AI שהולכים ומתקרבים להפעלה שוטפת בעולם האמיתי.

הפוסט אינטל בקומפיוטקס 2026: ה־CPU חוזר למרכז בעידן סוכני ה־AI והרובוטיקה הופיע לראשונה ב-Chiportal.

המעבר של הבינה המלאכותית מהענן ומהדאטה סנטר אל העולם הפיזי — מכוניות, רובוטים, חיישנים ומערכות תעשייתיות — עמד במרכז אחת ההרצאות המרכזיות בסימפוזיון הטכנולוגי האירופי של TSMC, שהתקיים באמסטרדם. את ההרצאה נשא ז’אן־מארק שרי, מנכ"ל STMicroelectronics, שהציג את הדרך שבה החברה מתאימה את עצמה לעידן שבו השבב הבודד כבר אינו מספיק: הלקוחות מחפשים פתרונות מערכתיים, תוכנה, קושחה והבנה עמוקה של היישום הסופי.

בפתיחת האירוע הדגיש כריס תומאס, נשיא TSMC Europe, כי הבינה המלאכותית משנה את דרישות התכנון והייצור של שבבים כמעט בכל שכבות השוק. לדבריו, AI כבר אינה מוגבלת למרכזי נתונים ולהדרכת מודלים גדולים, אלא מתרחבת במהירות גם לקצה: סמארטפונים, כלי רכב, רובוטים, אבחון רפואי, חיזוי אקלים ומערכות מדעיות עתירות חישוב. כל אלה דורשים צפיפות חישוב גבוהה יותר, רוחב פס גדול יותר ויעילות אנרגטית טובה יותר.

TSMC הציגה באירוע גם את עומק הפעילות שלה מול השוק האירופי. לפי הנתונים שהוצגו, בשנה האחרונה שלחה החברה ללקוחות אירופיים יותר מ־1.2 מיליון שקולות פרוסות 12 אינץ’, סיפקה כ־900 מוצרים שונים והשלימה יותר מ־100 tape-outs חדשים — קצב השקול לכשני שבבים מורכבים שנכנסים לייצור מדי שבוע. לצד זאת הדגישה החברה את המשך ההשקעה באירופה: הקמת מפעל ESMC Fab 24 בדרזדן מתקדמת לפי התוכנית, ומרכז התכנון האירופי במינכן כבר החל לפעול, בין היתר בתחום פתרונות זיכרון ללקוחות אירופיים.

שרי קשר בין מגמות אלה לבין השינוי שעוברת STMicroelectronics עצמה. החברה, המעסיקה כ־50 אלף עובדים, מהם כ־10,000 במחקר ופיתוח, נפגעה ב־2025 מהאטה בשוק הרכב ומתיקון מלאים, אך לדבריו נמצאת כעת במסלול התאוששות וצמיחה. יעד החברה הוא להגיע להכנסות של כ־20 מיליארד דולר עד סוף העשור.

עם זאת, החלק המרכזי בהרצאה לא עסק רק במספרים, אלא בשינוי האסטרטגי. שרי תיאר מעבר מחברה המונעת בעיקר ממוצרים ורכיבים אל חברה שמבינה יישומים ומאפשרת אותם. במקום להציע רק מיקרו־בקרים, חיישנים, רכיבי הספק או רכיבים אנלוגיים, ST מבקשת להציע ללקוחות פלטפורמות מותאמות לבעיות מערכתיות: רכב חכם, ניידות, אנרגיה, אוטומציה תעשייתית ומכשירים מחוברים.

המונח המרכזי בהרצאה היה “בינה מלאכותית פיזית” — Physical AI. שרי הציג את התחום כשלב הבא לאחר התרחבות תשתיות ה־AI. בעוד שהכנסות רבות כיום קשורות לתשתיות חישוב, תקשורת והספק לדאטה סנטרים, הצמיחה העתידית תגיע לדבריו ממערכות שבהן AI פועל בתוך העולם הפיזי: רכבים חשמליים ואוטונומיים, רובוטים תעשייתיים, ממשקי אדם־מכונה ומערכות אוטומציה.

הנקודה המעניינת מבחינת ST היא הדמיון הארכיטקטוני בין התחומים האלה. רכב חשמלי מתקדם, רובוט תעשייתי ומערכת חכמה במפעל כוללים כולם מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, בקרים ורכיבי הספק. ההתלכדות הזו מאפשרת לחברה להשתמש בידע מערכת אחד בכמה שווקים, ולבנות פלטפורמות שניתנות להתאמה בין תעשיות.

בהתאם לכך, ST שינתה גם את המבנה הארגוני שלה. במקום חלוקה מסורתית לפי משפחות מוצרים בלבד, החברה מחזקת שיווק לפי ורטיקלים ומשלבת הנדסת מערכת בתחומי האנלוג, ההספק, החיישנים והמיקרו־בקרים. המטרה היא לא רק לשפר רכיב בודד, אלא להראות ללקוח כיצד שילוב רכיבים, תוכנה וקושחה משפר מדדי ביצוע של המערכת כולה.

שרי הדגיש גם את השימוש בתאומים דיגיטליים לצורכי פיתוח ואימון. לדבריו, ST משתפת פעולה עם שותפים כדי לאמן ארכיטקטורות של רובוטים ומערכות פיזיות באמצעות מודלים דיגיטליים של המערכת ושל הרכיבים עצמם. כך ניתן לקצר את תהליכי הלמידה והפיתוח, ולבחון מראש כיצד רכיבי ST משפיעים על ביצועי המערכת.

במקביל, החברה ממשיכה לשנות את מערך הייצור שלה. שרי ציין האצה במעבר לטכנולוגיות מבוססות סיליקון על פרוסות 300 מ"מ, התקדמות בטכנולוגיות רחבות פס אסור כמו סיליקון קרביד, והעמקת שיתוף הפעולה עם שותפי foundry, ובראשם TSMC, גם בצמתים מתקדמים יותר. המסר היה ברור: בעידן ה־AI, גם חברה שמחזיקה יכולות ייצור עצמאיות נדרשת לשלב בין ייצור פנימי, שותפויות foundry והבנה מערכתית של שוקי היעד.

המשמעות הרחבה יותר עבור תעשיית השבבים היא שהגל הבא של AI לא יימדד רק במספר מאיצים בדאטה סנטר או בדור הבא של ליתוגרפיה. הוא יימדד ביכולת לחבר חישוב, חישה, הספק, תוכנה וקישוריות למערכות אמינות, חסכוניות וניתנות לייצור בהיקפים גדולים. עבור אירופה, שבה קיימת מסורת חזקה ברכב, תעשייה, אנרגיה וחיישנים, זהו חלון הזדמנות משמעותי — בתנאי שהאקוסיסטם יצליח לחבר בין יצרני שבבים, חברות תכנון, foundries, יצרני מערכות ולקוחות קצה.

הפוסט מנכ"ל STMicroelectronics: הצמיחה הבאה של הבינה המלאכותית תגיע מהרכב, הרובוטיקה והתעשייה הופיע לראשונה ב-Chiportal.

מארוול טכנולוגיות דיווחה על הכנסות שיא של 2.418 מיליארד דולר ברבעון הראשון של שנת הכספים 2027. מדובר בעלייה של 28% לעומת הרבעון המקביל אשתקד ושל 9% לעומת הרבעון הקודם. התוצאות ממחישות את השינוי שמתרחש בשוק השבבים סביב בינה מלאכותית: הצמיחה אינה מתרכזת רק במאיצים ובמעבדים הגרפיים, אלא גם בשכבות התשתית שמאפשרות למרכזי הנתונים להעביר, לנתב ולעבד כמויות מידע גדלות בקצבים גבוהים יותר.

ברמת הרווחיות, מארוול דיווחה על רווח נקי GAAP של 34.5 מיליון דולר, או 0.04 דולר למניה בדילול מלא. במונחי Non-GAAP דיווחה החברה על רווח נקי של 718 מיליון דולר, או 0.80 דולר למניה בדילול מלא. תזרים המזומנים מפעילות שוטפת הגיע ל־638.8 מיליון דולר, שיא רבעוני עבור החברה.

הנתון המרכזי בדוחות הוא המשך ההתרחבות של עסקי הדאטה סנטר. הכנסות התחום הגיעו לכ־1.833 מיליארד דולר, עלייה של 27% לעומת השנה שעברה ושל 11% לעומת הרבעון הקודם. תחום זה היווה ברבעון כ־76% מהכנסות החברה. לפי מארוול, הביקוש מונע על ידי הצורך בקישוריות מהירה יותר בין שרתים, מאיצים, זיכרון ורשתות, לצד פתרונות אופטיים ומתגי Ethernet לדאטה סנטרים גדולים.

לא רק מאיצי AI

הדוחות של מארוול מצטרפים למגמה רחבה יותר בתעשייה: ככל שמודלי AI ומרכזי הנתונים שמריצים אותם גדלים, נוצר צוואר בקבוק סביב תנועת הנתונים עצמה. מערכות AI גדולות דורשות חיבור מהיר בין אלפי ולעיתים עשרות אלפי רכיבי חישוב. לכן, לצד הביקוש למאיצי AI, עולה גם הביקוש לרכיבי אופטיקה, מיתוג, Ethernet, DCI ופתרונות מותאמים אישית.

מאט מרפי, יו"ר ומנכ"ל מארוול, אמר כי החברה רשמה ברבעון הכנסות שיא של 2.418 מיליארד דולר, וצופה הכנסות של כ־2.7 מיליארד דולר ברבעון השני. לדבריו, החברה רואה הזמנות חריגות הקשורות ל־AI, ולכן מעלה את תחזית ההכנסות לשנות הכספים 2027 ו־2028.

בין התחומים שמארוול מציינת כמנועי צמיחה נמצאים אופטיקה בקצבי 800G ו־1.6T לתשתיות Scale-out, מתגי Ethernet בקצב 51.2T, פתרונות אופטיים ל־Scale-up, מודולי קישוריות בין מרכזי נתונים, וכן פתרונות Custom XPU ו־XPU-attach.

רכישות לחיזוק פלטפורמת ה־AI

במהלך הרבעון השלימה מארוול את רכישת Celestial AI ואת רכישת XConn Technologies. שתי הרכישות משתלבות באסטרטגיה של החברה להרחיב את יכולותיה סביב קישוריות מתקדמת ותשתיות AI. בנוסף, החברה הודיעה לאחרונה על רכישת Polariton Technologies, שנועדה לחזק את פעילותה בתחום האופטיקה המתקדמת.

מארוול גם הודיעה על שיתוף פעולה אסטרטגי עם אנבידיה בתחומי אופטיקה, NVLink Fusion ו־AI-RAN. שיתוף הפעולה מציב אותה באחד האזורים הצומחים של שוק הדאטה סנטרים: החיבור בין תשתיות חישוב, תקשורת מהירה ורשתות מבוססות AI.

תחזית גבוהה יותר ל־2027 ו־2028

מארוול צופה כי ההכנסות ברבעון השני של שנת הכספים 2027 יעמדו על כ־2.7 מיליארד דולר, עם סטייה אפשרית של 5% למעלה או למטה. לפי נקודת האמצע של התחזית, מדובר בצמיחה של כ־35% לעומת השנה שעברה. החברה מעריכה כי קצב הצמיחה ימשיך להאיץ לאורך שנת הכספים 2027.

בנוסף, מארוול עדכנה כלפי מעלה את התחזית לשנת הכספים 2028 וצופה הכנסות של כ־16.5 מיליארד דולר, כ־1.5 מיליארד דולר מעל התחזית הקודמת. החברה מעריכה כי עסקי הדאטה סנטר יובילו את ההאצה, וכי תחום הקישוריות יצמח בקצב גבוה במיוחד.

במבט קדימה, מארוול מציינת ביקוש חזק ל־800G PAM4, האצה של פתרונות 1.6T בתשתיות Scale-out, צפי להכנסות שנתיות של יותר ממיליארד דולר בתחום רכיבי TIA ו־Driver בתוך כמה רבעונים, והתקדמות במודולי DCI ובפתרונות Switching לדאטה סנטרים.

התמונה שעולה מהדוחות היא של חברה שמנסה למצב את עצמה כספקית תשתית מרכזית בעידן ה־AI, לא דרך המאיץ עצמו בלבד אלא דרך שכבות הקישוריות, האופטיקה והמיתוג שמאפשרות למערכות AI גדולות לפעול בקנה מידה רחב.

הפוסט מארוול מדווחת על הכנסות שיא: תשתיות AI ממשיכות להזיז את מרכז הכובד של שוק השבבים הופיע לראשונה ב-Chiportal.

קווין ז'אנג, סגן מנהל התפעול המשותף וסגן נשיא בכיר לפיתוח עסקי ולמכירות גלובליות ב־TSMC, הציג במסיבת עיתונאים במסגרת TSMC Technology Symposium Europe באמסטרדם מסר ברור: הבינה המלאכותית כבר אינה רק סיפור של חוות שרתים ו־GPU גדולים. השלב הבא שלה יהיה פיזי – כלי רכב, רובוטים, מערכות חישה ויישומי קצה – והוא ידרוש מהתעשייה להגדיר מחדש מהו "שיפור" בטכנולוגיית שבבים.

לדברי ז'אנג, מנוע הצמיחה המרכזי של תעשיית השבבים עבר לבינה מלאכותית ולמחשוב עתיר ביצועים. TSMC מעריכה כי עד סוף העשור שוק השבבים העולמי יעבור את רף 1.5 טריליון הדולר, כאשר AI ו־HPC יהיו אחראים ליותר ממחציתו. המשמעות היא שינוי בסדר העדיפויות: סמארטפונים עדיין חשובים, אך הם כבר אינם המנוע היחיד שמכתיב את קצב ההתקדמות הטכנולוגית.

צוואר הבקבוק: חשמל וחום

הנקודה המרכזית בדברי ז'אנג הייתה כי מגבלת הבינה המלאכותית אינה רק כמה טרנזיסטורים אפשר להכניס לשבב, אלא כמה חישוב אפשר להפיק מכל ואט. לקוחות TSMC, לדבריו, מבקשים ביצועים גבוהים יותר בלי עלייה מקבילה בצריכת החשמל – בדרישות שחוזרות על עצמן במרכזי נתונים, במכשירי קצה, ברכב ובאינטרנט של הדברים.

לכן, יעד היעילות האנרגטית הפך למרכזי במפת הדרכים. ז'אנג הצביע על יעד של שיפור של כ־30% ביעילות האנרגטית מדור טכנולוגי אחד למשנהו, למשל במעבר מ־N2 לדורות מתקדמים יותר כגון A14. מבחינת מרכזי נתונים, זהו שיפור משמעותי הרבה יותר מהתאמות תשתיתיות כמו שינוי מערכות אספקת החשמל, שמניבות בדרך כלל אחוזים בודדים בלבד.

עם זאת, ז'אנג הדגיש כי הטרנזיסטור לא נעלם מהתמונה. להפך: פיתוח טרנזיסטורים מתקדם, ובכלל זה שימוש ב־EUV ובמבני nanosheet, עדיין צורך את עיקר מאמצי המחקר והפיתוח. ההבדל הוא שהצפיפות כבר אינה נמדדת רק בשטח דו־ממדי על פני הפרוסה, אלא בנפח תלת־ממדי של מערכת שלמה.

ממפת דרכים של צמתים למפת דרכים של מערכות

בצד טכנולוגיות הייצור, TSMC מציגה משפחה רחבה של תהליכים מתקדמים. N2, טכנולוגיית ה־2 ננומטר של החברה, נכנסת להאצה מסחרית עם עניין רחב מצד לקוחות. בהמשך צפויות גרסאות משופרות כמו N2U, וכן A16, A14, A13 ו־A12. לפי TSMC, A12 תשלב טכנולוגיית אספקת חשמל מהצד האחורי של השבב, Super Power Rail, ותכוון במיוחד ליישומי AI ו־HPC.

אך החלק החשוב לא פחות הוא האריזה המתקדמת. ז'אנג הציג את CoWoS כאחד ממנועי הצמיחה המרכזיים של AI. הטכנולוגיה מאפשרת לשלב שבבי חישוב גדולים עם זיכרון HBM בתוך מארז אחד, וכך לקצר את המרחק הפיזי שהמידע צריך לעבור. TSMC כבר מייצרת מארזי CoWoS בגודל 5.5 שדות חשיפה, ומתכננת לעבור למארזים גדולים בהרבה, עד 14 שדות חשיפה, שיוכלו להכיל מספר רב של שבבי חישוב וערימות HBM.

המשמעות היא שחוק מור אינו נעלם, אלא משנה צורה. במקום להסתמך רק על הקטנת טרנזיסטורים, TSMC מנסה להגדיל את צפיפות החישוב באמצעות שילוב תלת־ממדי של לוגיקה, זיכרון, חיבוריות ופוטוניקה.

פוטוניקה משולבת: האור נכנס לאריזת השבב

אחד הכיוונים החשובים שהציג ז'אנג הוא מעבר הדרגתי מנחושת לסיבים אופטיים בתוך מרכזי הנתונים. לדבריו, אלקטרונים מצוינים לחישוב, אך פוטונים יעילים יותר להעברת מידע למרחקים קצרים ובינוניים בתוך מערכות גדולות.

כאן נכנסת לתמונה COUPE, טכנולוגיית הפוטוניקה המשולבת של TSMC. הרעיון הוא לקרב את מנוע ההמרה האופטית אל יחידת המיתוג והחישוב, במקום להשאיר את ההמרה ברמת הלוח או המודול החיצוני. שילוב כזה אמור להפחית את צריכת החשמל ואת ההשהיה בתקשורת בין שבבים ובין שרתים. מבחינת AI, שבו מאות אלפי מאיצים צריכים לעבוד יחד, זהו צוואר בקבוק מרכזי.

הבינה המלאכותית יוצאת מהשרתים

חלק בולט בהרצאת ז'אנג הוקדש למה שהוא כינה "בינה מלאכותית פיזית". הכוונה היא למערכות שאינן רק מנתחות טקסט, תמונה או וידאו, אלא פועלות בעולם הפיזי: כלי רכב אוטונומיים, רובוטים תעשייתיים, רובוטים דמויי אדם ומערכות חישה מתקדמות.

ז'אנג תיאר את הרכב כ"רובוט פשוט יחסית" בדרך לדורות מורכבים יותר של רובוטיקה. בניגוד לרובוטים תעשייתיים ישנים, שפעלו לפי תסריט קבוע בסביבה סגורה, רובוטים חכמים יצטרכו להבין סביבה משתנה ולהגיב אליה בזמן אמת. לשם כך הם יזדקקו לשילוב של חישוב, חישה, בקרה, מיקרו־בקרים, ניהול הספק וזיכרון – לא רק למעבד אחד חזק.

בהקשר זה הכריזה TSMC גם על N2A, תהליך ייצור המיועד לרכב ומבוסס nanosheet, שאמור לעמוד בדרישות האמינות המחמירות של תעשיית הרכב. החברה מציגה את התחום הזה כחיבור בין AI, רכב ורובוטיקה – שלושה שווקים שבעבר נחשבו נפרדים יותר.

אירופה כמגרש מרכזי ל־Physical AI

ז'אנג הדגיש כי לאירופה יש תפקיד חשוב בשלב הבא של הבינה המלאכותית. היתרון האירופי אינו בהכרח במרכזי הנתונים הגדולים ביותר, אלא בעומק ההנדסי של תעשיית הרכב, בניהול הספק, במיקרו־בקרים ובמערכות תעשייתיות. חברות כמו Infineon, Bosch ו־NXP מייצגות בדיוק את שכבת השבבים הנדרשת כאשר AI יוצאת מהענן אל העולם הפיזי.

בהקשר זה משתלבת ההשקעה של TSMC באירופה. מפעל ESMC בדרזדן, מיזם משותף של TSMC, Bosch, Infineon ו־NXP, מיועד לחזק את ייצור השבבים לתעשיות הרכב והתעשייה באירופה. במקביל, מרכז התכנון של TSMC במינכן נועד לסייע ללקוחות אירופיים להתאים את התכנונים שלהם לטכנולוגיות הייצור של החברה.

הפוסט קווין ז'אנג מ־TSMC: עתיד ה־AI יוכרע ביעילות אנרגטית ובאריזות שבבים תלת־ממדיות הופיע לראשונה ב-Chiportal.

צרפת תעמיד 550 מיליון אירו לתוכנית אירופית לתמיכה במיקרואלקטרוניקה ושבבים מתקדמים, כחלק מהמאמץ לחזק את שרשרת הערך האירופית בתחומים החיוניים לבינה מלאכותית, מרכזי נתונים ומחשוב עתיר ביצועים. ההכרזה נמסרה על ידי נשיא צרפת עמנואל מקרון במהלך ביקור במרכז המחשוב הגדול של CEA ב־Bruyères-le-Châtel, ליד פריז, שבו נערך פורום אירופי למחשוב, טכנולוגיות קוונטיות ושבבים. רויטרס דיווחה כי מקרון הכריז באותו מעמד על השקעה כוללת של 1.5 מיליארד אירו: מיליארד אירו לאסטרטגיית הקוונטום של צרפת ועוד 550 מיליון אירו לתחום המיקרואלקטרוניקה.

ההשקעה מיועדת להשתלב במסגרת IPCEI – Important Projects of Common European Interest – מנגנון מימון אירופי שמאפשר למדינות האיחוד לתמוך בפרויקטים אסטרטגיים רחבי היקף בתחומים שבהם נדרש שילוב בין מחקר, תעשייה והון ציבורי. בתחום המיקרואלקטרוניקה וטכנולוגיות התקשורת אישרה הנציבות האירופית ביוני 2023 תוכנית IPCEI בהיקף של עד 8.1 מיליארד אירו מכספי ציבור מ־14 מדינות חברות, ובה 68 פרויקטים של 56 חברות. התוכנית צפויה למשוך גם השקעות פרטיות נוספות. (Competition Policy)

המסר המרכזי של מקרון היה כי אירופה נכנסת לשנתיים קריטיות. לדבריו, היבשת חייבת לחזק במהירות את יכולותיה בתחומי השבבים, המחשוב והקוונטום כדי לא להישאר תלויה יתר על המידה בספקים ובתשתיות מחוץ לאירופה. Science|Business דיווח כי מקרון קרא להקמת קואליציית מחקר וטכנולוגיה אירופית בתחומים אסטרטגיים, שתאחד מכוני מחקר, תעשייה וחברות חדשנות סביב יעד משותף של ריבונות טכנולוגית. (sciencebusiness.net)

ההכרזה הצרפתית מגיעה על רקע ההכרה הגוברת באירופה כי יעד ה־EU Chips Act להגיע ל־20% מנתח הייצור העולמי של שבבים עד 2030 הולך ומתרחק. היעד הרשמי של חוק השבבים האירופי הוא להכפיל את נתח השוק העולמי של אירופה בשבבים ל־20%, כחלק ממאמץ לצמצם תלות חיצונית ולחזק את שרשראות האספקה. (digital-strategy.ec.europa.eu) לפי הדיווח ב־Gasworld, מקרון אמר כי יעד זה לא יושג במסגרת החוק הראשון, ולכן צרפת ואירופה יידרשו לתוכנית המשך ולמדיניות אגרסיבית יותר.

ההשקעה הצרפתית משתלבת בתוכנית התעשייתית France 2030. במסגרת אסטרטגיית ההאצה הלאומית שהושקה ביולי 2022, התחייבה צרפת להשקיע 5.5 מיליארד אירו בחיזוק יכולות השבבים המקומיות, בין היתר סביב חברות כגון STMicroelectronics, Soitec, SiPearl ו־Vsora. כעת מבקשת פריז לחבר את ההשקעות הלאומיות למהלך אירופי רחב יותר, במיוחד בתחומים שבהם השבבים הם תנאי בסיסי ליישומי AI ולמרכזי נתונים מתקדמים.

עבור תעשיית השבבים האירופית, החשיבות אינה רק בגובה המימון אלא בכיוון האסטרטגי. אירופה חזקה בציוד ייצור, חומרים, מחקר, חיישנים, רכיבי הספק, אנלוג ורכיבים לתעשיות רכב ותעשייה, אך חלשה יותר בייצור מתקדם בהיקפים גדולים ובפלטפורמות AI עתירות ביצועים. תוכניות IPCEI נועדו לגשר על חלק מהפער הזה באמצעות מימון של פרויקטים שאינם כלכליים דיים בשלבים הראשונים, אך עשויים להיות קריטיים לריבונות טכנולוגית בהמשך.

המהלך של מקרון גם משקף שינוי בשיח האירופי. אם בעבר חוק השבבים הוצג בעיקר ככלי להתמודדות עם מחסור באספקה, כיום הוא מחובר ישירות למרוץ הבינה המלאכותית. מרכזי נתונים, מאיצי AI, זיכרונות מהירים, קישוריות מתקדמת ורכיבי הספק הפכו לחלק מאותה שרשרת אסטרטגית. בלי שבבים מתאימים, גם השקעות בענן, במודלים גדולים וביישומי AI תעשייתיים יישארו תלויות בתשתיות מחוץ ליבשת.

עם זאת, ההכרזה הצרפתית אינה פותרת את הבעיה המרכזית: הפער בין רמת ההשקעה האירופית לבין היקפי ההון שמעמידות ארצות הברית, טאיוואן, דרום קוריאה וסין. גם אם 550 מיליון אירו הם סכום משמעותי למחקר ולפיתוח, הם אינם מקבילים להקמת מפעלי ייצור מתקדמים בקנה מידה מלא. לכן השאלה המרכזית תהיה האם אירופה תצליח לתרגם את תוכניות המימון לפרויקטים תעשייתיים גדולים, מהירים ומתואמים יותר, או שתישאר עם רשת של יוזמות חשובות אך מפוזרות.

בצרפת מתכוונים לפרסם ביולי אסטרטגיית אלקטרוניקה לאומית חדשה לשנת 2035. ההכרזה הזו צפויה לסמן את השלב הבא במדיניות הצרפתית: מעבר ממימון נקודתי של פרויקטים אל בניית אקוסיסטם ארוך טווח סביב שבבים, מחשוב, קוונטום ובינה מלאכותית. אם המהלך יצליח, צרפת תנסה למצב את עצמה כאחד העוגנים המרכזיים של תעשיית השבבים האירופית בעשור הקרוב.

הפוסט צרפת תזרים 550 מיליון אירו לתוכנית שבבים אירופית: מקרון מודה שיעד ה־20% מתרחק הופיע לראשונה ב-Chiportal.

מניית Micron Technology זינקה ביום שלישי לאחר שב־UBS העלו את מחיר היעד למניה מ־535 דולר ל־1,625 דולר – יעד חריג גם אחרי שנה שבה המניה עלתה בכ־700%. לפי Investing.com, UBS מעריכה כי הסכמי אספקה ארוכי טווח שנחתמים כעת בשוק הזיכרון עשויים לשנות את פרופיל הרווחיות של מיקרון ולהפוך אותה לפחות תלויה בתנודות המחזוריות המסורתיות של DRAM ו־NAND. (Investing.com)

הטענה המרכזית של האנליסט טימותי ארקורי מ־UBS היא ששוק הזיכרון עובר ממכירות קצרות טווח, שמושפעות במהירות מעודפי מלאי, להסכמי אספקה בני שלוש עד חמש שנים. לפי הדיווח, עד 30% מנפחי DDR בתעשייה עשויים להיות נעולים בהסכמים כאלה, וחברות הייפרסקייל כבר שריינו כ־60%–70% מנפחי DDR5 לשרתים. המשמעות היא שמיקרון עשויה לוותר על חלק מההכנסה בטווח הקצר, אך לקבל בתמורה ודאות גבוהה יותר לגבי ביקוש ומחירים.

הרקע לזינוק הוא התפקיד ההולך וגדל של זיכרון במערכות AI. מאיצי AI אינם מסתפקים עוד בכוח חישוב גולמי; הם דורשים כמויות גדולות של זיכרון מהיר, קרוב למעבד ובעל רוחב פס גבוה. לכן HBM, DDR5 לשרתים ופתרונות NAND למרכזי נתונים הפכו לרכיבים אסטרטגיים בשרשרת הערך של תשתיות AI, לצד המעבדים הגרפיים של אנבידיה ומאיצים ייעודיים של חברות ענן.

התוצאות האחרונות של מיקרון ממחישות את השינוי. ברבעון השני של שנת הכספים 2026 דיווחה החברה על הכנסות של 23.86 מיליארד דולר, לעומת 13.64 מיליארד דולר ברבעון הקודם ו־8.05 מיליארד דולר בתקופה המקבילה אשתקד. הרווח הנקי לפי GAAP הסתכם ב־13.79 מיליארד דולר, והרווח המתואם למניה הגיע ל־12.20 דולר. החברה גם סיפקה תחזית חריגה לרבעון השלישי: הכנסות של כ־33.5 מיליארד דולר ושיעור רווח גולמי של כ־81%. (Micron Technology)

מנכ"ל מיקרון סנג'יי מהרוטרה אמר עם פרסום התוצאות כי בעידן ה־AI הזיכרון הפך ל"נכס אסטרטגי" עבור לקוחות החברה. לפי מיקרון, הביקוש החזק, יחד עם היצע מוגבל, הובילו לשיאים בהכנסות, בשולי הרווח, ברווח למניה ובתזרים המזומנים החופשי. (Micron Technology)

גם חברות מחקר שוק מזהות לחץ חריג בשוק הזיכרון. TrendForce העריכה בתחילת השנה כי מחירי DRAM בחוזים לרבעון הראשון של 2026 צפויים לעלות ב־55%–60% לעומת הרבעון הקודם, וכי מחירי NAND Flash צפויים לעלות ב־33%–38%. הסיבה המרכזית היא שמפעילות הענן האמריקניות משריינות קיבולת, בעוד יצרניות הזיכרון מפנות קווי ייצור למוצרי שרתים ו־HBM על חשבון שווקים אחרים. (TrendForce)

ההשפעה כבר מורגשת גם מחוץ לשוק ה־AI. מיקרון החלה להרחיב ייצור DRAM מתקדם במפעל מנאסס שבווירג'יניה, בין היתר כדי לתת מענה למחסור ב־DDR4 עבור תעשיות בעלות מחזורי חיים ארוכים, כגון רכב, ביטחון, תעשייה וציוד רפואי. לפי Tom’s Hardware, ההרחבה בהשקעה של יותר משני מיליארד דולר צפויה להכפיל פי ארבעה את תפוקת פרוסות ה־DDR4 באתר, והיא נתמכת גם במימון מתוקף חוק CHIPS האמריקני. (Tom's Hardware)

עם זאת, לא כל האנליסטים רואים רק אפסייד. Reuters Breakingviews הזכיר כי ענף השבבים, ובייחוד תחום הזיכרון, נוטה למחזוריות חריפה: כאשר המחירים עולים, החברות משקיעות במפעלי ייצור חדשים; כאשר הקיבולת מגיעה לשוק והביקוש נחלש, המחירים עלולים לרדת במהירות. Reuters ציין כי שלוש החברות הגדולות – מיקרון, סמסונג ו־SK hynix – שולטות ביותר מ־95% משוק הזיכרון, אך גם הן מרחיבות קיבולת, בעוד יצרניות סיניות כמו YMTC ו־CXMT עשויות להוסיף לחץ תחרותי בהמשך.

הסיכון הגדול יותר עשוי להגיע מצד הביקוש. תחזית UBS נשענת על המשך השקעות עתק של ענקיות הענן בתשתיות AI. אם אמזון, מיקרוסופט, גוגל, מטא ואורקל יאטו את קצב ההשקעות במרכזי נתונים, חלק מההנחות לגבי מחסור ממושך בזיכרון עלולות להתברר כאופטימיות מדי. מנגד, כל עוד הביקוש לשרתי AI ולמערכות הסקה ממשיך לעלות מהר יותר מהיכולת להוסיף קיבולת ייצור, מיקרון נהנית ממעמד חזק בהרבה מזה שאפיין את יצרניות הזיכרון במחזורי עבר.

לכן, הסיפור של מיקרון אינו רק סיפור של מניה שזינקה. הוא משקף שינוי עמוק יותר בשוק השבבים: הזיכרון, שבעבר נתפס כרכיב מחזורי וקומודיטי, הופך לרכיב אסטרטגי בתשתיות AI. השאלה הגדולה היא אם מדובר במחזור על חדש בענף הזיכרון – או בעוד נקודת שיא שתסתיים כשהקיבולת החדשה תגיע לשוק.

הפוסט UBS מקפיצה את מיקרון: האם זיכרון ה־AI משנה את חוקי המשחק בשוק השבבים? הופיע לראשונה ב-Chiportal.

וואווי מנסה להגדיר מחדש את הדרך שבה מודדים התקדמות בשבבים. בכנס IEEE International Symposium on Circuits and Systems, שנערך בשנגחאי, הציגה החברה את Tau Scaling Law — עיקרון תכנוני חדש שלטענתה יאפשר לפתח שבבים בעלי צפיפות טרנזיסטורים השקולה לתהליך ייצור של 1.4 ננומטר עד 2031. עם זאת, חשוב להדגיש: וואווי אינה טוענת כי פתרה את בעיית הליתוגרפיה המתקדמת או כי היא עומדת לייצר בפועל בטכנולוגיית 1.4 ננומטר מסורתית. מדובר בהבטחה לשוויון ביצועים או צפיפות ברמת המערכת, לא בהכרח בצומת ייצור חדש במובן המקובל בתעשייה.

בלב ההכרזה עומדת ההבנה שמזעור גיאומטרי של טרנזיסטורים — הבסיס ההיסטורי של חוק מור — נעשה קשה, יקר ומוגבל יותר. במקום להתמקד רק בהקטנת הטרנזיסטור, וואווי מציעה להתמקד בזמן: כמה זמן לוקח לאותות ולנתונים לנוע בתוך השבב, בין יחידות עיבוד, בזיכרון ובמערכות מרובות שבבים. זהו מוקד חשוב במיוחד בעידן הבינה המלאכותית, שבו צווארי הבקבוק אינם תמיד רק במספר הטרנזיסטורים, אלא גם בתקשורת ביניהם, ברוחב הפס, בצריכת החשמל ובפיזור החום.

היישום הראשון של העיקרון נקרא LogicFolding. לפי וואווי, הארכיטקטורה החדשה נועדה “לקפל” או לדחוס נתיבי לוגיקה כך שאותות יעברו מרחקים קצרים יותר, עם פחות השהיה ופחות עומס חשמלי. החברה טוענת כי השיטה רלוונטית לא רק לשבבים בודדים, אלא גם למעגלים, מערכות, שבבי AI ואשכולות מחשוב גדולים. השבבים המסחריים הראשונים שיאמצו את הארכיטקטורה יהיו שבבי Kirin לדור הבא של סמארטפונים, הצפויים להופיע בהמשך השנה; בהמשך מתכננת וואווי לשלב את הגישה גם בשבבי Ascend למרכזי נתונים עד 2030.

לפי החברה, ב־6 השנים האחרונות כבר תוכננו ויוצרו בייצור המוני 381 שבבים שהתבססו על עקרונות Tau Scaling, בתחומים הכוללים סמארטפונים ומחשוב AI. זוהי טענה משמעותית, אך עדיין חסרים נתוני ביצועים בלתי תלויים שיאפשרו להעריך עד כמה השיפור נובע מהארכיטקטורה החדשה, ועד כמה הוא בר־השוואה לצמתים המתקדמים של TSMC וסמסונג. רויטרס ציינה כי וואווי לא סיפקה נתוני ביצועים עצמאיים במסגרת ההכרזה. (Reuters)

תגובה למגבלות האמריקניות

ההקשר הגיאופוליטי ברור. מאז 2019 נתונה וואווי למגבלות אמריקניות חמורות, שמקשות עליה גישה לציוד ייצור שבבים מתקדם, לתוכנות תכנון ולשרשראות אספקה מערביות. מגבלות אלה פגעו במיוחד ביכולתה להסתמך על יצרניות שבבים מובילות מחוץ לסין. חזרתה של וואווי לשוק הסמארטפונים עם Mate 60, שהתבסס על שבב מתוצרת SMIC בטכנולוגיה המוערכת סביב 7 ננומטר, כבר סימנה כי סין מצליחה להתקדם למרות המגבלות — אך גם הדגישה את הפער שנותר מול החזית העולמית.

כאן נכנסת Tau Scaling Law לתמונה. אם אי אפשר להדביק במהירות את TSMC או סמסונג דרך ליתוגרפיה בלבד, וואווי מנסה להראות שאפשר להשיג חלק מהשיפור דרך תכנון מערכתי: קיצור חיווט, הפחתת השהיות, אריזה מתקדמת, אופטימיזציה של תנועת נתונים ותכנון שבבים מותאם עומסים. זוהי אינה “עקיפה מלאה” של חוק מור, אלא ניסיון להזיז את מרכז הכובד מהננומטר אל הביצועים בפועל.

מול TSMC: הפער עדיין קיים

היעד של וואווי שאפתני במיוחד משום ש־TSMC כבר הציגה את תהליך A14 שלה, המקושר לדור 1.4 ננומטר, ומתכננת להכניסו לייצור ב־2028. לפי TSMC, A14 צפוי לספק עד 15% שיפור מהירות באותה צריכת חשמל, או עד 30% הפחתה בצריכת החשמל באותה מהירות, לצד שיפור של יותר מ־20% בצפיפות הלוגיקה לעומת N2. (pr.tsmc.com)

לכן, גם אם וואווי תעמוד ביעד 2031, מדובר בלוח זמנים מאוחר בכ־3 שנים מהיעד המוצהר של TSMC לייצור A14. נוסף על כך, TSMC מדברת על תהליך ייצור מסחרי בפאונדרי גלובלי, בעוד וואווי מדברת בשלב זה על צפיפות שקולה ועל שיפור ארכיטקטוני. ההבדל הזה חשוב: תעשיית השבבים כבר מזמן אינה משתמשת בשמות הננומטרים כתיאור פיזי מדויק של גודל הטרנזיסטור, אבל עדיין יש הבדל בין צומת ייצור מוכחת לבין שיטה תכנונית שמנסה להפיק יותר מאותו בסיס ייצור.

המשמעות לשוק ה־AI

הכרזת וואווי חשובה במיוחד בשוק שבבי הבינה המלאכותית. שבבי Ascend של החברה הפכו לאלטרנטיבה מקומית מרכזית לאנבידיה בסין, בעיקר משום שמגבלות הייצוא האמריקניות מצמצמות את הגישה הסינית למאיצי AI מתקדמים של אנבידיה. ככל שסין מנסה לבנות תשתית AI עצמאית, כל שיפור בביצועים, בנצילות וביכולת לחבר שבבים רבים לאשכולות גדולים הופך לנכס אסטרטגי. (Reuters)

עם זאת, גם כאן נדרשת זהירות. שיפור בארכיטקטורה אינו פותר לבדו בעיות של חום, צריכת חשמל, תשואה בייצור, זמינות זיכרון מתקדם, כלי EDA ותוכנה. גם וואווי עצמה מכירה בכך שהגישה החדשה מחייבת כלי תכנון חדשים ושפתרון בעיות החום והאינטגרציה יישאר אתגר מרכזי — במיוחד משבבי מובייל ועד מרכזי נתונים גדולים.

לא סוף חוק מור, אלא שינוי במוקד התחרות

ההכרזה של וואווי אינה קוברת את חוק מור, וגם אינה מוכיחה שסין סגרה את הפער מול TSMC. אבל היא כן מצביעה על כיוון חשוב: בעידן שבו מזעור טרנזיסטורים נעשה קשה יותר, התחרות תעבור יותר ויותר לשכבות אחרות — ארכיטקטורת שבבים, חיווט פנימי, אריזה מתקדמת, תקשורת בין שבבים, זיכרון ותוכנה.

במובן הזה, Tau Scaling Law היא לא רק הצהרה טכנולוגית, אלא גם מסר פוליטי־תעשייתי: וואווי מבקשת להראות שגם תחת סנקציות, היא יכולה להציע מסלול פיתוח עצמאי לשבבים מתקדמים. השאלה הגדולה היא האם ההבטחה הזו תתורגם למוצרים תחרותיים בשוק, או תישאר בעיקר מפת דרכים שאפתנית שנועדה להוכיח שסין עדיין במשחק.

הפוסט וואווי מציגה דרך עוקפת ננומטרים: “1.4 ננומטר שקול” עד 2031 בלי להבטיח קפיצה בליתוגרפיה הופיע לראשונה ב-Chiportal.