אינטל פרסמה פרטים ראשונים על Starfire, שבב מחשוב משולב המיועד למערכות חלל ומשלב מעבד, מאיץ בינה מלאכותית ורכיב גרפי במארז אחד. השבב מבוסס על תכנון Panther Lake, שבפיתוחו השתתפו גם צוותי הנדסה של אינטל בישראל.

Panther Lake הוא הדור הראשון של מעבדי הלקוחות של אינטל המבוסס על תהליך הייצור Intel 18A. הארכיטקטורה פותחה במקור למחשבים אישיים ולמערכות קצה, ואינטל מתאימה אותה כעת גם ליישומים הדורשים מגבלות מחמירות של גודל, משקל, צריכת חשמל ועמידות סביבתית.

״בבסיס Starfire נמצא שבב Panther Lake שפיתחנו גם בישראל. כדי להתאים אותו לשימוש בחלל הוגדרו כבר בשלב התכנון דרישות נוספות״, אמר זוהר צבע, סגן נשיא בקבוצת המחשוב באינטל ישראל, שהיה מעורב בפרויקט.

לדבריו, הצוותים מבצעים סימולציות תרמיות כחלק מתהליך התכנון, בודקים בשלב האימות את עמידות המערכת בטמפרטורות נמוכות עד מינוס 40 מעלות צלזיוס, ובהמשך בוחנים כל שבב כחלק מתהליך הייצור. צוותים בישראל השתתפו בהגדרת הדרישות, בתכנון ובבדיקות.

Starfire יוצע בשתי גרסאות החולקות ארכיטקטורה בסיסית משותפת. שתיהן כוללות שמונה ליבות CPU – ארבע ליבות ביצועים וארבע ליבות חסכוניות – לצד NPU לעיבוד משימות בינה מלאכותית ורכיב גרפי המבוסס על ארבע ליבות Xe ו־64 יחידות ביצוע.

הרכיבים משולבים במארז אחד באמצעות טכנולוגיית Foveros של אינטל, המאפשרת לערום ולחבר אריחי סיליקון שיוצרו בתהליכים שונים. חלקי העיבוד המרכזיים מבוססים על Intel 18A, ואילו הרכיב הגרפי מיוצר בתהליך Intel 3.

הגרסה החסכונית תפעל במעטפת הספק של 10 ואט ותציע כושר עיבוד משולב של עד 45 TOPS – טריליון פעולות בשנייה. גרסת הביצועים תפעל במעטפת של 35 ואט ותגיע לפי החברה לעד 75 TOPS. ההבדלים בין הגרסאות כוללים את תדרי העבודה של ליבות המעבד ושל הרכיב הגרפי.

עם זאת, Starfire עדיין אינו מוצר בעל אפיון קרינה סופי. אינטל מסרה כי בדיקות עמידותו למנת קרינה מייננת מצטברת ולתקלות הנגרמות מאירועי קרינה נקודתיים עדיין מתבצעות. זהו שלב חיוני לפני שניתן יהיה לקבוע לאילו מסלולים ולמשך כמה זמן אפשר יהיה להשתמש בשבב.

החברה מתכננת לייצר את השבבים בארצות הברית ולהעמיד דגימות ראשונות לרשות לקוחות ברבעון השלישי של 2026. המפרטים שפורסמו מבוססים על תוצאות הבדיקות הנוכחיות ועשויים להשתנות עד השלמת הפיתוח והאימות.

הפוסט אינטל התאימה את Panther Lake לתנאי החלל: צוותים בישראל השתתפו בפיתוח Starfire הופיע לראשונה ב-Chiportal.

אלטרה (Altera), יצרנית רכיבי ה־FPGA שנפרדה מאינטל בשנה שעברה, חוזרת למסלול צמיחה לאחר תקופה ממושכת של ירידה בהכנסות ואובדן נתח שוק. מנכ"ל החברה, רג'יב חוסיין, אמר לרויטרס כי הכנסות אלטרה גדלו ביותר מ־20% בשנה שעברה, וכי החברה צופה צמיחה בשיעור של כ־25% גם השנה. לדבריו, ההכנסה התפעולית של החברה יותר מהוכפלה, אולם כחברה פרטית אלטרה אינה מפרסמת נתונים כספיים מלאים. (Reuters)

השיפור מגיע לאחר שבשנת 2024 צנחו הכנסות פעילות ה־FPGA של אינטל לכ־1.5 מיליארד דולר, לעומת 2.9 מיליארד דולר ב־2023. הפעילות רשמה באותה שנה הפסד תפעולי של כ־615 מיליון דולר. הירידה נבעה בין היתר מחולשה מחזורית בשוק, מעבר תקציבי השקעה למאיצים גרפיים ואובדן נתח שוק ל־Xilinx, שנרכשה בידי AMD.

לדברי חוסיין, אחד ממנועי ההתאוששות הוא הביקוש הגובר למערכות בינה מלאכותית, רובוטיקה, אוטומציה תעשייתית ומחשוב קצה. בניגוד למעבד רגיל או למאיץ שתפקידיו נקבעים במידה רבה בעת התכנון, רכיבי FPGA כוללים מערך לוגי שניתן לתכנות מחדש גם לאחר ייצור השבב. תכונה זו מאפשרת להתאים את החומרה ליישומים חדשים, לתקני תקשורת משתנים ולדרישות זמן אמת.

במערכות רובוטיות יכולים רכיבי FPGA לטפל במקביל בזרמי מידע המגיעים ממצלמות, חיישני LiDAR, מכ"ם ומערכות בקרת תנועה. הם משמשים לעיבוד מוקדם של המידע, למיזוג נתוני חיישנים ולחיבור בין המעבדים לבין הרכיבים הפיזיים. בכך הם אינם מתחרים בהכרח במעבדי ה־GPU של אנבידיה, אלא משלימים אותם ומטפלים בפעולות הדורשות השהיה צפויה ונמוכה.

חוסיין הגדיר את רכיבי ה־FPGA כ"מערכת העצבים" של עולם הרובוטיקה. להערכתו, השימוש בהם ברובוטים ובמערכות בינה מלאכותית פיזית עשוי ליצור בעשור הקרוב שוק בהיקף מצטבר של 100–300 מיליארד דולר. מדובר בתחזית של הנהלת החברה ולא בהערכת שוק עצמאית.

אלטרה הציגה בתערוכת Embedded World שנערכה במרץ 2026 פתרונות ממשפחות Agilex 3 ו־Agilex 5, המיועדים בין היתר לראייה ממוחשבת, עיבוד חיישנים, בקרה רובוטית ויישומי בינה מלאכותית בקצה הרשת. החברה מדגישה את היכולת לספק ביצועים דטרמיניסטיים – כלומר, להשלים פעולות בתוך פרק זמן ידוע מראש – תכונה חשובה במכונות תעשייתיות ובמערכות בטיחותיות.

חזרה לעצמאות – לפי פחות ממחצית ממחיר הרכישה

אינטל רכשה את אלטרה בשנת 2015 תמורת 16.7 מיליארד דולר, בניסיון להרחיב את פעילותה במרכזי נתונים, תקשורת ומערכות משובצות. באפריל 2025 הסכימה אינטל למכור 51% מהחברה לקרן ההשקעות סילבר לייק תמורת כ־4.46 מיליארד דולר. העסקה שיקפה לאלטרה שווי של 8.75 מיליארד דולר – מעט יותר ממחצית מהסכום ששילמה אינטל כעשור קודם לכן. אינטל ממשיכה להחזיק ב־49% מהחברה. (altera.com)

אלטרה השלימה את הפיכתה לחברה עצמאית בספטמבר 2025. מאז פעלה לצמצום התלות התפעולית באינטל: לדברי חוסיין, מספר הסכמי שירותי המעבר בין שתי החברות ירד מ־125 ל־15 בלבד. במקביל השיקה אלטרה שישה שבבים חדשים וחיזקה את הקשר הישיר בין צוותי ההנדסה ללקוחות.

למרות ההפרדה, אלטרה מוסיפה להשתמש בשירותי הייצור של אינטל לצד TSMC. לדברי חוסיין, החברה עובדת עם TSMC גם על טכנולוגיות ייצור של 3 ו־2 ננומטר, ומחזיקה כיום בייצור סדרתי פתרונות FPGA התומכים בזיכרונות DDR5.

החברה נערכת להנפקה עתידית, אך טרם פרסמה מועד או שווי יעד. הנפקה כזו עשויה להפוך את אלטרה לאחת האפשרויות הבודדות בשוק הציבורי להשקעה ממוקדת בתחום ה־FPGA, לאחר שהמתחרה העיקרית Xilinx נטמעה בתוך AMD. עם זאת, המשך הצמיחה תלוי ביכולתה של אלטרה להחזיר נתחי שוק, לשמור על קצב השקת מוצרים ולהוכיח שההתאוששות אינה רק תוצאה של יציאה מהשפל המחזורי בענף.

הפוסט אלטרה חוזרת לצמוח: הביקוש ל־FPGA מתרחב בזכות בינה מלאכותית ורובוטיקה הופיע לראשונה ב-Chiportal.

קוואלקום הודיעה כי תרכוש את חברת תוכנת הבינה המלאכותית Modular בעסקת מניות המוערכת בכ־3.92 מיליארד דולר. במסגרת העסקה תנפיק קוואלקום עד 19.2 מיליון מניות חדשות לבעלי המניות של Modular. השלמת הרכישה צפויה במחצית השנייה של 2026, בכפוף לקבלת האישורים הרגולטוריים הנדרשים.

הרכישה אינה מוסיפה לקוואלקום רק צוות נוסף של מהנדסים, אלא שכבת תוכנה שנועדה להתמודד עם אחת הבעיות המרכזיות בשוק מאיצי הבינה המלאכותית: הקושי להעביר מודלים ויישומים בין ארכיטקטורות חומרה שונות.

המערכת של Modular מאפשרת למפתחים להפעיל מודלים על מעבדים מרכזיים, מעבדים גרפיים, מעבדים עצביים ושבבים ייעודיים, בלי לכתוב מחדש חלקים נרחבים מהתוכנה עבור כל רכיב. החברה מנסה למצב את עצמה כשכבת תוכנה אופקית, שאינה תלויה ביצרן חומרה יחיד ויכולה לפעול על שבבים של אנבידיה, AMD וספקים נוספים.

האתגר האמיתי נמצא בתוכנה

הרכישה מדגישה כי התחרות בשוק שבבי הבינה המלאכותית אינה מתנהלת רק סביב מספר הליבות, רוחב הפס לזיכרון או ביצועי החישוב. אחד מיתרונותיה המרכזיים של אנבידיה הוא סביבת CUDA, הכוללת כלי פיתוח, ספריות תוכנה ותשתיות שעברו התאמה במשך שנים למעבדים הגרפיים של החברה.

השימוש הנרחב ב־CUDA מקשה על לקוחות לעבור למאיצים מתחרים, גם כאשר אלה מציעים מחיר נמוך יותר או יעילות אנרגטית גבוהה יותר. מעבר לחומרה חדשה מחייב לעיתים התאמות תוכנה, בדיקות ביצועים ושינויים בתהליכי ההפעלה של המודלים.

Modular מבקשת לצמצם את התלות הזאת באמצעות שכבת תוכנה המפרידה בין מודל הבינה המלאכותית לבין המעבד שעליו הוא מופעל. מבחינת קוואלקום, רכישת החברה עשויה לספק לה את החלק החסר באסטרטגיית מרכזי הנתונים: סביבת תוכנה שתאפשר ללקוחות להשתמש במאיציה בלי לוותר על יכולת להעביר עומסי עבודה בין פלטפורמות שונות.

לדברי מנכ"ל קוואלקום, כריסטיאנו אמון, התרחבות הבינה המלאכותית הסוכנת במרכזי נתונים ובמערכות קצה מובילה לשימוש בארכיטקטורות מבוזרות המשלבות מוצרים של כמה ספקים. לדבריו, מערכות כאלה דורשות תשתית תוכנה פתוחה ומודרנית יותר, המאפשרת ללקוחות לבחור היכן וכיצד להפעיל את היישומים שלהם.

מפיתוח שפת Swift לתשתיות AI

Modular הוקמה בשנת 2022 בידי כריס לאטנר וטים דייוויס. לאטנר מוכר בתעשייה כאחד ממפתחי תשתית המהדרים LLVM וכיוצר שפת התכנות Swift של אפל. בהמשך מילא תפקידים בטסלה ובגוגל, שם עסק גם בתשתיות תוכנה עבור מעבדי הבינה המלאכותית TPU.

החברה פיתחה סביבת תוכנה לביצוע היסק – הפעלת מודלים שכבר אומנו – וכן את שפת Mojo, שנועדה לשלב תחביר הדומה ל־Python עם ביצועים והתאמה לעבודה קרובה יותר לחומרה. לפי דיווחים, כ־150 עובדי Modular, ובהם שני המייסדים, צפויים להצטרף לקוואלקום עם השלמת העסקה.

ההתמקדות בהיסק משמעותית במיוחד. בשלב הראשון של פריחת הבינה המלאכותית הושקע חלק גדול מההון באימון מודלים גדולים. ככל שמספר המודלים והמשתמשים גדל, מרכז הכובד עובר בהדרגה לעלות הפעלת המודלים: צריכת החשמל, ניצול הזיכרון, זמני התגובה ומספר הבקשות שכל שרת מסוגל לעבד.

שכבת תוכנה המאפשרת לבצע אופטימיזציה של ההיסק על סוגים שונים של חומרה עשויה להקל על מפעילי ענן וחברות גדולות לשלב מאיצים מתחרים לצד מעבדי אנבידיה.

קוואלקום מחפשת צמיחה מעבר לטלפונים

שבבים לטלפונים חכמים עדיין מהווים חלק מרכזי מפעילותה של קוואלקום, אך החברה מנסה להרחיב את נוכחותה במחשבים אישיים, במכוניות, במערכות קצה ובמרכזי נתונים.

בתחום האחרון היא מתמודדת לא רק עם אנבידיה, אלא גם עם AMD, אינטל וספקיות הענן הגדולות המפתחות מאיצים ושבבים ייעודיים בעצמן. קוואלקום מתכננת להתחיל לספק מעבדי ומאיצי בינה מלאכותית למרכזי נתונים, והרכישה נועדה לחזק את יכולתה לספק לצד החומרה גם סביבת פריסה וניהול של מודלים.

עם זאת, רכישת Modular אינה מבטיחה שקוואלקום תוכל לשחזר במהירות את האקוסיסטם שבנתה אנבידיה. CUDA נהנית מבסיס גדול של מפתחים, מספריות שעברו אופטימיזציה למגוון יישומים ומקשרים עמוקים עם ספקיות ענן, חברות תוכנה ומוסדות מחקר.

בנוסף, קוואלקום תצטרך לאזן בין שאיפתה להפוך את Modular לפלטפורמה ניטרלית התומכת בשבבים של ספקים רבים לבין הרצון להשתמש בה כדי לקדם את מוצריה שלה. הצלחת העסקה תיבחן בשאלה האם מפתחים ולקוחות ימשיכו לראות בפלטפורמה שכבה עצמאית – ולא כלי שנועד בעיקר להכניס אותם לסביבת החומרה של קוואלקום.

אם תצליח בכך, הרכישה עשויה לאפשר לקוואלקום להתחרות בשוק הבינה המלאכותית לא רק באמצעות שבבים חדשים, אלא גם בנקודה שבה חלק גדול מהיתרון התחרותי נוצר כיום: הקשר שבין התוכנה לחומרה.

הפוסט קוואלקום רוכשת את Modular בכ־3.9 מיליארד דולר ומכוונת לחומת התוכנה של אנבידיה הופיע לראשונה ב-Chiportal.

תעשיית השבבים משקיעה משאבים עצומים בהגדלת כוח החישוב הזמין לבינה מלאכותית: מאיצים חזקים יותר, זיכרונות מהירים, רשתות תקשורת למרכזי נתונים, מערכות קירור וארכיטקטורות המאפשרות לחבר עשרות אלפי מעבדים למודל אחד.

אולם מדען המחשבים פיטר ג'יי דנינג טוען כי הגדלת התשתית החומרתית והיקף המודלים לא תוביל בהכרח לבינה מלאכותית כללית ברמה אנושית.

בספר חדש הוא מציג טענה שלפיה המחקר בתחום פועל במשך יותר מ־75 שנה על בסיס פרשנות מוטעית של הצעת אלן טיורינג. טיורינג הציע בשנת 1950 לבחון אם מכונה יכולה להציג בשיחה התנהגות שאינה ניתנת להבחנה מזו של אדם. מבחן זה, שנודע לימים כמבחן טיורינג, הפך לאחת מנקודות הייחוס המרכזיות בדיון על מכונות חושבות.

לדברי דנינג, יכולתה של מערכת לחקות שיחה אנושית אינה מוכיחה שהיא מבינה את המילים שבהן היא משתמשת. הוא טוען כי אינטליגנציה אנושית אינה תוכנה בלבד, אלא תוצר של גוף ביולוגי, ניסיון מצטבר, קשרים חברתיים, רגשות, הקשר ותרבות.

מדובר בתזה המוצגת בספר ולא בממצא ניסויי שעבר ביקורת עמיתים. חוקרים וחברות בתעשיית הבינה המלאכותית עשויים לחלוק עליה, במיוחד לנוכח השיפור המהיר ביכולותיהם של מודלים גדולים. עם זאת, הטיעון מציב שאלה מהותית בפני תעשיית החומרה: האם הבעיה בדרך ל־AGI היא בעיקר מחסור בכוח חישוב, או שמדובר במחסום מסוג אחר לחלוטין?

הגדלת המודל אינה בהכרח הגדלת ההבנה

בלב טיעונו של דנינג נמצא "ידע סמוי" – ידע שבני אדם משתמשים בו, אך אינם מסוגלים להפוך לסדרה מלאה של מילים, סמלים או הוראות.

הידע הזה כולל שכל ישר, מיומנויות גופניות, אינטואיציה, הבנת התנהגות של אחרים, נורמות חברתיות, תרבות והיסטוריה משותפת. אנשים יודעים לזהות מתי אמירה היא סרקסטית, מתי נדרש טקט ומתי אפשר להתבדח, אף שבדרך כלל אינם מחשבים במודע את כל הכללים שהובילו אותם למסקנה.

מערכת מחשב, לעומת זאת, יכולה לעבד רק מידע שיוצג לה בצורה הניתנת לקידוד. דנינג מכנה זאת "בעיית הייצוג": כל נתון והוראה חייבים להיות מיוצגים בצורה פיזית שהמעבד מסוגל לזהות, לאחסן ולשנות.

ידע סמוי אינו בהכרח קיים בצורה כזו. אפשר לתעד את התוצאה של מיומנות, אך לא תמיד את הידע הגופני והתחושתי המאפשר לבצע אותה. כנר, למשל, יכול להדגים נגינה מעולה, אך אינו מסוגל להעביר לתלמיד את מלוא המיומנות באמצעות רשימת הוראות.

מנקודת המבט של תעשיית השבבים, משמעות הטענה היא כי יותר טרנזיסטורים, יותר זיכרון ורוחב פס גדול יותר יכולים לשפר את מהירות המודל, את גודלו ואת מספר המשימות שהוא מבצע – אך אינם מבטיחים מעבר מחיקוי מוצלח להבנה אנושית.

גם רובוט אינו בהכרח פותר את בעיית הגוף

חלק מחוקרי הבינה המלאכותית מנסים להתמודד עם מגבלת הטקסט באמצעות בינה מלאכותית מגולמת: רובוטים ומערכות אוטונומיות הלומדים באמצעות מצלמות, חיישני מגע, מיקרופונים ותנועה בעולם הפיזי.

מגמה זו צפויה להגדיל את הביקוש לשבבי קצה, מעבדי ראייה, חיישנים, מערכות זמן אמת ומאיצים חסכוניים באנרגיה. היא עשויה לאפשר למכונות ללמוד קשרים בין פעולה לתוצאה ולא רק לנתח מאגרי טקסט.

אולם דנינג טוען כי גם גוף רובוטי אינו זהה לגוף ביולוגי. רובוט יכול לצפות בביצוע, לאסוף נתוני חיישנים ולחקות תנועה, אך אין פירוש הדבר שהוא חווה את התחושות, הרגשות והמשמעויות שבני אדם מייחסים לפעולה.

הפער הזה חשוב במיוחד במערכות הפועלות לצד בני אדם. מכונית אוטונומית, רובוט תעשייתי, מערכת רפואית או סוכן תוכנה עשויים להצליח ברוב המצבים שנכללו באימון – ועדיין להיכשל במצב חריג שבו נדרש ידע הקשרי שלא הוגדר מראש.

הסכנה המעשית אינה מחייבת מחשב־על תבוני

דנינג אינו טוען כי כישלון אפשרי בהשגת AGI מבטל את הסיכונים של הבינה המלאכותית. לדבריו, מערכות שאינן מבינות את העולם כמו בני אדם עדיין יכולות להיות מהירות, אוטונומיות ובעלות השפעה רחבה.

רשתות של סוכני בינה מלאכותית עשויות לבצע משימות, לקבל החלטות ולתקשר זו עם זו ללא פיקוח רציף. הן אינן חייבות להיות בעלות תודעה או תבונה כללית כדי לגרום לשיבושים פיננסיים, להפיץ מידע שגוי, להפעיל מערכות באופן בלתי צפוי או לקבל החלטות שאינן מתיישבות עם מטרות המשתמשים.

לדברי דנינג, יישור מערכות בינה מלאכותית עם ערכים אנושיים נותר קשה משום שחלק מן הכוונות, הנורמות וההקשרים האנושיים כלל אינם מנוסחים. מערכת יכולה לציית להוראה המילולית ועדיין להחמיץ את מטרתה האמיתית.

לתעשיית השבבים אין מכאן מסקנה שלפיה הביקוש לחומרת AI עומד להיעלם. גם ללא AGI, מודלים ייעודיים, מערכות סוכניות, רובוטיקה, עיבוד שפה, תכנון שבבים, רפואה ומערכות אוטונומיות צפויים לדרוש כוח חישוב משמעותי.

אולם הטענה של דנינג מערערת על ההנחה שכמות החישוב היא המדד המרכזי להתקדמות לעבר אינטליגנציה אנושית. ייתכן שתעשיית החומרה תמשיך לשפר במהירות את ביצועי המכונות – בלי שהמכונות יתקרבו באותה מידה להבנה, משמעות או שיקול דעת אנושי.

הפוסט האם עוד שבבים וכוח חישוב יספיקו לבינה מלאכותית כללית? מדען מחשבים טוען שלא הופיע לראשונה ב-Chiportal.

חברת ה־IP לשבבים סיוה (Ceva) הודיעה כי חברת תוכנה ופלטפורמת בינה מלאכותית אמריקנית גדולה, ששמה לא נמסר, בחרה בארכיטקטורת NeuPro-M שלה כבסיס למאיץ עצבי — NPU — בשבב AI מותאם אישית. השבב מיועד לדור הבא של התקני מחשוב חכמים, שבהם יופעלו מודלים של בינה מלאכותית ישירות במכשיר. (Ceva)

לפי סיוה, הלקוחה שולטת הן במערכת ההפעלה והן בפלטפורמת החומרה, ולכן מבקשת לבצע אופטימיזציה משותפת של כל המערכת — ממערכת ההפעלה והתוכנה ועד למאיץ ה־AI בשבב. NeuPro-M מיועד להרצת בינה מלאכותית יוצרת, מודלים רב־אופניים ויישומי AI סוכנית, תוך מגבלות הספק, שטח סיליקון ופיזור חום של התקני קצה.

מנכ"ל סיוה, אמיר פנוש, הגדיר את ההסכם כאחת מעסקאות רישוי ה־AI החשובות מבחינה אסטרטגית בתולדות החברה. חשיבות נוספת היא שהלקוח אינו יצרן שבבים מסורתי, אלא חברת תוכנה ו־AI שנכנסת לתכנון שבבים ייעודיים — מגמה המזוהה עם חברות כמו גוגל, מיקרוסופט, אמזון ומטא, אף שאין כרגע בסיס לזהות מי מהן היא הלקוחה.

הפוסט סיוה זכתה בעסקת רישוי לפיתוח שבב AI מותאם לחברת תוכנה אמריקנית גדולה הופיע לראשונה ב-Chiportal.

SpaceX השלימה ביום שישי הנפקה ראשונית לציבור בהיקף של 75 מיליארד דולר, הגדולה ביותר שנרשמה עד כה, לפי רויטרס. מניות החברה החלו להיסחר בנאסד"ק לאחר תמחור של 135 דולר למניה, ובפתיחת המסחר עלו ל־150 דולר. לפי מחיר ההנפקה, החברה קיבלה שווי של כ־1.77 טריליון דולר.

עבור תעשיית השבבים, הסיפור המרכזי אינו עצם ההנפקה אלא מה ש־SpaceX מתכוונת לממן באמצעותה: הרחבת Starlink, המשך פיתוח Starship, ותוכניות עתידיות המשלבות תשתיות חלל ובינה מלאכותית. SpaceX אינה עוד חברת שיגור בלבד. היא הופכת לחברת תשתיות גלובלית שמחברת בין חלל, תקשורת, מחשוב ו־AI.

Starlink כמנוע ביקוש לשבבים

לפי רויטרס, הכנסות SpaceX ב־2025 עלו ב־33% ל־18.67 מיליארד דולר, כאשר Starlink סיפקה כ־60% מההכנסות, עם כ־10.3 מיליון משתמשים וכ־9,600 לוויינים. באותה שנה עברה החברה להפסד נקי של 4.94 מיליארד דולר, בין היתר בשל ההוצאה הכבדה על מחשוב AI ופיתוח רקטה חדשה.

המשמעות לשוק השבבים ברורה: כל לוויין, כל מסוף קרקעי וכל הרחבה של רשת תקשורת לוויינית יוצרים ביקוש לרכיבי RF, אנטנות phased array, מעבדי תקשורת, שבבי הספק, רכיבי זיכרון, חיישנים ומערכות עיבוד אות. ככל ש־Starlink מתרחבת, SpaceX הופכת גם ללקוח קצה משמעותי של שרשרת אספקת שבבים מתקדמת — גם אם חלק ניכר מהתכנון והאינטגרציה נעשה בתוך החברה.

החלל כשוק חדש למחשוב AI

אחד הסעיפים המעניינים ביותר עבור CHIPORTAL הוא הכיוון החדש שעליו מדברת SpaceX: תשתיות AI מבוססות חלל. רויטרס ציינה כי SpaceX מציגה למשקיעים עתיד הכולל גם מרכזי נתונים במסלול, כחלק מהניסיון ליהנות מהגידול בהשקעות בתשתיות AI.

זה עדיין חזון מוקדם, ולא שוק קיים בקנה מידה מסחרי. עם זאת, עצם הצגת הכיוון מצביעה על מגמה רחבה יותר: תעשיית החלל עוברת ממודל של שיגור לוויינים בודדים למודל של תשתיות מחשוב ותקשורת מתמשכות. אם הכיוון הזה יתממש, הוא ידרוש דור חדש של שבבים יעילים אנרגטית, עמידים יותר לקרינה, בעלי יכולות עיבוד מקומיות ועם צריכת הספק נמוכה במיוחד.

Starship והקשר לשרשרת האספקה

פיתוח Starship הוא חלק מרכזי בהערכת השווי הגבוהה של SpaceX. לפי רויטרס, Starship מיועדת לשאת יותר מ־100 טונות למסלול נמוך סביב כדור הארץ, לעומת כ־22.8 טונות ב־Falcon 9 וכ־63.8 טונות ב־Falcon Heavy. יכולת כזו, אם תבשיל, עשויה להוזיל פריסה של תשתיות גדולות במסלול — ובהן לוויינים, ציוד תקשורת ואולי בעתיד גם רכיבי מחשוב גדולים יותר.

עבור ספקי שבבים, זו אינה בשורה מיידית של הזמנות, אלא איתות אסטרטגי. חלל מסחרי הופך משוק נישה לשוק תשתיות. חברות שיידעו לספק רכיבים אמינים, חסכוניים ועמידים לתנאים קשים עשויות למצוא בו הזדמנות גוברת.

הערכת שווי גבוהה וסיכונים לא קטנים

לצד ההזדמנות, יש גם סיכון. לפי רויטרס, SpaceX נסחרת במכפיל מכירות חריג של כ־94 על בסיס מחיר ההנפקה, גבוה ממכפילים של חברות טכנולוגיה גדולות כמו Nvidia, Amazon ו־Meta. מכיוון שהחברה הפסידה ב־2025, לא ניתן להשוות אותה לפי מכפיל רווח.

הנפקת SpaceX עשויה לכן להשפיע על כל שרשרת הערך: משוק ההון, דרך יצרני מערכות תקשורת, ועד ספקי שבבים לתחומי RF, הספק, AI וחלל. אם החברה תעמוד בציפיות, היא עשויה להפוך לאחד ממנועי הביקוש החשובים ביותר לרכיבים מתקדמים מחוץ לשוקי הסמארטפונים, המחשבים ומרכזי הנתונים הקרקעיים. אם לא, היא תזכיר למשקיעים שגם תשתיות חלל ו־AI כפופות בסופו של דבר לכלכלה, רווחיות ויכולת ייצור.

הפוסט הנפקת SpaceX מאותתת לתעשיית השבבים: החלל הופך לשוק תשתיות ענק הופיע לראשונה ב-Chiportal.

הבינה המלאכותית הגנרטיבית התחילה מבחינת רוב המשתמשים כחלון צ’אט. אבל מבחינת תעשיית השבבים, הצ’אטבוטים היו רק השלב הראשון. בסימפוזיון הטכנולוגיות של TSMC באירופה הוצגה תמונה רחבה יותר: AI מתקדמת מהענן וממרכזי הנתונים אל הקצה, אל מכוניות, רובוטים, מכונות תעשייתיות וחיישנים. כל מעבר כזה אינו רק שדרוג תוכנה, אלא קפיצת מדרגה בדרישות החומרה.

כריס תומאס, נשיא TSMC Europe, תיאר את ה-AI כטכנולוגיה שמתפשטת במקביל בענן, במרכזי נתונים ובקצה. לפי סיכום דבריו, ההתפשטות הזו דורשת “צפיפות מחשוב קיצונית, רוחב פס גבוה ויעילות הספק”. זהו למעשה קיצור של האתגר כולו: יותר חישוב, יותר נתונים, ופחות אנרגיה לכל פעולה.

שלב ראשון: צ’אטבוטים וכלכלת הטוקנים

השלב הראשון של הגל הנוכחי הוא הצ’אטבוט. כאן צוואר הבקבוק המרכזי הוא ייצור טוקנים: כמה מהר המודל עונה, כמה עולה כל תשובה, וכמה זיכרון נדרש כדי לשמור את ההקשר. ככל שהמודלים גדלים וחלונות ההקשר מתארכים, עולה החשיבות של HBM, רוחב פס לזיכרון, רשתות מהירות בין מאיצים ואריזות מתקדמות.

בשלב הזה המדד אינו רק ביצועי שיא של GPU יחיד. מרכזי נתונים נמדדים יותר ויותר בטוקנים לוואט, טוקנים לדולר, ניצול מערכת וזמן הגעה לייצור. לכן תעשיית השבבים עוברת מחשיבה על שבב בודד לחשיבה על מערכת שלמה: מאיץ, זיכרון, רשת, קירור, תוכנה ואריזה.

שלב שני: Agentic AI הופך תשובה לתהליך עבודה

השלב השני הוא Agentic AI — בינה מלאכותית סוכנית. כאן המערכת אינה מסתפקת בתשובה אחת. היא מפרקת משימה לשלבים, מפעילה כלים, בודקת תוצאות, מתקנת שגיאות וממשיכה לפעול לאורך זמן. מבחינת המחשוב, שאילתה אחת יכולה להפוך לעשרות פעולות משנה: קריאות למודלים, קוד, חיפוש, גישה למסדי נתונים, בדיקות והרצות חוזרות.

לכן Agentic AI מחזיר למרכז הבמה גם את המעבדים הכלליים, את מערכות האחסון ואת שכבות התזמור. לא מדובר רק בעוד עומס על GPU, אלא במפעל AI שמנהל תהליכים מתמשכים.

הדוגמה של Siemens ו-TSMC ממחישה שהשינוי הזה נכנס גם לתכנון השבבים עצמו. סימנס תיארה את מערכת Fuse EDA AI כ-Agentic AI ייעודי לתעשיית השבבים, שנועד לבצע “אוטומציות מרובות-שלבים ומרובות-כלים” סביב אימות פיזי, תיקון הפרות DRC וגישה מהירה למידע תכנוני. אנקור גופטה, סגן נשיא בכיר ב-Siemens EDA, אמר כי השילוב עם טכנולוגיות הייצור של TSMC מסייע ללקוחות להגיע ל“רמות חדשות של מהירות, דיוק וביטחון בתכנון”.

גם מצד TSMC הודגש הקשר בין AI לבין יעילות אנרגטית. אביק סרקר מ-TSMC אמר כי ההתקדמות המשותפת בכלי EDA מבוססי AI מסייעת לקדם “חדשנות שבבים יעילה אנרגטית” בעידן ה-AI.

שלב שלישי: Physical AI יוצא מהדאטה סנטר

השלב השלישי הוא Physical AI — בינה מלאכותית שפועלת בעולם הפיזי. כאן מדובר ברכבים אוטונומיים, רובוטים תעשייתיים, מכונות ייצור, מערכות לוגיסטיקה, ציוד רפואי וחיישנים חכמים. בשונה מצ’אטבוט, מערכת כזו אינה יכולה תמיד להמתין לענן. היא צריכה לראות, להבין, להחליט ולפעול בזמן אמת, תחת מגבלות הספק, חום ובטיחות.

ז’אן-מארק שרי, מנכ”ל STMicroelectronics, הציג בסימפוזיון את Physical AI כדוגמה להתכנסות בין תחומים שבעבר נראו שונים: רכב חשמלי, רובוטיקה תעשייתית וממשקי אדם-מכונה. בשלושתם מופיעים אותם רכיבים מערכתיים: מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, מיקרו-בקרים ורכיבי הספק.

המשמעות היא ש-Physical AI אינו שוק של מאיצים בלבד. הוא דורש גם חיישנים, רכיבי הספק, SiC ו-GaN, בקרים, תקשורת, תוכנה משובצת ומודלים יעילים בקצה. בענן מאמנים ומדמים. בקצה מקבלים החלטות.

ג’נסן הואנג מאנבידיה ניסח זאת בשיחת הוועידה של החברה בצורה חדה: “The world is rebuilding computing for Agentic AI and robotic physical AI.” כלומר, לא מדובר בעוד מחזור שדרוג רגיל של מחשבים, אלא בבנייה מחדש של שכבת המחשוב סביב דפוסי שימוש חדשים.

המסקנה: AI הופך לארכיטקטורת מערכת

שלושת השלבים אינם מחליפים זה את זה. הם מצטרפים זה לזה. צ’אטבוטים ימשיכו לדרוש מרכזי נתונים עצומים וזיכרון מהיר. Agentic AI יוסיף עומסי תזמור, CPU, אחסון ואבטחה. Physical AI יוסיף אתגרי זמן אמת, חישה, אמינות והספק בקצה.

לכן קפיצת המדרגה הבאה ב-AI לא תימדד רק בגודל המודל. היא תימדד ביכולת לבנות מערכת מלאה: שבבים מתקדמים, זיכרון קרוב, אריזות תלת-ממדיות, קישוריות אופטית, רכיבי הספק, תוכנה, קירור ויכולת ייצור בהיקף גדול. עבור תעשיית השבבים, זהו מעבר ממירוץ על טרנזיסטורים למירוץ על ארכיטקטורה מערכתית שלמה.

הפוסט מצ’אטבוטים לרובוטים: שלוש קפיצות המחשוב של עידן 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.

אנבידיה דיווחה הלילה על עוד רבעון שיא, שממחיש עד כמה שוק תשתיות הבינה המלאכותית ממשיך להתרחב סביב מרכזי הנתונים. ברבעון הראשון של שנת הכספים 2027, שהסתיים ב־26 באפריל 2026, רשמה החברה הכנסות של 81.6 מיליארד דולר. מדובר בעלייה של 20% לעומת הרבעון הקודם ובזינוק של 85% לעומת הרבעון המקביל אשתקד. הכנסות מרכזי הנתונים הגיעו לשיא של 75.2 מיליארד דולר, עלייה של 92% לעומת השנה שעברה.

הנתונים מציבים את אנבידיה לא עוד כחברת שבבים גרפיים, אלא כספקית התשתית המרכזית של כלכלת ה־AI. לפי הדוח, הכנסות מחשוב מרכזי הנתונים הגיעו ל־60.4 מיליארד דולר, ואילו הכנסות הרשתות במרכזי הנתונים הגיעו ל־14.8 מיליארד דולר – כמעט פי שלושה לעומת השנה שעברה. הרווח הנקי לפי GAAP הסתכם ב־58.3 מיליארד דולר, והרווח המדולל למניה הגיע ל־2.39 דולר. הרווח המתואם למניה עמד על 1.87 דולר.

מנכ״ל ומייסד החברה, ג׳נסן הואנג, תיאר את המגמה כ״האצה בבניית מפעלי AI״, כלומר מרכזי נתונים שתפקידם לייצר שירותי בינה מלאכותית בקנה מידה תעשייתי. לדבריו, עידן ה־Agentic AI כבר החל, והמערכות אינן רק משיבות לשאלות אלא מבצעות עבודה ממשית בארגונים. בשיחת הוועידה לאחר פרסום הדוחות אמר הואנג כי “הביקוש הפך לפרבולי”, וכי בעידן החדש “קיבולת מחשוב היא הכנסות ורווחים”.

מרכזי נתונים, ענן ו־AI ריבוני

אנבידיה משנה במקביל את אופן הדיווח שלה, כדי לשקף טוב יותר את מקורות הצמיחה. החברה תחלק מעתה את פעילותה לשתי פלטפורמות שוק עיקריות: מרכזי נתונים ומחשוב קצה. בתוך מרכזי הנתונים היא תדווח על שני תתי־שווקים: Hyperscale, הכולל את ענקיות הענן וחברות האינטרנט הגדולות, ו־ACIE, הכולל ענני AI, תעשייה וארגונים. מחשוב הקצה יכלול מחשבים אישיים, קונסולות משחק, תחנות עבודה, תחנות בסיס לרשתות AI-RAN, רובוטיקה ורכב.

לפי סמנכ״לית הכספים קולט קרס, הכנסות ההייפרסקייל ברבעון הסתכמו ב־38 מיליארד דולר והיוו כמחצית מהכנסות מרכזי הנתונים. הכנסות תחום ACIE הסתכמו ב־37 מיליארד דולר וצמחו ב־31% לעומת הרבעון הקודם. החברה ציינה גם כי הכנסות ענני ה־AI יותר משלשו את עצמן לעומת השנה שעברה, וכי הכנסות AI ריבוני צמחו ביותר מ־80%.

המשמעות היא שהצמיחה של אנבידיה אינה נשענת רק על חמש או שש ענקיות ענן. החברה מנסה להראות למשקיעים כי גל הביקוש מתרחב גם לענני AI ייעודיים, מרכזי נתונים לאומיים, תשתיות ארגוניות ומערכות תעשייתיות. זהו מסר חשוב במיוחד בשלב שבו השוק בוחן אם השקעות הענק ב־AI הן מחזור זמני, או שינוי מבני ארוך טווח בתשתיות המחשוב.

בלקוול עכשיו, ורה רובין בדרך

ארכיטקטורת Blackwell ממשיכה להיות מנוע הצמיחה המרכזי של אנבידיה. החברה אמרה כי הביקוש למערכות GB300 ו־NVL72 חזק במיוחד בקרב בוני מודלים גדולים וענקיות ענן. קרס ציינה בשיחת הוועידה כי זהו קצב ההשקה המהיר ביותר בתולדות החברה.

הדור הבא כבר בדרך. אנבידיה הודיעה כי תחל משלוחי ייצור של פלטפורמת Vera Rubin במחצית השנייה של השנה, החל מהרבעון השלישי. לפי החברה, ורה רובין תשלב מעבד Vera ייעודי ל־Agentic AI עם מאיצי Rubin ורכיבי תקשורת מהירים. הואנג אמר בשיחה כי ורה פותחת בפני אנבידיה שוק חדש של מעבדים מרכזיים, תחום שבו החברה לא פעלה בעבר בהיקף דומה, וטען כי כל יצרני המערכות וענקיות הענן הגדולות נערכים לפריסה שלה.

זהו שינוי אסטרטגי משמעותי. אנבידיה כבר אינה מסתפקת במכירת מאיצים גרפיים. היא מציעה מערכות שלמות: GPU, CPU, תקשורת, אחסון, תוכנה, שכבות אבטחה וכלי פיתוח. בכך היא מנסה להגדיל את חלקה מכל דולר שמושקע במרכזי נתונים ל־AI, ולהקשות על מתחרים שמציעים רכיב בודד בלבד.

סין נשארת מחוץ לתחזית

נקודת האזהרה המרכזית בדוח היא סין. אנבידיה צופה הכנסות של 91 מיליארד דולר ברבעון השני של שנת הכספים 2027, פלוס או מינוס 2%, אך מדגישה כי התחזית אינה כוללת הכנסות ממכירות מחשוב מרכזי נתונים לסין. החברה ציינה כי אף שהממשל האמריקני אישר רישיונות למשלוח H200 ללקוחות בסין, עדיין לא נרשמו הכנסות כאלה, ולא ברור אם הרשויות בסין יאפשרו את היבוא.

המשמעות היא שהתחזית החזקה של אנבידיה נשענת על ביקוש מחוץ לסין. מצד אחד, זה מצביע על עומק הביקוש העולמי. מצד אחר, הוא משאיר מקור אי־ודאות גיאופוליטי משמעותי, במיוחד בשוק שבו שבבי AI הפכו לנכס אסטרטגי.

חלוקת כסף לבעלי המניות – וסימן לביטחון עצמי

לצד ההשקעה האדירה בתשתיות, אנבידיה מגדילה גם את ההחזר לבעלי המניות. החברה החזירה ברבעון כ־20 מיליארד דולר באמצעות רכישה עצמית של מניות ודיבידנד. הדירקטוריון אישר תוכנית רכישה עצמית נוספת של 80 מיליארד דולר, ללא תאריך תפוגה, והדיבידנד הרבעוני יעלה מסנט אחד ל־25 סנט למניה.

המהלך מאותת שהנהלת החברה רואה את תזרים המזומנים הנוכחי כבר־קיימא לפחות בטווח הקרוב. קרס אמרה בשיחה כי החברה מתכוונת להחזיר השנה לבעלי המניות כ־50% מתזרים המזומנים החופשי, תוך המשך השקעות במחקר ופיתוח, בשרשרת האספקה ובאקוסיסטם של AI.

הרבעון של אנבידיה משקף חברה שנמצאת במרכז גל ההשקעות הגדול ביותר כיום בטכנולוגיה. השאלה המרכזית אינה אם הביקוש ל־AI קיים, אלא כמה זמן יימשך קצב ההשקעות הזה, מי יוכל לממן אותו, והאם אנבידיה תצליח לשמור על היתרון כאשר יותר חברות מנסות לפתח שבבים, מערכות ורכיבי רשת משלהן. בינתיים, המספרים מראים שהשוק ממשיך לרדוף אחרי קיבולת מחשוב – ואנבידיה עדיין עומדת במרכז המרוץ.

הפוסט אנבידיה שוברת שיא: הכנסות של 81.6 מיליארד דולר ברבעון, כמעט כולן ממרכזי נתונים הופיע לראשונה ב-Chiportal.

אינטל הציגה בתערוכת Embedded World 2026 בנירנברג קו חדש של מעבדי מחשוב קצה (Edge Computing) המיועדים להריץ בינה מלאכותית מתקדמת ישירות במכשירים עצמם – מרובוטים תעשייתיים ועד ציוד רפואי. המעבדים החדשים מאפשרים להריץ מודלים מתקדמים של בינה מלאכותית יוצרת ללא צורך בחיבור לענן וללא שימוש בכרטיסי מסך חיצוניים יקרים, מהלך שעשוי לשנות את האופן שבו מערכות אוטונומיות פועלות בזמן אמת.

הכרזה זו כוללת שלושה רכיבים מרכזיים: סדרת מעבדי Intel Core Series 2 המיועדת לתעשייה ולרובוטיקה, סדרת Intel Core Ultra 3 להפעלת מודלי בינה מלאכותית מתקדמים על התקן קצה יחיד, וכן פלטפורמה רפואית חדשה בשם Health & Life Sciences AI Suite. במסגרת ההכרזה הדגימה אינטל גם שיתוף פעולה עם חברת הדימות הרפואי הישראלית Nanox.

דיוק בזמן אמת לרובוטים ולציוד רפואי

במערכות תעשייתיות ורפואיות, לא תמיד מהירות החישוב היא הגורם החשוב ביותר – לעיתים קרובות דווקא העקביות והיכולת לפעול בדיוק בזמן מוגדר הן הקריטיות. תכונה זו מכונה דטרמיניזם (Determinism), והיא חיונית למערכות שבהן גם עיכוב של מילישניות בודדות עלול לגרום לתקלה.

מעבדי Intel Core Series 2 החדשים, הכוללים עד 12 ליבות ביצועים, פותחו במיוחד עבור סביבות תעשייתיות קשות. הם מספקים ביצועים דטרמיניסטיים בזמן אמת ומאפשרים תיאום מושלם בין מערכות מורכבות.

לדוגמה, במכשיר א.ק.ג. (ECG) רפואי, המעבד חייב לדגום את אותות הלב במרווחי זמן מדויקים מאוד. עיכוב של מילישניות עלול לגרום לפספוס הפרעת קצב עדינה. באופן דומה, בפס ייצור תעשייתי שבו פועלות מספר זרועות רובוטיות במקביל, כל סטייה זעירה בתזמון בין הזרועות עלולה לגרום להתנגשויות או לפגמים במוצר.

כדי להתמודד עם האתגרים הללו משלבים המעבדים החדשים את טכנולוגיית Time Coordinated Computing (TCC) של אינטל יחד עם תמיכה ברשתות Time Sensitive Networking (TSN). לפי נתוני החברה, הפתרון מספק זמני תגובה עקביים ומהירים עד פי 2.5 בהשוואה למעבד Ryzen 7 9700X של AMD, וזמן השהיה נמוך בעד פי 4.4.

בינה מלאכותית מתקדמת על שבב אחד

סדרת Intel Core Ultra 3, שנחשפה קודם לכן למחשבים אישיים בתערוכת CES תחת שם הקוד Panther Lake, מגיעה כעת גם לעולם התעשייתי. המעבדים מאפשרים להריץ מודלים מתקדמים של בינה מלאכותית ישירות על התקן הקצה, ללא צורך במאיצים גרפיים חיצוניים.

המעבדים מספקים ביצועי בינה מלאכותית של עד 180 טריליון פעולות בשנייה (TOPS) – שיפור של פי 1.8 לעומת הדור הקודם – במעטפת קומפקטית המתאימה למכשור תעשייתי ורפואי.

משמעות הדבר עבור יצרני ציוד היא שינוי פרדיגמה: במקום מערכת הכוללת מעבד מרכזי וכרטיס מסך נפרד, ניתן להריץ את כל סביבת הבינה המלאכותית על שבב אחד בלבד (System on Chip).

בדיקות שערכה אינטל מצביעות על כך שמעבר ממערכות מבוססות כרטיסים גרפיים, כגון Jetson AGX Orin או RTX 4060 של אנבידיה, לפתרון משולב עשוי להפחית את עלות המערכת הכוללת בין 39% ל-67% לאורך חמש שנים.

בנוסף הדגימה החברה אפשרות לבצע על השבב עצמו גם תהליכי Fine-Tuning – התאמה של מודלי בינה מלאכותית ליישום מסוים – פעולה שבדרך כלל דורשת מאיצים גרפיים ייעודיים. בבדיקות שביצעה החברה הושגו 87% מביצועי כרטיס גרפי ייעודי, אך בעלות חומרה של 17% בלבד.

במבחני ביצועים מסוימים המעבד הגרפי המשולב של אינטל אף השיג עד פי תשעה ביצועים לעומת המעבד Ryzen AI 9 HX370 של AMD.

שיתוף פעולה עם חברת Nanox הישראלית

אחת הדוגמאות ליישום הטכנולוגיה היא שיתוף פעולה עם חברת הדימות הרפואי הישראלית Nanox, המפתחת מערכות רנטגן מתקדמות.

במערכות של החברה נעשה שימוש במעבדי אינטל כדי לבצע ניתוח דימות רפואי ישירות במכשיר עצמו, בנקודת הטיפול. לפי אינטל, שימוש במאיץ הבינה המלאכותית המובנה במעבד (NPU) מאפשר לבצע משימות פענוח וזיהוי מהר יותר עד פי 152.

מאחר שהמידע הרפואי מעובד ישירות על המכשיר, אין צורך לשלוח נתונים לענן – יתרון חשוב מבחינת אבטחת מידע ופרטיות.

רובוטים דמויי אדם ורובוטים לשירות

אינטל הציגה גם יישומים נוספים אצל שותפיה. חברת Circulus מפתחת רובוטים דמויי אדם המשתמשים במעבדי החברה לצורך אינטראקציה טבעית יותר עם בני אדם. המעבדים אפשרו לרובוטים להשיג תפוקת מודלי שפת-ראייה גבוהה פי 3.9 וראייה מרובת-משימות מהירה פי 5.4 בהשוואה לפתרונות מבוססי אנבידיה – תוך צריכת חשמל של כ-25 וואט בלבד.

יישום נוסף הוצג על ידי חברת Sensory AI, שפיתחה רובוט בריסטה המנהל שיחה עם הלקוח ומכין קפה בהתאם להזמנה. המעבדים החדשים קיצרו כמעט בחצי את זמן התגובה בדיבור, תוך שימוש בכ-22 וואט בלבד, לעומת כ-90 וואט בפתרונות מתחרים.

פלטפורמת בינה מלאכותית למערכות בריאות

בנוסף לחומרה הציגה אינטל הצצה לפלטפורמת תוכנה חדשה בשם Health & Life Sciences AI Suite, שתושק במלואה באמצע 2026.

המערכת מיועדת לניטור מטופלים באמצעות שילוב נתונים ממקורות רבים – חיישנים לבישים, מערכות דימות וצגי מיטה – אשר מעובדים בזמן אמת ישירות במכשיר הרפואי. בכך מתאפשר ניטור רפואי מתקדם ללא תלות בענן.

המערכת צפויה לתמוך בין היתר בזיהוי הפרעות קצב לב באמצעות בינה מלאכותית, בהערכת תנוחת גוף בתלת-ממד לצורך מניעת נפילות, וכן במדידת מדדים פיזיולוגיים ללא מגע באמצעות מצלמות.

לדברי אינטל, המעבר לעיבוד מקומי של בינה מלאכותית עשוי להפוך למרכיב מרכזי בדור הבא של מערכות רפואיות, תעשייתיות ורובוטיות.

הפוסט אינטל מורידה את הבינה המלאכותית היוצרת לרובוטים ולציוד רפואי * שיתוף פעולה עם חברת Nanox הישראלית הופיע לראשונה ב-Chiportal.