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.

במשך שנים הובטחה לנו מהפכה. בינה מלאכותית אמורה הייתה לשחרר עובדים ממשימות שוחקות, לייעל תהליכים, ולהעניק לנו יותר זמן לחשיבה יצירתית, אסטרטגית ובעלת ערך גבוה. במקום לשקוע באינסוף מטלות טכניות, הובטח שנוכל סוף‑סוף “לעבוד חכם”.

אבל המציאות, כפי שמתאר מחקר חדש של הרווארד ו‑Boston Consulting Group, רחוקה מהחזון הזה. במקום להפוך את העבודה לקלה יותר, הבינה המלאכותית יוצרת עומס מסוג חדש כזה שמותיר עובדים מותשים, מוצפים, ולעיתים אף שוקלים לעזוב את עבודתם. החוקרים מכנים את התופעה בשם מדויק ומטריד: AI Brain Fry.

המשמעות פשוטה: לא המחשב נשרף — המוח האנושי הוא שנשחק.

ההבטחה: אוטומציה שתפנה זמן לחשיבה יצירתית

הנרטיב המקורי היה כמעט אוטופי. מערכות AI אמורות היו:

•         לטפל במשימות חוזרות ומשעממות

•         לנתח מידע במהירות

•         להציע טיוטות ראשוניות

•         לאפשר לעובדים להתמקד בחדשנות, יצירתיות ופתרון בעיות

מנהלים דיברו על “העצמת עובדים”, על “שחרור זמן איכות”, ועל “שיפור חוויית העבודה”.אבל מה שקרה בפועל הוא הפוך: במקום שה‑AI יעבוד בשביל העובדים, העובדים מצאו את עצמם עובדים עבור ה‑AI.

המציאות: עובדים הופכים למנהלי אייג'נטים

המחקר של הרווארד ו‑BCG מצא תופעה עקבית: עובדים אינם מבצעים פחות עבודה, הם מבצעים עבודה מסוג חדש, מורכבת יותר, תובענית יותר, ולעיתים אף מלחיצה יותר.

במקום לבצע משימות, הם:

•         מגדירים פרומפטים

•         בודקים תוצאות

•         מתקנים טעויות

•         משווים בין גרסאות

•         מאמתים מידע

•         מחליטים במהירות אם התוצר “מספיק טוב”

במילים אחרות, העובד הפך ל‑AI Orchestrator כלומר מנהל של סוכנים חכמים, שאמורים לעבוד בשבילו, אבל בפועל דורשים ממנו פיקוח מתמיד.

העומס הזה אינו פיזי הוא קוגניטיבי והוא מצטבר.

AI Brain Fry: העייפות המנטלית החדשה

החוקרים מתארים את התופעה כעומס מנטלי שנובע מהצורך לקבל החלטות מהירות, מדויקות, ולעיתים גורליות בקצב של מכונה.

הם מצאו שלושה גורמים מרכזיים לשחיקה:

1. עומס החלטות (Decision Fatigue) – ה‑AI מייצר אינסוף אפשרויות, גרסאות, ורעיונות. העובד צריך לבחור, לסנן, להעריך שוב ושוב.

2. אחריות מוגברת – למרות שה‑AI מייצר את התוכן, האחריות על טעויות נשארת אצל האדם. העובד יודע שאם המערכת תייצר טעות  זו תהיה “הטעות שלו”.

3. קצב עבודה לא אנושי – ה‑AI עובד במהירות של מכונה. העובד נדרש “להדביק את הקצב”, גם אם המוח האנושי לא בנוי לכך.

התוצאה: עייפות מנטלית עמוקה, ירידה בריכוז, יותר טעויות, ותחושת שחיקה מואצת.

המחקר: יותר טעויות, יותר לחץ, יותר התפטרויות

המחקר של הרווארד ו‑BCG כלל מאות עובדים בתפקידים שונים: שיווק, פיננסים, שירות לקוחות, מחקר, ניהול מוצר ועוד. הממצאים היו חד‑משמעיים:

•         עובדים שעבדו עם AI דיווחו על עייפות מנטלית גבוהה יותר

•         הם ביצעו יותר טעויות משמעותיות

•         הם דיווחו על לחץ גבוה יותר

•         חלקם אף שקלו לעזוב את מקום העבודה

החוקרים מציינים כי הפער בין ההבטחה לבין המציאות יוצר תסכול עמוק. העובדים מרגישים שהם אמורים “להיות יעילים יותר”, אבל בפועל הם רק מתמודדים עם עומס מסוג חדש.

אחד המשפטים החזקים במחקר הוא זה: “הלחץ לקבל החלטות במהירות של מכונה שוחק”. המשפט הזה מסכם את הבעיה: ה‑AI לא רק מייצר תוצרים הוא מייצר קצב והקצב הזה אינו מותאם לבני אדם.

למה זה קורה? ארבע סיבות עמוקות יותר

1. ה‑AI לא באמת “מבין” הוא מנחש ולכן העובד חייב לבדוק כל דבר. הבדיקה הזו דורשת ריכוז גבוה.

2. ה‑AI מייצר יותר עבודה, לא פחות. במקום משימה אחת יש עכשיו:

•         ניסוח פרומפט

•         בדיקת תוצר

•         שיפור

•         בדיקה חוזרת

•         ולפעמים — התחלה מחדש

3. ה‑AI מטשטש גבולות זמן אם אפשר לייצר תוצר תוך 10 שניות למה לא לעשות עוד אחד? ועוד אחד? ועוד…

4. ה‑AI יוצר ציפייה ליעילות אינסופית מנהלים מצפים ליותר תוצרים, יותר מהר. העובד מרגיש שהוא תמיד “מאחור”.

הפתרון: לא פחות AI אלא AI אנושי יותר

החוקרים מדגישים:

הבעיה אינה הבינה המלאכותית עצמה אלא האופן שבו משלבים אותה בעבודה.

הם מציעים מספר פתרונות:

1. הגדרת גבולות שימוש – לא כל משימה צריכה AI.לפעמים עדיף לבצע לבד.

2. חלוקת אחריות ברורה – מי אחראי על מה? מה המערכת עושה? מה האדם עושה?

3. האטת הקצב – לא כל תוצר צריך להיות מיידי. מותר לקחת זמן לחשוב.

4. הכשרת עובדים לניהול עומס קוגניטיבי – לא רק “איך לכתוב פרומפט” אלא איך לעבוד עם AI בלי להישחק.

העתיד: האם נלמד לעבוד עם AI בלי להישרף?

ה‑AI כאן כדי להישאר.הוא לא ייעלם והוא גם לא צריך. אבל אם לא נלמד להשתמש בו בצורה בריאה, מאוזנת ומודעת. הוא ימשיך לייצר עומס, שחיקה, ויגרום ל‑AI Brain Fry .

האתגר האמיתי של השנים הקרובות אינו טכנולוגי הוא אנושי. האם נצליח לבנות מודלים של עבודה שבהם AI באמת משרת אותנו, ולא להיפך? האם נצליח להחזיר את ההבטחה המקורית ליותר זמן לחשיבה יצירתית, ולא עוד עומס מנטלי?

התשובה תלויה לא במכונות – אלא בנו!

הפוסט AI – זה אולי נוח אבל גורם לעייפות המוח הופיע לראשונה ב-Chiportal.

כילדה, קרן מולר לא חלמה שתהיה קשורה לעולם השבבים או ההייטק. חייה נסובו סביב לימודי פסנתר ואהבתה הגדולה למוזיקה ואמנות. כתלמידת קונסרבטוריון ובית הספר לאמנויות “רעות” בחיפה, הופיעה מגיל צעיר בתחרויות נגינה. ההשתתפות בבחינות המוזיקה עזרו לה לבנות משמעת עצמית ויכולת עמידה בלחצים.

כשקרן מדברת על משפחתה, מתגלה סיפור קליטה ישראלי. כשהייתי בת חמש היא מספרת, עליתי עם משפחתי לישראל מברית המועצות לשעבר, והגענו לקריית ים. היינו דוברי הרוסית היחידים בשכונה וללא ספק ניתן לאמר שאתגרי הקליטה השפיעו ועיצבו את אישיותי.

בתיכון למדתי במגמה ריאלית ולמרות שגדלתי במרחק נסיעה קצר מהטכניון, בסביבתי לא הכרתי אף אחד שלמד שם וגם לא נחשפתי לאפשרויות שעומדות בפניי במהלך הלימודים".

הכל השתנה כשהחלה לעבוד בתפקיד טכנולוגי. שם גילתה לראשונה את עולם הפיתוח הטכנולוגי כשעבדה לצד מהנדסי חשמל ואנשי מקצוע בתחום. או כפי שהיא מעידה בעצמה: 'לפתע גיליתי תחום מרתק ומאתגר. אמנם במשפחה שלי היה ברור שכולם פונים ללימודים אקדמיים, אך הבחירה בהנדסת חשמל נולדה מתוך אותה סקרנות שהתעוררה בי במהלך העבודה. לימים גם הבנתי עד כמה חשיפה מוקדמת לטכנולוגיה יכולה להשפיע, מהי מוביליות חברתית ואיך היא משפיעה על הבחירות בחיינו.

כשנרשמתי ללימודים בטכניון סבתא שלי קנתה לי את הרכב הראשון כדי שאוכל להגיע ללימודים ומאז זה הפך לבדיחה משפחתית קבועה: כל מי שמתקבל ללימודים אקדמיים “זוכה לרכב מסבתא".

ומה עם שאר בני משפחתך. האם גם הם קשורים לעולם ההייטק?

אני נשואה לניר סמנכ"ל בכיר בהייטק. אנחנו מתגוררים בתל אביב עם ארבעת בנינו, חלקם מבטן וחלקם מהלב.

ואיך הגעת לעולם השבבים?

את דרכי בתעשיה התחלתי כבר בסמסטר השני ללימודים, בצוות סטודנטים שהיה אחראי על השליטה ובקרה של חוות השרתים של אינטל, תחום שהיום יצא למדינות עם כח אדם זול יותר. עבדנו במשמרות לאורך כל היממה. מתוך רגעים של דיבוג תקלות תקשורת ופיצות בשלוש לפנות בוקר נוצרו חברויות עמוקות שמלוות אותי עד היום. זו הייתה תקופה סטודנטיאלית ייחודית, שבה הלמידה המקצועית והקשרים האישיים השתלבו זה בזה באופן טבעי.

בהמשך עברתי יחד עם חלק מהצוות לחברת מלאנוקס שהייתה אז סטארטאפ בתחילת דרכו. שם עבדתי בצוות הוריפיקציה, והפרויקט שעליו הייתי אחראית התקבל גם כפרויקט גמר בתעשייה. זו הייתה הנקודה שבה הבנתי עד כמה התעשייה בתחום מקדימה את האקדמיה. ממלאנוקס עברתי לחברת אינטל שם מילאתי תפקידי תכנון ופיתוח שונים.

התחנה הבאה שלי היתה בחברת Broadcom  אליה הגעתי בתחילת ההיריון שלי. על אף החשש במהלך ראיון העבודה שלי בחרתי לשתף בכך, למרות שלא הייתי חייבת. התגובה של המנהל המגייס הייתה מיידית וברורה: “אנחנו מגייסים לטווח ארוך”. עבורי זה היה רגע משמעותי שעיצב את תפיסת הניהול שלי.

מאז, אני מקפידה להעביר את המסר הזה למהנדסות צעירות ולעובדים בכלל: אל תוציאו את עצמכן מהמרוץ מראש, אל תוותרו על הזדמנויות בגלל תכנון משפחתי. ארגונים טובים ידעו להתמודד עם זה.

אחרי כמעט 8 שנים בברודקום המשכתי ל-  Xsight Labs כדי להוביל את ההקמה של תחום ה  DFT מאפס, חוויה יזמית אמיתית בתוך סטארטאפ. גייסתי צוות, בניתי יכולות פנימיות, ועבדתי עם אנשים מצוינים בתחושת שותפות מלאה.

כיום באנפורנה, AWS אני מרגישה שוב את אותה אנרגיה, שילוב ייחודי של חברה בינלאומית עם רוח של סטארטאפ. הביקוש האדיר לשבבים בעידן ה- AI יוצר הזדמנויות חדשות ומרגשות, ומחזיר אותי לאותה סקרנות ראשונית שהובילה אותי לתחום: התשוקה לפתרון בעיות מורכבות והמפגש הבלתי פוסק עם חזית הטכנולוגיה.

אני מאמינה שגם תחום ה DFT עומד בפני שינוי משמעותי בשנים הקרובות. לכן אני מעודדת את הצוות שלי לאמץ כלי AI לבנות לעצמם Agents ולהיות חלק פעיל מהשינוי, לא רק לצפות בו מהצד אלא להוביל אותו.

מה ההזדמנויות שאת רואה לקידום גיוון וכישרונות מגוונים בתעשייה?

בלימודי בטכניון היינו שבע נשים בלבד – מיעוט בולט. היום לשמחתי, המציאות כבר נראית אחרת ובצוות שלי באמזון יש רוב נשי, כולל בתחומים שבעבר היו כמעט בלעדיים לגברים כמו DFT ו-Package  Design   עבורי זו עדות אמיתית לשינוי העמוק שהתחום עובר.

באנפורנה, AWS  סל ההטבות לעובדים לאחר לידת ילד, לדוגמא: גברים גם זכאים לחופשת לידה בתשלום של 6 שבועות, אך מעבר להטבה כזו או אחרת, המסר הוא ברור: הורות היא אחריות משותפת.

כאשר ארגון תומך באופן אקטיבי בשילוב בין העבודה לחיים האישיים, הוא לא רק מסייע לעובדים ולעובדות, אלא מעצב תרבות ארגונית בריאה. כשיש תנאים המאפשרים שוויון בבית, נוצר שוויון אמיתי גם בהזדמנויות הקריירה לכולם.

חשוב שסביב שולחן קבלת ההחלטות יהיה מגוון אנושי רחב: מגוון דעות, רקעים שונים ומיומנויות מגוונות. גיוון זה לא רק מקדם הוגנות, אלא גם מאפשר לקבל החלטות טובות, מעמיקות ומקצועיות יותר. בסביבה תחרותית כמו ההייטק, אי אפשר לוותר על הפוטנציאל והיכולות של אף קבוצה באוכלוסייה – שיתוף נשים הוא חלק בלתי נפרד מהצלחת החברה ואני גאה לראות שהשורות מתמלאות בנשים בתפקידי מפתח, ולא רק בהייטק

מה ניתן לדעתך לעשות כדי להגדיל בכל זאת את כמות הנשים בתעשייה?

כל אישה שמגיעה לתפקיד בכיר פותחת דלת לאחרות ומסמנת להן שזה אפשרי, אך כדי להאיץ את השינוי עלינו לפעול באופן אקטיבי: דרך מנטורינג, Sponsorship ,והובלה מודעת של הדור הבא. נשים רבות מציבות לעצמן סטנדרטים גבוהים במיוחד, זו חוזקה אדירה, אך לעיתים היא מלווה בהיסוס לפני חשיפה או לקיחת הזדמנויות.

אנחנו בעידן שבו נשים מובילות חדשנות, מנהלות צוותים ומשפיעות על תעשיות שלמות כולל תעשיית השבבים. ככל שיותר נשים יבחרו לקחת את הבמה, לבקש, ליזום ולהוביל כך תגדל ההשפעה שלהן, והדרך עבור הדור הבא תהיה תהיה ברורה, טבעית ונגישה יותר!

*קרן מולר היא אחת המרצות בכנס ChipEx2026. הרצאתה תעסוק בנושא: Efficient In-System Scan Testing Over High-Speed I/O in AWS Nitro Chips

הפוסט הפסנתרנית המוכשרת שהפכה למהנדסת שבבים 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.

עבורי היתה זו הפעם השישית לשפוט בתחרות הינות הבינלאומית המתקיימת מדי שנה בישראל. לכאורה, נראה כי מדובר בחוויה כייפית של שתיית ינות בלתי נגמרת אך בפועל מדובר בתהליך מורכב וסיזיפי.

בכתבה הזו אנסה לשתף אתכם בתהליך השיפוט ובאתגרים הניצבים בפני השופטים כאשר הם צריכים לשפוט שורה של ינות המורכבים מזנים שונים עשויים בסגנונות עשיה מגוונים וכוללים עוד רשימה ארוכה של מרכיבים שאינם ידועים לנו השופטים. מטרת כתבה זו היא להאיר את מאחורי הקלעים של עבודת השיפוט: מה באמת קורה סביב שולחן הטעימה, אילו אתגרים ניצבים בפני השופטים, וכיצד מבטיחים שכל יין, מוכר או אנונימי, יקבל הזדמנות הוגנת.

כאן המקום לציין כי כל השופטים בתחרות מביאים עימם מטענים כבדים של הכשרה, אינספור שעות של תרגול חושי וספרייה מנטלית של ניחוחות וטעמים שנבנו במשך שנים טעימה אחר טעימה, בקבוק אחר בקבוק.

כשאתם ניצבים מול עשרות כוסות יין וטועמים אותן ללא כל מידע על היין שבתוכם, אתם לא רק טועמים – אתם מנסים לפענח מה נמצא בכוס שלפניכם. מעבר לידע ולנסיון מדובר במבחן סיבולת בו בין הלגימה הראשונה ללגימה ה-60 של אותו היום אתם מנסים להישאר חדים, לשפוט את כל הינות בצורה אחידה תוך כדי שאתם מנסים לתת לכל יין הזדמנות שווה לזרוח.

1. תהליך השיפוט – תהליך השיפוט מתחיל בקביעת הרכב של כ-6-7 שופטים אשר יטעמו את אותם ינות. מכיוון שבתחרות כולה משתתפים מאות ינות כל שולחן שיפוט טועם כ 120 ינות בשני ימי התחרות אך לא את כולם. לכל שולחן נקבע ראש שולחן האחראי על הטעימה בשולחן שלו ותפקידו בין השאר לבדוק את תקינותו של כל יין לפני שהגיע אל השופטים שעימו. השופטים הם בעיקר יננים מקצועים של מיטב היקבים בישראל וכן מומחי יין להם נסיון עשיר בטעימת ינות. השולחן שלי הורכב כולו מייננים ואילו אני הבאתי את נקודת המבט של עיתונאי יין שביקר וטעם למעלה מ- 1,000 ינות במאות מיקבי הארץ והעולם. בשולחנות אחרים של התחרות השתתפות שופטים זרים אשר הוסיפו את הנסיון והידע שלהם לשולחן השיפוט. בתחרות כולה השתתפו 42 שופטים. 

• דף השיפוט –  דף השיפוט מכיל כ-10 פרמטרים כאשר כל שופט צריך למלא עבור כל יין. הפרמטרים כוללים צבעו וצלילות, ארומות וטעמים וכן שורה של ציונים המתייחסים לאיזון היין, למורכבותו, לעוצמו ולסיומת שלו. בדרך כלל הציונים נעים בין 80-100 נקודות כאשר יין שקיבל ציון של פחות מ-80 נחשב לפסול בעוד שיין שזכה בציון 90 ומעלה סביר להניח שיזכה במדליה כלשהיא.

• טעימת כיול (Mise en Bouche) – כדי להביא את השופטים שמגיעים ממקומות שונים והם בעלי ספרית טעמים שונה נהוג להתחיל כל טעימה שיפוטית של יין לבן או אדום בטעימת כיול שאמורה לעזור לשופטים להתאים עצמם לסולם שיפוט דומה. טעימה זו ידועה בעגה המקצועית בשם Mise en Bouche.

• בדיקת תקינות היין – כל יין בתחרות נטעם תחילה ע"י ראש השולחן אשר מחליט האם היין תקין. אין מדובר בחוות דעת על איכות היין אלא בטעימה שמטרתה לבדוק שהיין תקין לשיפוט וחסר פגמים. רק לאחר שראש השולחן אישר שהיין תקין היין נמזג לכוסות השופטים ומתחיל תהליך השיפוט. במקרה והיין אינו תקין דואג מלצר הינות הצמוד לכל שולחן שיפוט להביא בקבוק נוסף שהוכן מבעוד מועד (כל יקב השולח יין לתחורת מתבקש לשלוח שני בקבוקים מכל סוג בדיוק כדי להתגבר על בעיית הינות הפגומים) .

• טעימה עיוורת – כל הטעימות מתבצעות כטעימה עיוורת. כלומר לשופטים אין כל מושג מהו היין שהם שותים וזאת כדי שישפטו אותו בצורה האוביקטיבית ביותר. המידע המועט שכן ניתן לשופטים הוא שנת יצור היין, כמות הסוכר השיורי, רמת האלכוהול וסגנון היין (אדום, לבן, מבעבע, מחוזק וכו') . השופטים אינם נדרשים לגלות מהו הזן ממנו יוצר היין או מאיזה יקב הגיע אלא פשוט לתת לו ציון עפ"י איכותו בעת הטעימה.

• על טעם ועל ריח – שופטים שונים תופסים לעיתים קרובות את אותו היין בצורה שונה.  השופטים שהם גם יננים רגישים מאד לפגמים ביין או לרמת הנקיון של היקב בו יוצר. הם שמים דגש רב לתקינות ורעננות היינות בצעירותם ופחות מכירים ינות מתיישנים שפיתחו ברבות השנים ריחות וטעמים חדשים. זה עלול ליצור דעות שונות על אותו היין סביב שולחן השיפוט. במקרים כאלה ניתן לפתור את חילוקי הדעות ע"י דיון ענייני והוגן בין השופטים. 

• עייפות חושית – תהליך השיפוט כולל טעימה ושיפוט של כ -20 ינות בזה אחר זה. הפסקה קלה ושוב טעימה של כ-20 ינות ובסה"כ טעימה של כ- 60 ינות בכל יום שיפוט. בין יין ליין השופטים לא אוכלים או שותים דבר חוץ ממים. תהליך זה עלול להוביל לעייפות האף או החיך והאתגר של השופטים הוא לשמור על חדות חושית לאורך כל הטעימה. כדי לוודא שהציון שניתן ליין אכן משקף את הציון לו הוא ראוי, כל שופט טועם כל יין פעמיים שלוש לפני שהוא מגבש את דעתו הסופית עליו. כאן המקום לציין כי הטעימה כוללת הרחה ושתיה של היין אך לאחר טעימתו בחיך וכדי למנוע שכרות הינות הנטעמים נשפכים למרקקה אישית העומדת לרשות כל אחד מהשופטים.

• תנאים אופטימלים – כדי להבטיח יחס שווה לכל הינות, כולם מוגשים לשופטים באותם תנאים של טמפרטורה, סוג הכוס וכמות היין שנמזג לכוס. מלצר היין הצמוד לכל שולחן דואג לתנאים המבוקרים הללו ורק הוא מוסמך למזוג את הינות לכוסות השופטים.

• שיפוט שיתופי – שיפוט מקצועי כולל כאמור מספר טעימות שמטרתן למנוע טעויות הנובעות מרושם ראשוני או טעם אישי. מטרת התחרות לתת לכל יין את הציון המגיע לו תוך התעלמות מטעם אישי. לאחר שכל השופטים נותנים את ציוניהם נערך סבב ציונים בין כל חברי השולחן כדי לראות שכל (או לפחות רוב) השופטים חושבים באופן דומה על היין הנשפט. במקרה של הבדלים מהותים בציונים יכול ראש צוות השיפוט להציע לשופט החריג לטעום שוב את היין. השופט טועם ויכול להחליט אם הוא משנה את הציון או מתעקש להשאירו כפי שקבע אותו בתחילה.

• אחריות שיפוטית – שיפוט בתחריות יין נראה אולי זוהר מרחוק אך בפועל מדובר בתהליך מתיש החוזר על עצמו פעם אחר פעם במשך שעות. השופטים גם יודעים כי מוטלת עליהם אחריות אתית שכן החלטותיהם יכולות להביא ליקב מסוים הצלחה כבירה במוניטין ובמכירות שלו או להיפך.

התוצאות:

לאחר שכל הינות והכהלים שהשתתפו בתחרות נשפטו והמפקח על התחרות אישר את התוצאות, הינות המצטיינים זוכים במדליות באחת משלוש הקטיגוריות. זהב כפול, זהב וכסף.

המדליה היוקרתית ביותר מוענקת כמובן לינות שקיבלו את הציונים הגבוהים ביותר ע"י השופטים. השנה הוענקו בסה"כ 34 מדליות זהב כפול, מתוכן 23 מדליות זהב כפול ליינות ישראלים.

בסה"כ הוענקו בתחרות 184 מדליות לינות בשלוש הקטיגוריות הנ"ל + 47 ינות שזכו למדליה במסגרת  הינות הביתיים שהשתתפו בתחרות ועוד 19 כהלים שזכו במדליות.

השנה נשפטו 578 דוגמאות של יינות וכהלים מ -17 מדינות שונות ברחבי העולם. חוץ מהמדליות אשר הוענקו עפ"י ציוני השופטים הוענקו גם פרסים מיוחדים כגון: "היין הטוב בכל קטגוריית מחיר" ו "היין הטוב לפי ארץ ייצור".

את רשימת הזוכים המלאה ניתן לראות  בקישור הבא: https://grape-man.com/%D7%AA%D7%95%D7%A6%D7%90%D7%95%D7%AA-terravino-2026.html

הפוסט מאחורי הקלעים של Terravino: כך נראית עבודת השיפוט בתחרות היין הגדולה בישראל הופיע לראשונה ב-Chiportal.

תעשיית המוליכים למחצה בשנת 2026 מוגדרת על ידי המעבר מ"הייפ של בינה מלאכותית" ל"תשתית בינה מלאכותית" ארוכת טווח ושינוי רדיקלי בגיאוגרפיה של מפעלי הייצור. להלן 10 תובנות להתפתחות תעשיית השבבים בשנת 2026:

1. צריכת החשמל מניעה את הארכיטקטורה

כיום, כאשר מרכזי הנתונים צורכים כ- 4% מצריכת החשמל העולמית יעילות צריכת החשמל החליפה את המהירות הגולמית כמדד המרכזי לביצועים (KPI). לצורך התמודדות עם אתגר החשמל השוק מאמץ במהירות טרנזיסטורים בארכיטקטורת GAA (Gate-All-Around) ואספקת חשמל אחורית כדי להפחית את זליגת האנרגיה.

2. שבבי UCIe הופכים לסטנדרט

שבבים מונוליטיים אינם כדאיים כלכלית עבור בינה מלאכותית מתקדמת. 2026 היא השנה שבה UCIe (Universal Chiplet Interconnect Express) יהפכו לסטנדרט הדומיננטי, ויאפשרו הרכבה "דמוית לגו" של שבבים מספקים שונים (למשל, מעבד אינטל עם מאיץ מתוצרת אנבידיה) בתוך אריזה אחת.

3. התעשיה עולה לרמה של מדינה

מדינות רבות ברחבי העלם הכירו בחשיבות תעשיית השבבים לבטחון הכלכלי והלאומי שלהן והן הופכות להיות מעורבות באופן פעיל ביצור שבבים. בריטניה, גרמניה, והודו מצטברות כקונים חדשים ומשמעותיים של ציוד להקמת מפעלי יצור שבבים, ומסבסדות  במידה ניכרת יצור לצרכי יצור שבבים לקידום התעשיות הספציפיות שלהן כמו רכב ותעשייה.

4. בינה מלאכותית בקצה (Edge AI)

חיבוי ההיסק של בינה מלאכותית עוברים מהענן למכשיר. עד סוף 2026, 85% מהסמארטפונים והמחשבים הניידים היוקרתיים יגיעו עם יחידות NPUs (Neural Processing Unit) ייעודיות המסוגלות להריץ מודלים של שפה קטנה (SLMs) באופן מקומי, וייצרו שוק חדש עצום עבור ספקי רישיונות IP כמו Arm , סינופסיס ו-Cadence.

5. זיכרון: צוואר הבקבוק של HBM נמשך

אספקת זיכרון ברוחב פס גבוה (HBM4) נותרה המגבלה הגדולה ביותר לייצור מאיצי בינה מלאכותית. SK Hynix וסמסונג מכרו את כל תפוקת היצור שלהן עד 2027, מה שמניע הוצאת הון אדירה למתקני אריזה מתקדמים.

6. שינוי גאוגרפי במרכזי התכנון

מבחינה היסטורית, תכנון שבבים התרכז בעמק הסיליקון (ארה"ב), טיוואן וישראל. בשנת 2026, אנו עדים ל"ביזור הפיתוח. השינוי: אבו דאבי וריאד פותחות מרכזי תכנון ענקיים המתמקדים בבינה מלאכותית ריבונית.

גם הודו נכנסה חזק לפיתוח שבבים מאפס. גרמניה מצטרפת לתחום הפיתוח עם מרכזי פיתוח (במינכן ודרזדן ) תוך התמקדות בחוזקותיה בתחומי הרכב והתעשייה. בנוסף, "חוק השבבים האירופי" טיפח מסדרון בין גרמניה להולנד.שינוי זה כולל גם התרחבות אינטל במגדבורג ו-TSMC בדרזדן. בנוסף להתפתחות הגלובלית העניפה ישראל שומרת על מעמדה כמרכז תכנון השבבים הצפוף ביותר בעולם והיא משמשת כיום כ"פאב של הרעיונות" עבור ענקיות הטכנולוגיה האמריקאיות. כמעט כל שבב גדול של אמזון, גוגל ואפל מתוכנן במסדרון תל אביב-חיפה. וכעת  מתרחבת התעשיה גם לאיזור באר שבע כדי לנצל דור חדש של כישרונות.

7. אריזות מתקדמות  מסייעות לשיפור ביצועים

עם האטה במעבר לטכנולוגית 2 ננומטר, שיפורי ביצועים מגיעים כעת מ-3D Stacking (CoWoS, SoIC). שוק האריזות המתקדמות צומח פי 3 מהר יותר משוק ייצור הקצה המסורתי.

8. נקודת המפנה של RISC-V

סנקציות גיאופוליטיות האיצו את אימוץ RISC-V בסין וברוסיה. בשנת 2026, יש לצפות לכך ששבבי מרכזי הנתונים הראשונים בעלי הביצועים הגבוהים המבוססים על RISC-V יאתגרו את השבבים מבוססי ארכיטקטורת x86 ו-Arm בעומסי עבודה מהדור החדש.

9. סיליקון פוטוניקס נכנסת למרכזי הנתונים

כדי להתמודד עם תפוקת הנתונים העצומה של אשכולות בינה מלאכותית, כבלי נחושת מוחלפים כעת בטכנולוגיה פוטונית מבוססת אור. חיבורי סיליקון פוטוניקס הופכים לפופולארים יותר ויותר כדי להתמודד עם נפחי התקשורת הגבוהים הדרושים בעידן הבינה המלאכותית.

 . 10. משבר הכישרונות

למרות האוטומציה, התעשייה מתמודדת עם מחסור של כ- 300,000 מהנדסים מיומנים ברחבי העולם. מצב זה מוביל לעלייה בשימוש בכלי "בינה מלאכותית עבור EDA"  (כלומר כלי פיתוח המשתמשים בבינה מלאכותית כדי לתכנן שבבים מהר יותר), ומפצה על המחסור במתכננים אנושיים.

מקור: נתוני שוק מצטברים לשנת 2026 מסימפוזיוני טכנולוגיה של גרטנר, IDC ו-TSMC.

הפוסט 10 תובנות להתפתחות תעשיית השבבים בשנת 2026 הופיע לראשונה ב-Chiportal.

תעשיית המוליכים למחצה הישראלית, המוכרת זה מכבר כמעצמה עולמית של חדשנות, זכתה במחצית דצמבר החולף להצבעת אמון אדירה. ג'נסן הואנג, המנכ"ל בעל החזון של אנבידיה, הכריז על ישראל כ"בית השני" של החברה, והודיע ​​על השקעה שוברת שיאים בקמפוס ענק בן 90 דונם בקרית טבעון. הקמפוס נועד לאכלס יותר מ-10,000 עובדים ומציין אירוע טרנספורמטיבי שישפיע על כל המערכת האקולוגית הטכנולוגית הישראלית במשך עשרות שנים. עד השנים האחרונות היתה חברת אינטל המעסיק הגדול ביותר בהייטק הישראלי. כעת נראה כי אנבידיה עומדת לתפוס את מקומה של אינטל מתוך הכרה ביכולות הפיתוח של המהדנסים הישראלים.

מאז ומתמיד היתה ישראל מרכז חשוב לתכנון שבבים, כאשר כל מי שמחשב עצמו כשחקן מרכזי בשוק השבבים העולמי גם מחזיק במרכז פיתוח בישראל. מאינטל, ברוקדום וקוואלקום עד אמזון, גוגל ואפל לכולם יש כיום מרכזי פיתוח המעסיקים מאות אם לא אלפי מהנדסי שבבים בישראל. יחד עם זאת נראה כי מחויבותה של אנבידיה לישראל מעלה אותה למעמד ברמה חדשה. על ידי הגדרת ישראל כבסיס תפעולי מרכזי – שני רק למטה ארה"ב – אנבידיה מאותתת שהדרך לדור הבא של בינה מלאכותית ומחשוב עוברת ישירות דרך קריית טבעון. מהלך זה מאפשר את השילוב הייחודי של כישרון הנדסי ורוח יזמית המצויה בישראל, ומאשר את מעמדה בפסגת פיתוח השבבים העולמית.

"אפקט מלאנוקס" הוכפל

הצהרתו של מנכ"ל אנבידיה הינה תוצאה ישירה של החוויה החיובית מאד של אנבידיה לאחר רכישת חברת מלאנוקס בשנת 2020. שילוב יכולות עיבודי הרשת המובילות בעולם של מלאנוקס במערך מחשוב העל של בינה מלאכותית של אנבידיה היה הצלחה מסחררת, המונעת על ידי האיכות והחדשנות יוצאות הדופן של צוותי ההנדסה הישראליים. החלטתו של הואנג להכפיל את המאמץ בישראל היא עדות לכישרון שהניע את מלאנוקס וכעת מניע מרכיבים קריטיים בהצלחתה העולמית של אנבידיה. הקמפוס החדש מייצג הכפלה של הצלחה זו, ומתמקד לא רק ברשתות, אלא בספקטרום המלא של טכנולוגיות אנבידיה – כולל ארכיטקטורת GPU מהדור הבא, תכנון CPU ומערכת האקולוגית של התוכנה המניעה את מהפכת הבינה המלאכותית.

בעקבות ענקים

ההתרחבות של אנבידיה משקפת את המסלול המוצלח של ענקיות טכנולוגיה אחרות באזור, ובראשן אפל. אפל נכנסה לשוק הישראלי בשנת 2012 עם רכישת Anobit, ולאחר שחוותה ממקור ראשון את כישרונות ההנדסה המקומיים, הרחיבה באופן דרמטי את נוכחותה. כיום, אפל מעסיקה יותר מ-2,500 מהנדסים בישראל, ומסתמכת עליהם עבור חלק מפיתוח השבבים החשוב ביותר שלה. המהלך של אנבידיה מרמז על מחויבות דומה, אם לא גדולה יותר, לטווח ארוך למינוף מומחיות ישראלית כעמוד תווך באסטרטגיית המחקר והפיתוח הגלובלית שלה.

תזמון מושלם בתוך שינויים בתעשייה

התוכניות השאפתניות של אנבידיה מגיעות לצומת קריטי עבור התעשייה המקומית. במשך עשרות שנים, אינטל הייתה המעסיקה הגדולה ביותר במגזר הטכנולוגיה בישראל, והסתמכה במידה רבה על מהנדסים ישראלים לפיתוח המעבדים המתקדמים ביותר שלה. עם זאת, כאשר אינטל מתמודדת כיום עם אתגרים ומצמצמת את כוח העבודה שלה, ההתרחבות של אנבידיה מציעה איזון חיוני. היא מבטיחה שלמאגר העמוק של כישרונות מוליכים למחצה מתקדמים בישראל יהיה בית חדש ודינמי, תוך מניעת "בריחת מוחות" ושמירת היתרון התחרותי של המדינה בתקופת מעבר עבור שחקנים גדולים אחרים.

תדלוק צינור הכישרונות

ההשפעה המיידית ביותר תהיה על שוק העבודה. המטרה להעסיק מעל 10,000 עובדים יוצרת ביקוש עצום לכישרונות הנדסיים מתקדמים. זה יביא לתחרות עזה על עובדים מיומנים, מה שסביר להניח שיעלה את המשכורות וההטבות ברחבי המגזר. חשוב מכך, זה ייתן תמריץ לאוניברסיטאות ולמכונים טכניים להרחיב את מסלולי המוליכים למחצה ובינה מלאכותית שלהם, ויבטיח זרימה קבועה של כישרונות חדשים כדי לענות על ביקוש חסר תקדים זה. זה מבטיח למעשה נתיב קריירה לדור הבא של מהנדסים ישראלים.

מגנט למערכת האקולוגית

המגה-קמפוס של אנבידיה יפעל ככוח כבידה. מתקן בקנה מידה כזה מושך אליו קבוצת תעשיות תומכות – סטארט-אפים המפתחים תוכנות בינה מלאכותית משלימות, ספקים המספקים כלי עיצוב מיוחדים ושותפים המעוניינים להשתלב עם הפלטפורמות של אנבידיה. זה מטפח מערכת אקולוגית צפופה שבה חדשנות מתרחשת לא רק במעבדה, אלא גם בבתי הקפה ובחדרי הישיבות המקיפים את הקמפוס. אנו יכולים לצפות לעלייה במספר הסטארטאפים המקומיים שמטרתם להיות חלק משרשרת האספקה ​​של אנבידיה או למנף את הקרבה החדשה שלה למיזמים שיתופי פעולה.

חוסן בתקופות סוערות

אולי ההיבט הנוגע ללב ביותר של הכרזה זו הוא העיתוי שלה. בתקופה המאופיינת בחוסר יציבות גיאופוליטית ומלחמה, ענקית עולמית כמו אנבידיה שבוחרת להכפיל את נוכחותה בישראל שולחת מסר רב עוצמה של חוסן ואמונה ארוכת טווח. היא מרגיעה משקיעים בינלאומיים כי נקודות החוזק הבסיסיות של מגזר הטכנולוגיה הישראלי – החדשנות, הזריזות וההון האנושי שלו – נותרו בלתי מעורערות.

אפשר לסכם ולומר כי ההצהרה של ג'נסן הואנג היא רגע מכונן עבור תעשיית השבבים הישראלית. היא מחזקת את מעמדה של ישראל כמרכז בינלאומי לפיתוח שבבים מתקדמים. בשנות ה- 70 של המאה הקודמת היה זה דב פרומן, יהודי וישראלי ציוני שהצליח לשכנע את חברת אינטל העולמית לפתוח בישראל מרכז פיתוח שבבים. מרכז שבעקבותיו הפכה ישראל למרכז עולמי חשוב לפיתוח שבבים. ג'נסן הואנג, אינו ישראלי וגם לא יהודי אבל מעשיו בעת האחרונה ומחויבותו לישראל ישפיעו מהותית על תעשיית הטק הישראלית.  

ישראל כבר הפכה למרכז פיתוח הכרחי במהפיכת הבינה המלאכותית העולמית אך העובדה כי אנבידיה, חברת הטכנולוגיה הגדולה בעולם מאמינה ביכולות הפתוח של מהנדסי ישראל מבטיחה כי חברות נוספות ילכו בעקבותיה ויסייעו לעתיד של צמיחה טכנולוגית וכלכלית בישראל.  

הפוסט השפעת הצהרת "הבית השני" של אנבידיה על תעשיית השבבים בישראל הופיע לראשונה ב-Chiportal.

המטה, האמון על פעילות החברה באירופה, המזרח התיכון ואפריקה (EMEA), ממוקם באמסטרדם – לשם עברה כוכבית עם משפחתה.

מינויה של כוכבית לתפקיד מפתח בחברה המובילה את תעשיית השבבים העולמית הוא אות כבוד לתעשייה הישראלית כולה, ובפרט לנשים הפועלות בה.

נפגשנו עם כוכבית לשיחה פתוחה כדי ללמוד על הדרך המקצועית שעברה, על האתגרים במעבר לרילוקיישן (Relocation) בבירה האירופית, ועל התובנות שהובילו אותה להצלחה בזירה הבינלאומית.

אז איך הכל התחיל?

התחלתי את הקריירה שלי בתעשיית השבבים בחברת אינטל שם עסקתי בתכנון פיזי (Physical Design) . התחנה הבאה היתה מחלקת הפיתוח של חברת DSPG ואחרי כמה זמן עברתי לחברת טאואר כדי להשתלב במחלקת ה – CAD במרכז החברה בנתניה. שם פגשתי את פול גיבסון (מוותיקי תעשיית ה-EDA) שהיה באותה עת מנהל הפעילות העסקית של חברת Synchonicity  ויותר מאוחר היה מעורב בהקמת חברות בתעשיה בינהן Agile Analog.

ומה קרה עם פול?

פול גילה את הכישורים הבינאישיים שלי והמליץ לי לעשות הסבה מפיתוח לתחום המכירות והעסקים. לקח לי קצת זמן לעכל זאת ולעשות את השינוי אבל החלטתי לקבל את הצעתו של פול ובשנת  2005 הצטרפתי לחברת הקנין הרוחני Virage Logic בה עבד פול כמנהל הפעילות האירופית ואני התמניתי לתפקיד מנהלת השוק הישראלי.

עם רכישת וירג' לוג'יק ע"י סינופסיס עברה גם כוכבית לסינופסיס שם עבדה כמנהלת ה- IP של סינופסיס בישראל עד 2014 כשנסעה עם משפחתה לויטנאם בעקבות רילוקיישן של בעלה. ארבע וחצי שנים מאוחר יותר כשחזרה לארץ הצטרפה לחברת arm כמנהלת מכירות איזורית.

ואז הגיע פול נוסף

כן, בזמן שעבדתי ב- arm השתתפתי בכנסים  של TSMC בישראל ולפני כשלוש שנים כשנפגשתי עם פול דה בוט נשיא TSMC אירופה באחד מכנסי החברה בישראל הוא הציע לי לעבור לעבוד במטה החברה באירופה. אחרי כמה חודשים מאז אותה פגישה אקראית מצאתי את עצמי עובדת ב-TSMC וגם מטפלת בלקוחות מכל רחבי אירופה. למעשה התחלתי בתפקיד פיתוח עסקי שלא כלל את השוק הישראלי. ורק בחודשים האחרונים הוצע לי לעבור ולטפל בשוק המקומי.

שמחת לחזור לעבוד מול השוק הישראלי?

כמובן. אני מאד  שמחה לעבוד מול התעשיה המוכרת לי היטב ועם האנשים שאני אוהבת. בכל הזדמנות שיש לי אני מספרת לעמיתיי וחבריי בהולנד, על הפיתוחים החדשנים שנעשים בישראל וממש לאחרונה הייתי גאה מאד לעדכן אותם בהכרזה של ג'נסן הואנג, מנכ"ל אנבידיה שהכריז בריש גלי (במיוחד בתקופה בה ישראל לא אהודה במיוחד בעולם) כי "ישראל היא הבית השני של אנבידיה".

בהסתכלות על התעשיה ועל הקריירה שלך האם הרגשת שיש לך בעיה להתקדם כאשה?

ממש לא, מעולם בשום שלב בעבודה שלי לא הרגשתי שיש לי בעיה להתקדם בגלל היותי אשה. אני מאמינה שכל אחד או אחת יכולים להתקדם בחיים זה רק תלוי בו או בה.

מה זאת אומרת? נשים רבות טוענות שהן לא מקודמות בגלל היותן נשים

ההתקדמות קורית בזכות עשיה ועבודה קשה. אני מאמינה גדולה בנטוורקינג וחשוב גם שכל אשה שרוצה להתקדם תבנה לעצמה רשת קשרים. מעולם לא הופליתי לרעה בגלל היותי אשה ומצד שני אני רוצה שאנשים יעשו איתי עסקים לא כי אני אשה אלא כי אני טובה.

אז מה ניתן לדעתך לעשות כדי שיהיו יותר נשים בתעשיית השבבים

זה הכל מתחיל בחינוך וכשאני אומרת חינוך אני מתכוונת לחינוך כבר בבית ספר יסודי. יש לי ארבעה ילדים, שני בנים בגילאי 17 ו-15 ושתי בנות (תאומות) בנות 12. אני מעודדת את כולם לשאוף להצלחה (וכמובן להצטרף להייטק). כל אחד צריך להעצים את הילדים שלו ולגדל אותם להיות סקרנים.

ואיך גורמים לזה לקרות?

אני מאמינה שכל אחד צריך מנטור. מישהו שיאמין בך ויכוון אותך. אני גם מאמינה שאפשר לגדל משפחה וגם לבנות קריירה במקביל. כשרוצים אפשר הכל!

הפוסט המסע של כוכבית – מהשוק המקומי לצמרת העולמית הופיע לראשונה ב-Chiportal.

ג'נסן הואנג, מנכ"ל אנבידיה צוטט לאחרונה כשאמר "אנחנו קרובים להיות מסוגלים ליישם מחשבים קוונטיים בבעיות מעניינות בשנים הקרובות, אך מחשבים קוונטיים שימושיים מאוד עדיין רחוקים לפחות 15-20 שנה". הוא הדגיש כי למרות הפוטנציאל העצום של קוונטום, טכנולוגיות הסמיקונדקטור ימשיכו להיות מרכזיות בטווח הקצר והבינוני. גם ליסה סו, מנכ"לית ענקית השבבים AMD התבטאה בענין ואמרה: "הבינה המלאכותית דורשת כוח חישוב עצום, ואנחנו מספקים אותו כיום עם שבבים מתקדמים. קוונטום מעניין, אבל זה לא מה שמניע את העולם כרגע.” ליפ בו טאן, משקיע הון סיכון ותיק וכיום מנכ"ל אינטל הוסיף: "מחשוב קוונטי הוא החזית הבאה של מחשוב עתיר ביצועים, אך עלינו להיות סבלניים. בעוד שהפוטנציאל לגילוי תרופות וקריפטוגרפיה הוא עצום, האתגר האמיתי כיום אינו רק הפיזיקה – אלא כל המערכת האקולוגית סביבה".

במאמר זה נבחן את ההבדלים המהותיים בין שתי הטכנולוגיות, את מגבלותיהן, ואת ההסתברות שזו או אחרת תוביל את עיבוד המידע בעשור הקרוב.

סמיקונדקטור: התקדמות ארכיטקטונית וייצורית

מיזעור מתחת ל־2 ננומטר הוא אחד האתגרים המרכזיים כיום כאשר חברות כמו TSMC, אינטל וסמסונג כבר מתכננות ייצור המוני בטכנולוגיות 2 ננומטר ואף מעבר לכך, תוך התמודדות עם ניהול זרמי דליפה ושימוש בחומרים חדשים כגון Nanosheets ו־Gate-All-  Around.  . במקביל מתרחשת אינטגרציה תלת־ממדית (3D IC) שבה המעבר ל־ Chiplets   ו־ Heterogeneous Integrationמאפשר חיבור פונקציות שונות כגון GPU, NPU, CPU וזיכרון במארז אחד, מה שמהווה פתרון לבעיות Scaling ומספק Bandwidth גבוה בין רכיבים.

הדור הבא של השבבים מתמקד במאיצים ייעודיים בשיטת domain-specific architectures הכוללים AI accelerators כגון TPU ו-NPU, מעבדי HPC GPUs עם אלפי ליבות מקבילות וכן רכיבי ASICs ייעודיים לתקשורת, אבטחה ו־Edge Computing.

לצד אתגרי ייצור משמעותיים הדורשים טכנולוגית  EUVמתקדמת, פיתוח חומרים חדשים ועמידה ביעדי  אמינות גבוהים הדורשים השקעות הוניות עצומות, תעשיית השבבים בשלה ומוכנה להתמודד עם האתגרים שבדרך.

מחשוב קוונטי: פוטנציאל מול מגבלות

ארכיטקטורות קיוביטים המבוססות על Trapped Ions, Superconducting Circuits או Photonic Qubits  מציעות יתרונות שונים אך כולן מתמודדות עם Decoherence וזמן חיים קצר, כאשר במקביל, תיקון שגיאות קוונטי נותר החסם המרכזי בשל Overhead עצום של Error Correction  כך שכדי להגיע ל־ Fault-Tolerant Quantum Computing נדרשים מיליוני קיוביטים פיזיים עבור אלפי קיוביטים לוגיים.

למרות זאת מחשוב קוונטי צפוי להצטיין בתחומי יישום ייחודיים כמו סימולציות מולקולריות (לפיתוח תרופות וחומרים), אופטימיזציה מורכבת (לחישובי לוגיסטיקה ופיננסים) וקריפטוגרפיה (לפירוק (RSA . למרבה הצער יש כיום למחשוב הקוונטי מגבלות כלכליות משמעותיות שכן מערכות המחשוב הללו דורשות קירור קריוגני, תשתיות יקרות מאד וידע מחקרי רב והן עדיין אינן מתאימות לעיבוד מידע כללי או לשימוש רחב.

מי ינצח בעשור הקרוב?

הערכת מצב ריאלית מצביעה על כך שתעשיית הסמיקונדקטור תמשיך להוביל את עיבוד המידע בעשור הקרוב (2036- 2026). השבבים הקלאסיים ימשיכו לספק את עמוד השדרה של מערכות המחשוב השונות. מחשוב קוונטי יישאר כלי ייחודי לבעיות ספציפיות, עם חדירה מוגבלת.

טכנולוגיות ייצור מתקדמות, אינטגרציה תלת־מימדית, ומאיצים ייעודיים יאפשרו עיבוד בקנה מידה עצום, מהיר ויעיל. לעומתן, מחשוב קוונטי יתקדם, אך יישאר בעיקר כלי מחקרי וניסיוני. העתיד הרחוק יותר עשוי להיות שונה, אך בעשור הבא, אין ספק שהסמיקונדקטור הוא המנוע המרכזי של עיבוד המידע הגלובלי.

הפוסט מי ינצח בעשור הקרוב: סמיקונדקטור או מחשוב קוונטי ? הופיע לראשונה ב-Chiportal.