חברת השבבים הישראלית אקסייט לאבס (Xsight Labs) נמצאת בדרך לגיוס של כ־300 מיליון דולר לפי שווי של כ־2.5 מיליארד דולר. את הסבב צפויות להוביל קרן פידליטי וחברת ההשקעות Atreides, הנמנות עם המשקיעות הוותיקות בחברה.

הגיוס משקף עלייה חדה בשווי אקסייט לאבס לעומת סבב ההשקעה שלה ב־2021, שבו הוערכה בכחצי מיליארד דולר. בשנים שלאחר מכן עברה החברה חילופי הנהלה וצמצומי כוח אדם, אך לאחרונה צברה תנופה עם צירופם של לקוחות חדשים.

הלקוחה הבולטת היא סטארלינק, שבחרה בשבב המיתוג X2 של אקסייט לאבס עבור הדור הבא של לווייניה. השבב מיועד להעביר נתונים בקצבים גבוהים בין מערכות התקשורת בלוויין, תוך שמירה על צריכת חשמל נמוכה ועמידות בתנאי החלל.

אקסייט לאבס הוקמה ב־2017 ופועלת מקריית גת. החברה מפתחת שבבי תקשורת ומתגי אתרנט ניתנים לתכנות עבור מרכזי נתונים, שירותי ענן, מערכות בינה מלאכותית ורשתות תקשורת מתקדמות. אביגדור וילנץ, ממייסדי גלילאו ומלאנוקס, היה המשקיע המייסד בחברה ומשמש יו"ר הדירקטוריון שלה.

הפוסט אקסייט לאבס בדרך לגיוס 300 מיליון דולר לפי שווי של 2.5 מיליארד דולר הופיע לראשונה ב-Chiportal.

הבום העולמי בבינה מלאכותית ממשיך להזרים ביקושים לשרשרת האספקה הסינית. נתוני המכס של סין לחודש מאי 2026 מצביעים על עלייה של 19.4% ביצוא במונחי דולר לעומת מאי אשתקד, לרמה של כ־376.8 מיליארד דולר. היבוא עלה במקביל ב־27.4% לכ־271.4 מיליארד דולר, אך עודף הסחר של סין עדיין התרחב לכ־105.4 מיליארד דולר. (english.customs.gov.cn)

הנתון הכללי מסתיר שינוי חשוב בהרכב היצוא הסיני: הצמיחה כבר אינה נשענת רק על מוצרי צריכה זולים או תעשיות מסורתיות, אלא יותר ויותר על רכיבים הקשורים לתשתיות מחשוב, תקשורת ואנרגיה. לפי רויטרס, יצוא המעגלים המשולבים מסין זינק במאי בכ־111% לעומת השנה שעברה, ויצוא ציוד עיבוד נתונים אוטומטי — קטגוריה הכוללת מחשבים וציוד שרתים — עלה ב־66.1%. (Reuters)

גם הוול סטריט ג’ורנל ייחס את הזינוק לביקוש העולמי ל־AI, למוצרים ירוקים ולרכיבי שבבים. לפי הדיווח, ערך יצוא השבבים מסין עלה בכ־110%, בין היתר בשל עליית מחירים בשוק השבבים, ואילו ערך יצוא המתכות הנדירות זינק ב־237% אף שהכמות שיצאה בפועל ירדה — סימן לכך שחלק גדול מהעלייה משקף מחירי חומרי גלם ולא רק גידול פיזי במשלוחים. (The Wall Street Journal)

הנקודה הזו חשובה במיוחד לתעשיית השבבים. סין עדיין מוגבלת בגישה לציוד ולשבבים המתקדמים ביותר בגלל מגבלות יצוא אמריקניות ובעלות ברית, אך היא מחזיקה בעוצמה תעשייתית בתחומים רחבים יותר: רכיבים אופטיים, חומרים, אריזה, ציוד תקשורת, שרתים, כלי רכב חשמליים ורכיבי אנרגיה. במילים אחרות, גם אם סין אינה שולטת בכל שכבות הייצור של שבבי AI מתקדמים, היא ממשיכה להיות חוליה מרכזית בשרשרת שמאפשרת לבנות חוות שרתים ומרכזי נתונים.

אחת הדוגמאות הבולטות היא אינדיום פוספיד, חומר מרכזי ברכיבים פוטוניים המשמשים לתקשורת אופטית מהירה בין שרתים ומאיצי AI. רויטרס דיווחה בשבוע שעבר כי השליטה הסינית ביצוא אינדיום פוספיד מאיימת להפוך לצוואר בקבוק בפריסת מרכזי נתונים חדשים, משום שהחומר חיוני לדור הבא של רכיבי פוטוניקה למרכזי AI.

במקביל, מגבלות היצוא הסיניות על מתכות נדירות ומגנטים ממשיכות להעסיק את התעשייה. סין הציגה את ההגבלות כחוקיות ולגיטימיות, אך חברות אמריקניות מדווחות כי חלק מהמינרלים הקריטיים הפכו “כמעט בלתי ניתנים להשגה” בגלל עיכובים ברישיונות וקשיי אספקה. לפי סקר של מועצת העסקים ארה”ב־סין, 76% מהחברות שנפגעו מחפשות ספקים חלופיים או עוברות אליהם.

ההשלכות כבר ניכרות גם באירופה. דיווח בגרדיאן מצביע על כך שהגירעון המסחרי של האיחוד האירופי מול סין הגיע באפריל 2026 לרמה חריגה של כמיליארד אירו ביום, בין היתר בשל יבוא מוגבר של כלי רכב חשמליים, רכיבים תעשייתיים ומוצרים הקשורים לשרשראות הייצור החדשות. (The Guardian)

לכן, נתוני מאי אינם רק עוד חודש חזק בסחר החוץ הסיני. הם מצביעים על תופעה רחבה יותר: מהפכת ה־AI, שנחשבת במערב למנוע צמיחה אסטרטגי, מחזקת גם את היצוא הסיני בתחומים שבהם סין כבר מחזיקה יתרון — ייצור בקנה מידה גדול, חומרים קריטיים, רכיבי תקשורת ושרשראות אספקה עמוקות. מבחינת וושינגטון ובריסל, זו תזכורת לכך שמדיניות מגבלות היצוא על שבבים מתקדמים אינה מספיקה לבדה כדי לצמצם תלות תעשייתית בסין.

הפוסט גל ה-AI דוחף את הייצוא הסיני: שבבים, ציוד מחשוב ומתכות נדירות מזניקים את המספרים הופיע לראשונה ב-Chiportal.

רשות החדשנות ומפא"ת במשרד הביטחון מפרסמות קול קורא להקמת תשתית מחקר ופיתוח בתחום הפוטוניקה המשולבת, בהשקעה כוללת של עד 150 מיליון שקל. המהלך נועד לצמצם פער מרכזי בתעשיית הדיפטק והשבבים בישראל: הפער בין יכולות מחקר ותכנון מתקדמות לבין גישה מוגבלת לתשתיות ייצור, אינטגרציה, בדיקה ואימות.

פוטוניקה משולבת היא טכנולוגיה המאפשרת לשלב על גבי שבב אחד רכיבים אופטיים כגון לייזרים, מוליכי גל, מאפננים וגלאים. במקום להעביר ולעבד מידע רק באמצעות אותות חשמליים, שבבים פוטוניים עושים שימוש באור. היתרון הפוטנציאלי הוא מהירות גבוהה, צריכת אנרגיה נמוכה יותר, מיזעור, אמינות גבוהה ויכולת להשתלב במערכות תקשורת, מרכזי נתונים, חישה, עיבוד מידע ומכונות ייצור בתעשיית השבבים.

מתכנון וסימולציה עד אבטיפוס

הקול הקורא מיועד לתאגידים תעשייתיים או לקבוצות חברות. הגופים שיגישו הצעות יידרשו להציג תוכנית טכנולוגית, תוכנית עסקית, מודל הפעלה, מבנה שיתופי פעולה ותוכנית להנגשת התשתית למשתמשים מהתעשייה ומהאקדמיה. התשתית שתיבחר אמורה לספק מעטפת מלאה: תכנון, סימולציה, פיתוח אבטיפוס, אפיון, בדיקות, אריזה ותמיכה במעבר לייצור סדרתי בישראל או מחוץ לה.

לפי תנאי המהלך, תקופת ההקמה לא תעלה על 18 חודשים. בתוך 12 חודשים ממועד האישור תידרש התשתית להתחיל לספק חלק משירותי המו"פ, עוד לפני השלמתה המלאה. הדרישה הזאת חשובה במיוחד בתחום שבו זמני סבב ארוכים ועלויות ייצור גבוהות עלולים לעכב חברות צעירות כבר בשלבים מוקדמים.

התמיכה תינתן במסגרת קרן תשתיות המו"פ של רשות החדשנות. המענק יכסה 55% או 66% מהתקציב, למשך שלוש שנים. לאחר מכן צפויה התשתית לפעול כחברת שירותי מו"פ למטרות רווח.

פער תשתיתי בתעשיית הדיפטק

המשמעות המעשית של המהלך היא לא רק תמיכה במחקר, אלא ניסיון לבנות שכבת תשתית משותפת לתעשייה. חברות בתחום השבבים הפוטוניים זקוקות לגישה לתהליכי ייצור, ציוד בדיקה, יכולות אריזה ואינטגרציה של חומרים והתקנים שונים. ללא תשתית כזאת, גם רעיון מוצלח או תכנון מתקדם עלולים להיתקע בשלב שבין הוכחת היתכנות למוצר מסחרי.

דרור בין, מנכ"ל רשות החדשנות, אמר כי פוטוניקה משולבת צפויה להיות אחת מטכנולוגיות הליבה של תעשיית השבבים בשנים הקרובות. לדבריו, לישראל יש יתרונות במחקר, בפיתוח ובהון האנושי, אך נדרשות תשתיות מתקדמות שיאפשרו להפוך ידע למוצרים ולחברות צומחות.

תא"ל במיל' ד"ר דני גולד, ראש מפא"ת במשרד הביטחון, אמר כי פוטוניקה משולבת פותחת אפשרויות לפיתוח מערכות מתקדמות בעלות ביצועים גבוהים, וכי שיתוף הפעולה נועד לחזק יכולת לאומית שתשרת את המחקר, התעשייה והביטחון לאורך שנים.

תחום אסטרטגי בתעשיית השבבים

ההשקעה מגיעה בתקופה שבה תעשיית השבבים העולמית מחפשת פתרונות חדשים למגבלות ההספק, החום ורוחב הפס של מערכות מחשוב מתקדמות. פוטוניקה משולבת אינה מחליפה את כל עולם המוליכים למחצה, אך היא הופכת לרכיב חשוב יותר במערכות תקשורת מהירות, בחיבורים בין שבבים, במרכזי נתונים ובחישה מתקדמת.

עבור ישראל, המהלך יכול לסייע בבניית חוליה חסרה בין אקדמיה, סטארט־אפים ותעשייה. אם התשתית שתיבחר אכן תהיה נגישה, מהירה ובעלת סטנדרטים תעשייתיים, היא עשויה לקצר את הדרך של חברות ישראליות משלב התכנון לשבב עובד, ולהפחית את התלות בגישה נקודתית ויקרה לתשתיות מחוץ לישראל.

הפוסט רשות החדשנות ומפא"ת ישקיעו עד 150 מיליון שקל בתשתית לשבבים פוטוניים בישראל 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.

אינטל מקבלת סימן מעודד במיוחד למאמץ שלה להפוך את Intel Foundry לחלופה אמיתית בייצור שבבים מתקדמים. לפי דיווח של The Information, גוגל הזמינה מאינטל ייצור של יותר מ-3 מיליון יחידות עיבוד טנזור, TPU, במהלך 2028. במקביל, אנבידיה בוחנת שימוש בטכנולוגיות הייצור והאריזה של אינטל לשבבים עתידיים, אף שטרם דווח על הזמנה חתומה מצדה.

הדיווחים הובילו לזינוק במניית אינטל, משום שהם נוגעים בדיוק בנקודה הרגישה ביותר בתוכנית ההתאוששות שלה: היכולת למשוך לקוחות חיצוניים גדולים לזרוע הייצור שלה. במשך שנים איבדה אינטל את ההובלה בייצור שבבים מתקדם ל-TSMC, אך כעת היא מנסה לחזור למשחק באמצעות תהליכי ייצור חדשים, טכנולוגיות אריזה מתקדמות והשקעות גדולות במפעלים בארצות הברית ובאירופה.

גוגל מחפשת קיבולת ל-TPU

החלק הממשי יותר בדיווח נוגע לגוגל. TPU הוא מאיץ הבינה המלאכותית הפנימי של החברה, שמיועד לאימון ולהרצה של מודלי AI גדולים. בניגוד לרוב חברות הענן, שנשענות בעיקר על מאיצי GPU של אנבידיה, גוגל מפתחת כבר שנים שבבים ייעודיים משלה ומשלבת אותם בתשתיות Google Cloud ובמערכות הפנימיות שלה.

הזמנה של יותר מ-3 מיליון שבבים מאינטל, אם תאושר רשמית ותבוצע, לא תסמן נטישה של TSMC. סביר יותר שהיא תסמן פיזור סיכונים. הביקוש לשבבי AI גדל מהר יותר מקיבולת הייצור הזמינה, ולקוחות ענק כמו גוגל אינם יכולים להרשות לעצמם להיות תלויים לחלוטין ביצרן אחד, גם אם מדובר ב-TSMC.

עבור גוגל, אינטל יכולה לשמש ספקית ייצור נוספת למאיצי TPU עתידיים. עבור אינטל, גוגל היא לקוח עוגן מהסוג שיכול לשנות את האופן שבו השוק תופס את Intel Foundry. ייצור של מיליוני שבבים ללקוח כזה מחייב לא רק תהליך ייצור מתקדם, אלא גם תפוקות גבוהות, איכות יציבה, אריזה מתקדמת ותיאום הנדסי צמוד.

אנבידיה עדיין לא מזמינה, אבל בודקת

החלק השני בדיווח נוגע לאנבידיה, והוא חשוב אך צריך לנסח אותו בזהירות. לפי הדיווחים, אנבידיה עדיין לא ביצעה הזמנה מאינטל, אך היא בוחנת אם ניתן להשתמש בטכנולוגיות של החברה לייצור שבבים עתידיים. אחת האפשרויות שנבחנות היא שילוב של כמה שבבי GPU במארז אחד, מהלך שמתאים למגמה הרחבה של מעבר ממעבד יחיד גדול למערכות מרובות שבבים.

המשמעות היא שאנבידיה אינה עומדת להעביר מחר את ייצור המאיצים המרכזיים שלה מ-TSMC לאינטל. TSMC עדיין מחזיקה ביתרון ברור בייצור המתקדם ובטכנולוגיות אריזה המשמשות את מאיצי ה-AI המובילים. אבל עצם העובדה שאנבידיה בוחנת את אינטל היא איתות חשוב. כאשר הלקוחה החשובה ביותר של TSMC מחפשת חלופות או רכיבי ייצור משלימים, זה אומר שהעומס על שרשרת האספקה הגיע לרמה שבה גם השחקניות החזקות ביותר מחפשות גמישות נוספת.

הבדיקה של אנבידיה עשויה להתמקד תחילה ברכיבים שאינם ליבת ה-GPU המרכזית, כגון רכיבי I/O, אריזה מתקדמת או שילוב שבבים בתוך מארז אחד. גם תרחיש כזה יהיה משמעותי לאינטל. בעולם ה-AI, הערך אינו נמצא רק בליבת החישוב, אלא גם ביכולת לחבר שבבים, זיכרונות ורכיבי תקשורת למערכת אחת יעילה.

צוואר הבקבוק של TSMC

המכנה המשותף בין גוגל לאנבידיה הוא TSMC. החברה הטייוואנית הפכה בעשור האחרון לשחקנית הדומיננטית בייצור שבבים מתקדמים, והיא מספקת קיבולת קריטית לאנבידיה, לאפל, ל-AMD, לגוגל ולחברות רבות נוספות. אבל מהפכת ה-AI יצרה ביקוש חריג לשבבים מתקדמים ולאריזה מתקדמת, והקיבולת הזמינה מוגבלת.

לכן, גם חברות שמרוצות מ-TSMC מחפשות ספקים משלימים. זו אינה רק שאלה של מחיר. זו שאלה של זמינות, גיאופוליטיקה, קצב צמיחה ושליטה בשרשרת האספקה. תלות גבוהה מדי בטייוואן נחשבת כיום סיכון אסטרטגי עבור חברות אמריקניות, במיוחד כאשר ממשלת ארצות הברית משקיעה סכומי עתק בהחזרת ייצור שבבים מתקדם לשטחה.

אינטל מנסה להיכנס בדיוק אל הפער הזה. היא אינה צריכה להחליף את TSMC כדי להצליח; בשלב הראשון, די בכך שתהפוך לספקית שנייה אמינה עבור חלק מהלקוחות הגדולים. אם גוגל תייצר אצלה מיליוני TPU ואם אנבידיה תשלב בעתיד טכנולוגיות ייצור או אריזה שלה, זה יהיה הישג משמעותי גם בלי שאינטל תעקוף את TSMC.

מבחן גדול ל-Intel Foundry

עבור אינטל, הדיווחים האלה הם הזדמנות אך גם מבחן. החברה הציגה בשנים האחרונות מפת דרכים אגרסיבית, הכוללת תהליכי ייצור כמו 18A ו-14A וטכנולוגיות אריזה מתקדמות כמו EMIB. אבל בעולם הפאונדרי, מצגות אינן מספיקות. לקוחות גדולים בוחנים זמינות, ביצועים, תשואות ייצור, אמינות, עלויות ויכולת לספק בכמויות גדולות לאורך זמן.

גוגל ואנבידיה הן בדיוק הלקוחות שיכולים להעניק לאינטל חותמת אמון, אך גם לחשוף חולשות אם התהליכים לא יהיו בשלים בזמן. שבבי AI הם מהמוצרים התובעניים ביותר בתעשייה. הם גדולים, יקרים, צורכים הרבה חשמל ודורשים שילוב מורכב של לוגיקה, זיכרון, תקשורת ואריזה מתקדמת. כל עיכוב או בעיית תפוקה עלולים לפגוע בלוחות הזמנים של לקוחות ענן ומרכזי נתונים.

לכן, הדיווח הנוכחי אינו “חזרה לניצחון” של אינטל, אלא אולי תחילתה של בדיקת אמון מחודשת. אם החברה תעמוד במבחן, היא תוכל להציג את עצמה לא רק כיצרנית שבבים לעצמה, אלא כשותפת ייצור אסטרטגית לעידן ה-AI.

לא מהפך מיידי, אבל שינוי כיוון

TSMC עדיין מובילה את שוק הייצור המתקדם, והיתרון שלה אינו צפוי להיעלם במהירות. אבל הדיווחים על גוגל ואנבידיה מצביעים על שינוי בשוק: חברות ה-AI הגדולות אינן מסתפקות עוד בשרשרת אספקה אחת. הן מחפשות קיבולת נוספת, ספקים חלופיים, אריזה מתקדמת וגמישות הנדסית.

עבור אינטל, זו עשויה להיות ההזדמנות הגדולה ביותר זה שנים להחזיר לעצמה רלוונטיות בתחום שבו פיגרה אחרי המתחרות. הזמנה גדולה מגוגל תספק הוכחה מסחרית. בחינה רצינית מצד אנבידיה תספק איתות אסטרטגי. שילוב של השניים יכול להפוך את Intel Foundry משחקנית שמבטיחה קאמבק לשחקנית שהלקוחות הגדולים באמת מתחילים לבדוק בשטח.

בסופו של דבר, המרוץ לשבבי AI אינו מתנהל רק בין אנבידיה לגוגל או בין GPU ל-TPU. הוא מתנהל גם בין מפעלי ייצור, תהליכי ליתוגרפיה, טכנולוגיות אריזה ושרשראות אספקה. אם אינטל תצליח להשתלב במעגל הזה, גם כספקית שנייה או משלימה, זו תהיה תפנית חשובה בתעשיית השבבים העולמית.

הפוסט גוגל מזמינה, אנבידיה בוחנת – ייצור שבבים באינטל פאונדרי הופיע לראשונה ב-Chiportal.

אנבידיה הרחיבה את בסיס הספקים שלה לדור הבא של מאיצי הבינה המלאכותית. מנכ”ל החברה, ג’נסן הואנג, אישר כי שלוש יצרניות הזיכרון הגדולות בעולם – סמסונג, SK hynix ומיקרון – הוסמכו לספק שבבי HBM4 עבור פלטפורמת Vera Rubin של החברה. מדובר באישור חשוב לשוק כולו, משום שזיכרון רחב-פס הפך לאחד הרכיבים הקריטיים ביותר במערכות AI מתקדמות.

פלטפורמת Vera Rubin צפויה להיות אחת מאבני הבניין המרכזיות בדור הבא של מערכות הבינה המלאכותית של אנבידיה. היא משלבת מעבדים, מאיצים גרפיים, קישוריות מהירה ורכיבי זיכרון מתקדמים שנועדו לאפשר הרצה ואימון של מודלי AI גדולים יותר. בתוך המערכת הזו, HBM4 אינו רכיב משני. הוא קובע במידה רבה כמה נתונים ניתן להזרים אל יחידות העיבוד ובאיזו מהירות.

הזיכרון הופך לחלק מהקרב על ביצועי AI

בשנים האחרונות עיקר תשומת הלב הציבורית הופנתה למאיצים עצמם – GPU, מעבדי AI וארכיטקטורות שרתים. אבל בתעשייה ברור יותר ויותר שהביצועים של מערכות AI אינם תלויים רק בכוח החישוב. הם תלויים גם בזיכרון, ברוחב הפס, בצריכת ההספק וביכולת להזין את המאיץ בכמות עצומה של נתונים ללא עיכובים.

HBM, או High Bandwidth Memory, הוא זיכרון DRAM מוערם שממוקם קרוב מאוד למעבד או למאיץ. המבנה הזה מאפשר רוחב פס גבוה בהרבה מזיכרון רגיל, ולכן הוא מתאים במיוחד למערכות AI, שבהן כמויות גדולות של נתונים צריכות לנוע במהירות בין הזיכרון ליחידות החישוב. בדור HBM4 צפוי שיפור נוסף ברוחב הפס, בקיבולת וביעילות, ולכן הוא נחשב לרכיב חיוני בדור הבא של מאיצי אנבידיה.

המשמעות של הסמכת שלוש הספקיות היא שאנבידיה אינה תלויה רק ביצרן אחד. SK hynix נחשבה בשנים האחרונות לספקית מובילה בתחום HBM, בעיקר בזכות קשריה ההדוקים עם אנבידיה והקדימות שלה בייצור דורות מתקדמים של הזיכרון. סמסונג פועלת לחזק את מעמדה בתחום לאחר תקופה שבה התקשתה לעמוד בקצב של SK hynix. מיקרון, מצידה, מנסה להרחיב את חלקה בשוק שבו הביקוש גבוה והרווחיות גבוהה במיוחד.

פחות סיכון לאנבידיה, יותר תחרות בין הספקיות

עבור אנבידיה, הרחבת מעגל הספקיות מפחיתה סיכון. מערכות AI מתקדמות נבנות כיום סביב אשכולות גדולים של מאיצים, וכל עיכוב בזיכרון יכול להשפיע על קצב הייצור והאספקה של שרתים שלמים. כאשר שלוש יצרניות מרכזיות מוסמכות לספק HBM4, אנבידיה יכולה לחלק הזמנות, להפעיל לחץ תחרותי ולשפר את יכולתה לעמוד בביקוש מצד ספקיות ענן, חברות אינטרנט, ממשלות ומרכזי מחקר.

עבור יצרניות הזיכרון, זו הזדמנות עסקית משמעותית. שוק הזיכרון המסורתי ידוע במחזוריות חדה: תקופות של עודף היצע ולחץ מחירים מתחלפות בתקופות של ביקוש גבוה. אבל HBM שונה מזיכרון DRAM רגיל. הוא מורכב יותר לייצור, דורש תיאום הדוק עם יצרני המאיצים, ונמכר בדרך כלל ברווחיות גבוהה יותר. לכן כל אחת משלוש היצרניות רואה באישור של אנבידיה יעד אסטרטגי.

עם זאת, ההסמכה אינה אומרת בהכרח שכל שלוש החברות יספקו נפחים זהים. אנבידיה לא חשפה את חלוקת ההזמנות בין הספקיות, ובפועל ייתכן שהיקפי האספקה ישתנו לפי זמינות, ביצועים, תפוקה, מחיר ותנאי אספקה. עצם ההסמכה, לעומת זאת, מעניקה לכל אחת מהן כרטיס כניסה רשמי לאחת מפלטפורמות החומרה החשובות ביותר של עידן ה-AI.

Vera Rubin מחדדת את חשיבות שרשרת האספקה

הדור הבא של מאיצי אנבידיה אינו רק מוצר אחד, אלא מערכת שלמה. היא כוללת מאיצי AI, מעבדי Vera, קישוריות NVLink, רכיבי רשת ורכיבי זיכרון מתקדמים. ככל שהמערכות גדולות יותר, כך גדלה התלות בשרשרת אספקה יציבה ומדויקת. במערכות כאלה, אין הרבה רכיבים “רגילים”. כל צוואר בקבוק משפיע על השרת כולו.

זו גם הסיבה שהביקור של הואנג בדרום קוריאה קיבל משמעות רחבה יותר מהודעה עסקית רגילה. קוריאה הדרומית היא מרכז עולמי בייצור זיכרונות מתקדמים, ו-SK hynix וסמסונג הן שחקניות מפתח בשרשרת האספקה של AI. הפגישות של הואנג עם בכירי התעשייה המקומית משקפות את התלות ההדדית בין אנבידיה לבין יצרניות הזיכרון: אנבידיה זקוקה ל-HBM כדי לספק את המאיצים שלה, והיצרניות זקוקות לאנבידיה כדי להבטיח ביקוש לדורות המתקדמים ביותר של הזיכרון.

ההתפתחות הזו גם ממחישה שינוי רחב יותר בתעשיית השבבים. בעבר, הזיכרון נתפס לא פעם כרכיב משלים למעבד. בעידן ה-AI, הוא הופך לחלק מרכזי מהארכיטקטורה. לא מספיק לייצר מאיץ חזק; צריך גם לספק לו רוחב פס, קיבולת, קישוריות ומעטפת תרמית וחשמלית שתאפשר לו לעבוד במלוא היכולת.

המסר לשוק: הביקוש ל-HBM לא נרגע

האישור לשלוש הספקיות מאותת לשוק כי אנבידיה מתכוננת לביקוש גדול מאוד לדור Vera Rubin. גם אם חלק מהמשקיעים חוששים מהתמתנות בביקוש ל-AI, שרשרת האספקה עצמה ממשיכה להיערך להיקפים גדולים. יצרניות הזיכרון משקיעות בקווי ייצור, ביכולות אריזה מתקדמות ובשיפור התפוקה, משום שהדור הבא של מערכות AI ידרוש כמויות גדולות עוד יותר של HBM.

עבור ענף השבבים, זו ידיעה שמדגישה שוב את מרכזיותם של רכיבים שבעבר זכו לפחות תשומת לב ציבורית. מאיצי AI אמנם נמצאים בכותרות, אך מאחוריהם עומדת מערכת אקולוגית רחבה של זיכרון, אריזה, רשתות, תוכנה ותשתיות ייצור. ההסמכה של סמסונג, SK hynix ומיקרון ל-HBM4 אינה רק אישור טכני. היא סימן לכך שהמרוץ לדור הבא של תשתיות AI עובר גם דרך קווי הייצור של יצרניות הזיכרון.

הפוסט אנבידיה אישרה את שלוש יצרניות הזיכרון הגדולות כספקיות HBM4 לפלטפורמת Vera Rubin הופיע לראשונה ב-Chiportal.

אבי סלמון , אוונגליסט החדשנות של אינטל הציג ב-ChipEx2026 מבט מעשי על אחד השינויים המעניינים שמתחילים להתרחש כיום בתעשיית השבבים: מעבר משימוש בבינה מלאכותית כמילת באזז כללית לשימוש יומיומי יותר בתהליכי תכנון, אימות ופיתוח חומרה. אם הקדימון להרצאה התמקד במקרה העבודה שבו מהנדס אחד הצליח, בעזרת AI, לבצע בתוך כשבועיים משימה שבעבר דרשה כמה סטודנטים במשך שני סמסטרים, ההרצאה עצמה חידדה נקודה רחבה יותר: השינוי אינו רק בקיצור זמן העבודה, אלא בשינוי תפקידו של המהנדס.

המסר המרכזי היה שה-AI אינו הופך את תכנון השבבים לפעולה אוטומטית ופשוטה. להפך. ככל שהכלים חזקים יותר, כך גדלה החשיבות של מי שמפעיל אותם. מהנדס חומרה צריך לדעת להגדיר את הבעיה, לפרק אותה לתת־משימות, לבקש מהמערכת תוצרים מדויקים, לבדוק אם הקוד או הלוגיקה אכן נכונים, ולתקן את הכיוון כאשר המודל מחזיר תוצאה שאינה מתאימה. במילים אחרות, ה-AI יכול להאיץ מאוד את העבודה, אך הוא אינו מחליף את ההבנה ההנדסית.

מהנדס כמכוון, לא רק כמבצע

בתהליכי תכנון שבבים יש שלבים רבים שאינם מסתכמים בכתיבת קוד. יש הגדרת דרישות, בחירת ארכיטקטורה, כתיבת לוגיקה, עבודה מול FPGA או סביבות סימולציה, בניית בדיקות, אימות התנהגות, טיפול במקרי קצה ותיעוד. חלק מהשלבים האלה כוללים עבודה סיזיפית וחוזרת, ולכן הם מתאימים במיוחד לסיוע של כלי AI. אבל דווקא משום שמדובר בתחום שבו טעות קטנה עלולה להיות יקרה מאוד, אסור לוותר על שכבת הבקרה האנושית.

בהרצאה עלו מושגים כמו logic design, validation, software, floating point calculation ו-FPGA. הם ממחישים שהדיון לא עסק רק בכתיבה כללית של טקסט או קוד, אלא באזור שבו תוכנה, חומרה, מתמטיקה ואימות נפגשים. זהו גם המקום שבו יתרונו של מהנדס מנוסה נעשה ברור: הוא יודע מתי תוצר נראה סביר אך אינו נכון, מתי יש צורך בבדיקה נוספת, ומתי המודל “ממציא” פתרון שאינו עומד בדרישות ההנדסיות.

אחד הלקחים החשובים הוא שהעבודה עם AI דומה פחות ללחיצה על כפתור ויותר לניהול תהליך. המהנדס אינו רק מבקש תשובה. הוא מגדיר את גבולות הבעיה, בוחן חלופות, מריץ בדיקות, מחזיר משוב למערכת ומוודא שהתוצאה משתלבת בתהליך התכנון הרחב. לכן, מיומנות העבודה עם AI הופכת בהדרגה לחלק מארגז הכלים של מהנדסי חומרה, לצד כלי EDA, סימולטורים ושפות תיאור חומרה.

בין חשיבה מהירה לחשיבה בודקת

בהרצאה הוזכר גם ההבחנה בין System 1 ו-System 2, המוכרת מספרו של דניאל כהנמן על חשיבה מהירה ואיטית. בהקשר של AI לתכנון שבבים, ההבחנה הזו מועילה במיוחד: כלי AI מסוגלים לייצר במהירות רעיונות, קוד, הסברים ותבניות עבודה. זו שכבת העבודה המהירה. אבל בתכנון שבבים אי אפשר להסתפק בכך. נדרש גם שלב איטי, ביקורתי ומבוקר יותר, שבו המהנדס בודק את ההיגיון, את הכיסוי, את הביצועים ואת ההתאמה לדרישות.

המשמעות היא שהשימוש הנכון ב-AI אינו מבטל את שלב האימות, אלא מעביר אליו משקל גדול עוד יותר. אם בעבר חלק גדול מזמן העבודה הוקדש לכתיבה ידנית של רכיבים, הרי שבעבודה עם AI יותר זמן עשוי לעבור לבדיקה, השוואה, תיקון והכוונה. זהו שינוי תרבותי לא פחות מטכנולוגי: המהנדס הופך ממי שמייצר כל שורה בעצמו למי שמנהל תהליך יצירה מואץ ומוודא שהוא עומד בסטנדרט הנדרש.

כאן גם נמצא ההבדל בין שימוש שטחי ב-AI לבין שימוש מקצועי. מהנדס שאינו מבין את התחום עלול לקבל תוצר משכנע למראה אך שגוי. מהנדס מנוסה, לעומת זאת, יכול להשתמש באותו כלי כדי להאיץ עבודה, להרחיב בדיקות, לנסות חלופות ולשפר תיעוד. לכן, ה-AI אינו מצמצם את הצורך במומחיות; הוא משנה את הדרך שבה המומחיות באה לידי ביטוי.

לא רק שבבים ל-AI, אלא AI לתכנון שבבים

ההרצאה של סלמון משתלבת במגמה רחבה יותר בתעשייה. בשנים האחרונות עיקר השיח עסק בשבבים שמריצים בינה מלאכותית: מעבדים, מאיצים, GPU, רכיבי תקשורת, זיכרון ותשתיות למרכזי נתונים. אבל כעת ה-AI נכנס גם לצד השני של המשוואה – אל תהליכי הפיתוח של השבבים עצמם.

זהו שינוי חשוב במיוחד בתקופה שבה מרכזי נתונים ל-AI דורשים ביצועים גבוהים יותר, רוחב פס גדול יותר, צריכת הספק נמוכה יותר ויכולת הרחבה בין מערכות רבות. מושגים כמו scale up ו-scale out, שעלו בהרצאה, אינם רק עניין של ארכיטקטורת מרכזי נתונים. הם משפיעים גם על סוג השבבים שיש לתכנן, על הממשקים ביניהם, על עומסי התקשורת, על הזיכרון ועל מערכות האימות שנדרשות כדי לוודא שהכול עובד יחד.

במובן הזה, AI יוצר דרישה לשבבים מורכבים יותר, ובמקביל מתחיל לספק כלים שעוזרים לתכנן אותם. התעשייה נכנסת למעגל שבו הבינה המלאכותית גם מגדילה את הצורך בחומרה מתקדמת וגם הופכת לחלק מתהליך העבודה שמאפשר לפתח חומרה כזו.

ההזדמנות והסיכון

עבור חברות כמו אינטל, המשמעות כפולה. מצד אחד, יש כאן אפשרות לשפר את יעילות הפיתוח, לקצר חלק מהשלבים ולסייע למהנדסים להתמודד עם עומס הולך וגדל של משימות. מצד שני, הטמעה לא זהירה של AI בתהליכי תכנון עלולה לייצר תחושת ביטחון מדומה. בתעשיית השבבים, תוצאה שנראית נכונה אינה מספיקה. היא חייבת לעבור אימות, סימולציה ובדיקה מול דרישות ברורות.

לכן, הגישה שהוצגה בהרצאה הייתה מעשית וזהירה. לא חזון שבו AI מתכנן שבב לבדו, אלא תהליך שבו מהנדס משתמש בו ככלי עבודה חזק. זהו כלי שיכול להאיץ כתיבה, להציע מבנים, לסייע בבדיקות, לנסח הסברים ולשפר תיעוד, אך אינו מחליף אחריות הנדסית.

הלקח המרכזי מההרצאה הוא שתעשיית השבבים אינה עומדת רק בפני שינוי במוצרים שהיא מפתחת, אלא גם בשיטת העבודה של מי שמפתחים אותם. מהנדסי שבבים יידרשו להבין לא רק חומרה, תוכנה ואימות, אלא גם כיצד לעבוד נכון עם מודלים של AI. מי שישלוט בשילוב הזה יוכל לעשות יותר, מהר יותר, ובמידת זהירות גבוהה יותר.

בסופו של דבר, השאלה אינה אם AI ייכנס לתכנון שבבים, אלא איך הוא ייכנס. ההרצאה של סלמון הציעה תשובה ברורה: לא כתחליף למהנדס, אלא כמכפיל כוח למהנדס שמבין היטב מה הוא עושה.

הפוסט אבי סלמון, אינטל, ב- ChipEx2026: ה-AI לא מחליף את מתכנן השבבים, הוא משנה את אופן העבודה שלו הופיע לראשונה ב-Chiportal.

הבינה המלאכותית מוצגת לעיתים כסיפור של תוכנה, מודלים ונתונים, אך דוח חדש של Semiconductor Industry Association ו-Deloitte מזכיר עד כמה היא תלויה בתשתית חומרה יקרה, מורכבת ורחבה. לפי הדוח, יותר מ-95% מערך התוכן של רק שרת AI מתקדם מגיע משבבים, ולא רק ממאיצים גרפיים או ממעבדי AI יוקרתיים. מדובר במערך מלא של טכנולוגיות: לוגיקה מתקדמת, זיכרון, תקשורת, ניהול הספק, שבבים אנלוגיים ושבבים בסיסיים רבים שמאפשרים למערכת כולה לפעול.

הדוח, Powering AI: The Semiconductor Ecosystem at the Foundation of Data Centers, מבוסס על פירוק וירטואלי של חוות שרת AI מתקדם, יחידת הבניין המרכזית של תשתיות AI במרכזי נתונים. לפי SIA ודלויט, ארון אחד כזה כולל יותר מ-4,500 שבבים ארוזים, ובהם כ-20 אלף שבבי die נפרדים. המסקנה המרכזית היא שבינה מלאכותית אינה נשענת על רכיב יחיד, אלא על שרשרת שלמה של טכנולוגיות שבבים, וכל חוליה בה עלולה להפוך לצוואר בקבוק.

לא רק מאיצי AI

הכותרות בענף מתמקדות בדרך כלל במאיצים של אנבידיה, במעבדי AI ייעודיים של ענקיות הענן, או בזיכרון HBM. אבל לפי הדוח, התמונה רחבה יותר. מרכזי נתונים לבינה מלאכותית צריכים יכולות חישוב עצומות, רוחב פס גבוה מאוד לזיכרון, אחסון מהיר, רשתות תקשורת צפופות, חלוקת הספק יעילה וחיישנים ובקרים רבים. כל אלה נשענים על שבבים.

לצד מאיצי AI, ASICs, FPGAs, CPUs, DPUs ושבבי תקשורת, הדוח מדגיש גם את מקומם של זיכרונות HBM, DRAM, SRAM ו-NAND. נוסף עליהם יש שכבה ארוכה של שבבים אנלוגיים ובסיסיים: רכיבי הספק, משדרים ומקלטים, בקרים וחיישנים. חלקם אינם יקרים כמו המאיצים המרכזיים, אך הם קיימים במספרים גדולים מאוד, ובלעדיהם הארון לא יוכל לפעול בצורה יציבה.

זו נקודה חשובה במיוחד עבור תעשיית השבבים הרחבה. גל הבינה המלאכותית אינו יוצר ביקוש רק למעבדים המתקדמים ביותר המיוצרים בטכנולוגיות הקצה. הוא מגדיל גם את הצורך ברכיבים בוגרים יותר, בשבבים אנלוגיים, ברכיבי הספק ובפתרונות תקשורת. לכן השפעתו מגיעה כמעט לכל שכבות שרשרת הערך: תכנון, ייצור, זיכרון, מארזים מתקדמים, בדיקות, ציוד ייצור וחומרים.

שוק של טריליוני דולרים

לפי ההערכה בדוח, ממשלות והתעשייה ישקיעו יותר מ-4 טריליון דולר בתשתיות מרכזי נתונים חדשות עד 2028, ועד 2.8 טריליון דולר מתוך סכום זה עשויים להיות מופנים לשבבים. ההכנסות השנתיות משבבים המשולבים במרכזי נתונים לבינה מלאכותית עשויות להגיע ליותר מ-1.2 טריליון דולר עד 2028 – כמעט פי עשרה בתוך ארבע שנים, ולמעלה מסך מכירות השבבים העולמיות ב-2025 בכל השימושים יחד, לפי הערכת הדוח.

המספרים האלה ממחישים את עומק השינוי שעוברת התעשייה. AI כבר אינו רק יישום חדש שמוסיף ביקוש נקודתי לשבבים. הוא הופך למנוע ביקוש מרכזי, שמשפיע על סדרי עדיפויות של יצרניות שבבים, ספקיות ציוד, חברות זיכרון, חברות תכנון וענקיות ענן. הוא גם מסביר מדוע מדינות רואות בתשתיות AI וביכולת ייצור שבבים סוגיה של תחרות אסטרטגית ולא רק שוק מסחרי.

עם זאת, חשוב להתייחס להערכות בזהירות. תחזיות כאלה תלויות בהמשך קצב ההשקעות של ענקיות הענן, בזמינות חשמל וקירור, בהתקדמות המודלים, במחירי הזיכרון, בשרשרות אספקה ובמדיניות יצוא. אם חלק מההשקעות יתעכבו, או אם יתברר שמודלי AI יעילים יותר מפחיתים את הצורך בתשתיות ענק, קצב הצמיחה עלול להיות נמוך מהתחזית. מנגד, מעבר רחב יותר לאימון ולהסקה במרכזי נתונים עשוי לשמור על ביקוש גבוה לשבבים לאורך זמן.

מסר מדיניות אמריקני ברור

הדוח מתפרסם על רקע מאמצי הממשל האמריקני לשמר הובלה בבינה מלאכותית ובשבבים. SIA משתמשת בממצאים כדי לטעון כי מדיניות שבבים אינה יכולה להתמקד רק במפעלים מתקדמים או רק במאיצי AI. לדבריה, הובלה ב-AI דורשת מערכת שלמה: מחקר, תכנון, ייצור, זיכרון, מארזים, ציוד, גישה לשווקים גלובליים ושרשראות אספקה עמידות.

ג’ון נויפר, נשיא ומנכ”ל SIA, אמר כי “עתיד ה-AI ייקבע על ידי מכלול טכנולוגיות השבבים שמפעילות אותו”. לדבריו, כדי שאימוץ ה-AI בעולם יתבסס על שבבים אמריקניים, נדרשת מדיניות ממשלתית שתבטיח גישה לשווקים גלובליים ותחזק את התחרותיות של ארצות הברית.

מבחינת התעשייה, המסר הרחב הוא שהבינה המלאכותית הופכת את מרכז הנתונים למערכת שבבים אחת גדולה. המאיץ המרכזי מושך את רוב תשומת הלב, אבל סביבו נבנה אקוסיסטם שלם של זיכרונות, תקשורת, הספק, בקרים, חיישנים ומארזים. מי שירצה להשתתף בצמיחת שוק ה-AI לא יוכל להסתכל רק על שבב הדגל. הערך נמצא בכל הארון.

הפוסט דוח SIA-Deloitte: השבבים מייצגים מעל 95% משווין של חוות שרתי בינה מלאכותית 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.

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.