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.

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.

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

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

צוואר הבקבוק: חשמל וחום

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

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

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

ממפת דרכים של צמתים למפת דרכים של מערכות

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

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

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

פוטוניקה משולבת: האור נכנס לאריזת השבב

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

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

הבינה המלאכותית יוצאת מהשרתים

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

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

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

אירופה כמגרש מרכזי ל־Physical AI

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

המשבר של אנבידיה בסין הופך לאחד האתגרים האסטרטגיים הגדולים של החברה. בשיחת הוועידה עם המשקיעים, לאחר פרסום התוצאות הרבעוניות, הבהירה סמנכ"לית הכספים קולט קרס כי התחזית לרבעון הבא אינה כוללת הכנסות ממכירת שבבי מחשוב למרכזי נתונים בסין. לדבריה, אנבידיה עדיין אינה יודעת אם ומתי יינתנו אישורי היבוא הדרושים בסין, ולכן אינה כוללת את המכירות האלה בתחזית שלה. (מרקטווץ')

מדובר במסר חריג עבור חברה שממשיכה ליהנות מביקוש עצום לשבבי AI ברחבי העולם. עד לפני זמן לא רב נחשבה סין לאחד השווקים החשובים ביותר של אנבידיה. כעת, גם כאשר וושינגטון מאפשרת לכאורה מכירה של שבבים מסוימים, בייג'ינג אינה ממהרת לפתוח את הדלת.

אישור אמריקני אינו מספיק

מוקד המשבר הוא שבב H200 של אנבידיה. לפי דיווח רויטרס, ארצות הברית אישרה לכעשר חברות סיניות לרכוש את השבב, ובהן Alibaba, Tencent, ByteDance ו־JD.com. עם זאת, נכון לאמצע מאי 2026, לא נמסר אף שבב H200 אחד ללקוחות בסין.

הפער הזה ממחיש את השינוי במאזן הכוחות. בעבר, השאלה המרכזית הייתה אם ארצות הברית תאפשר לאנבידיה לייצא שבבים מתקדמים לסין. כיום מתברר שגם אם האישור האמריקני ניתן, נדרש אישור בפועל גם מצד סין. בלי האישור הזה, העסקאות נשארות על הנייר.

לפי דיווחים קודמים של רויטרס, סוכני מכס בסין קיבלו הנחיות שלפיהן שבבי H200 אינם מורשים להיכנס למדינה. בנוסף, הרשויות הסיניות זימנו חברות טכנולוגיה מקומיות והזהירו אותן מפני רכישת השבבים, אלא אם יש לכך צורך מיוחד.

בייג'ינג דוחפת לעצמאות טכנולוגית

המהלך הסיני אינו רק תגובה למגבלות היצוא האמריקניות. הוא משתלב במדיניות רחבה יותר של בייג'ינג. סין מבקשת להפחית את התלות שלה בשבבים אמריקניים, במיוחד בתחום הבינה המלאכותית. זהו תחום שנחשב קריטי הן לכלכלה והן לביטחון הלאומי.

מבחינת אנבידיה, זו בעיה כפולה. מצד אחד, היא מוגבלת על ידי וושינגטון. מצד שני, היא נתקלת בחשדנות גוברת מצד בייג'ינג. התוצאה היא מצב שבו לקוחות סיניים עשויים לרצות את הטכנולוגיה של אנבידיה, אך הם אינם יכולים לפעול בחופשיות לרכישתה.

מנכ"ל אנבידיה, ג'נסן הואנג, ניסה לשדר אופטימיות. הוא אמר כי הוא מאמין שהשוק הסיני ייפתח לאורך זמן לספקי שבבים אמריקניים. עם זאת, גם בדיווחים האחרונים הודגש כי משלוחי H200 לסין עדיין תלויים באישור הסיני.

האיום ארוך הטווח: לא רק הכנסות אבודות

בטווח הקצר, אנבידיה יכולה לפצות על הפגיעה בסין באמצעות ביקוש חזק ממדינות אחרות. ענקיות ענן, חברות AI וממשלות ממשיכות להשקיע בתשתיות מחשוב. לכן, המשבר הסיני אינו מאיים מיידית על הצמיחה הכוללת של החברה.

אבל בטווח הארוך האיום עמוק יותר. אם חברות סיניות ייאלצו להשתמש בחלופות מקומיות, סביבן ייבנה בהדרגה אקו־סיסטם עצמאי. הוא יכלול חומרה, תוכנה, כלי פיתוח ומודלים שמותאמים לשבבים שאינם של אנבידיה.

זהו הסיכון המרכזי מבחינת החברה. לא רק אובדן מכירות ברבעון אחד או שניים, אלא שחיקה אפשרית במעמדה כסטנדרט העולמי של תשתיות AI. אם סין תצליח להאיץ את הפיתוח המקומי, אנבידיה עלולה לגלות ששוק ענק נסגר בפניה לא בגלל מחסור בביקוש, אלא בגלל החלטה אסטרטגית של מעצמה.

המשבר הסיני של אנבידיה ממחיש עד כמה שבבי AI הפכו לנכס גיאו־פוליטי. הם כבר אינם רק מוצר טכנולוגי. הם תשתית לאומית, כלי תחרות בין מעצמות, ואחד ממוקדי המאבק המרכזיים בין ארצות הברית לסין.

הפוסט המשבר הסיני של אנבידיה: רישיונות אמריקניים יש, מכירות לסין עדיין אין 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.

רונן לווינגר, מנכ"ל DustPhotonics, הקדיש את הרצאתו בכנס ChipEx2026 לאחד האתגרים המרכזיים של עידן הבינה המלאכותית: החיבוריות בתוך מרכזי הנתונים. לדבריו, מאחורי ההתקדמות המהירה של מודלי AI עומדות תשתיות ענק של GPU, מתגים, שרתים, אחסון ורשתות תקשורת. ככל שהמערכות גדלות, כך הופכת האופטיקה לרכיב חיוני יותר. לא רק כאמצעי לחיבור בין מרכזי נתונים, אלא כחלק בלתי נפרד מארכיטקטורת המחשוב עצמה.

DustPhotonics פועלת בתחום פוטוניקת הסיליקון ומפתחת מוצרים וטכנולוגיות לתקשורת אופטית במרכזי נתונים של AI וענן. החברה מציגה את עצמה כמפתחת פלטפורמות Silicon Photonics שמיועדות לייצור בנפחים גבוהים, לרוחב פס גבוה יותר, למהירויות גבוהות יותר, ולהפחתת עלות וצריכת הספק. באתר החברה מופיע רונן לווינגר כמנכ"ל וכחבר דירקטוריון. (DustPhotonics)

מ־Scale-Out ל־Scale-Up: שתי צורות של רעב לחיבוריות

לווינגר הסביר כי כדי להבין את הצורך באופטיקה צריך להבחין בין שני מושגים מרכזיים בעולם מרכזי הנתונים: Scale-Out ו־Scale-Up. Scale-Out הוא המודל הקלאסי של הרחבת מרכז נתונים: מוסיפים עוד שרתים, עוד מדפים, עוד שורות ועוד ציוד תקשורת, ומחברים את כולם לרשת גדולה יותר. זהו המודל שאפיין מרכזי נתונים גם לפני גל ה־AI הנוכחי.

Scale-Up, לעומת זאת, מתאר את הגדלת יחידת המחשוב עצמה. בעבר הדבר התבטא בהוספת ליבות CPU למערכת אחת. כיום, בעידן ה־AI, מדובר בחיבור מספר גדול של GPU ליחידת מחשוב אחת, עם רשת פנימית מהירה מאוד. לווינגר הזכיר כי מערכות הדור החדש כבר מחברות עשרות GPU יחד, והמגמה היא להמשיך להגדיל את יחידת המחשוב למספרים גבוהים יותר.

שני הכיוונים האלה מובילים לאותה תוצאה: הרבה יותר תעבורת נתונים. במערכות AI גדולות, המאיצים אינם עובדים בבידוד. הם צריכים להעביר ביניהם משקלי מודלים, נתוני אימון, תוצאות ביניים ומידע בקרה בקצב גבוה ובאמינות גבוהה. אם החיבוריות אינה עומדת בקצב, גם המאיצים החזקים ביותר עלולים להמתין לנתונים. לכן האופטיקה עוברת משולי המערכת אל מרכז הדיון.

לדברי לווינגר, החיבוריות האופטית כבר ממלאת תפקיד משמעותי במרכזי נתונים גדולים, אך גל ה־AI מגדיל את הצורך בה בקפיצה נוספת. ככל שהמערכות עוברות ל־Scale-Up גדול יותר ול־Scale-Out רחב יותר, כמות האופטיקה במרכזי הנתונים צפויה לגדול באופן משמעותי.

פוטוניקת סיליקון כפתרון תעשייתי, לא רק מחקרי

הטכנולוגיה המרכזית שבה עוסקת DustPhotonics היא פוטוניקת סיליקון. הרעיון הוא להשתמש בתהליכי ייצור מוכרים מתעשיית השבבים כדי לייצר רכיבים שמוליכים, מעבדים ומעבירים אור על גבי שבב. במקום לבנות מערכות אופטיות גדולות ונפרדות, ניתן לשלב פונקציות אופטיות בתוך רכיבים קומפקטיים יותר, שמתאימים לייצור סדרתי ולשילוב במרכזי נתונים.

היתרון של פוטוניקת סיליקון הוא ביכולת לשלב רוחב פס גבוה, צריכת הספק נמוכה יותר, עלות נמוכה יותר ויכולת הגדלה לנפחים גבוהים. עבור מרכזי נתונים ל־AI, אלה אינם יתרונות שוליים. הם קובעים אם ניתן להמשיך להגדיל את המערכות בלי להיתקל במגבלות של חום, הספק, שטח ועלות.

לווינגר הדגיש בהרצאה כי DustPhotonics אינה מתמקדת בכל היישומים האפשריים של הטכנולוגיה, אף שאפשר למצוא טכנולוגיות דומות גם בלידארים, חיישנים ויישומים אופטיים אחרים. הבחירה האסטרטגית של החברה היא מרכזי נתונים וחיבוריות מהירה. זהו המקום שבו הצורך התעשייתי ברור במיוחד, ושבו הביקוש גדל עם כל דור חדש של מערכות AI.

החברה עצמה מסבירה כי פוטוניקת סיליקון נועדה להתמודד עם צרכים גדלים של מרכזי נתונים ל־AI ולהיפר־סקייל, באמצעות רכיבים שמספקים רוחב פס גבוה יותר, מהירויות גבוהות יותר, עלות נמוכה יותר וצריכת הספק נמוכה יותר. (DustPhotonics)

האופטיקה מתקרבת לשבב

אחד השינויים המרכזיים שעליהם דיבר לווינגר הוא המעבר מן האופטיקה בקצה הכרטיס אל אופטיקה קרובה יותר לשבב. במערכות רבות כיום משתמשים עדיין במודולים אופטיים נשלפים, Pluggable Optics, שממוקמים בקצה הלוח או בחזית השרת והמתג. זהו פתרון בשל, נוח לתחזוקה ובעל שרשרת אספקה קיימת. אבל ככל שקצב הנתונים עולה, האות החשמלי צריך לעבור מרחק משמעותי יותר עד שהוא מומר לאור, והמרחק הזה עולה בהספק ובמורכבות.

כאן נכנסות לתמונה שתי גישות חדשות: Near-Package Optics ו־Co-Packaged Optics. ב־Near-Package Optics, המנועים האופטיים ממוקמים על הלוח קרוב מאוד לשבב המרכזי, למשל GPU או ASIC של מתג. ב־Co-Packaged Optics, הרכיבים האופטיים משולבים ממש לצד השבב באותה חבילת אריזה. לפי DustPhotonics, התעשייה בוחנת כיום שלוש ארכיטקטורות עיקריות — Pluggable Optics, Co-Packaged Optics ו־Near-Package Optics — כאשר לכל אחת מהן יש פשרות שונות בין הספק, מורכבות אריזה ויכולת תחזוקה.

לווינגר הציג את המגמה הזו כחלק טבעי מהתפתחות מרכזי הנתונים. ככל שמרכז הנתונים הופך ליחידת מחשוב אחת גדולה, האופטיקה צריכה להתקרב אל מוקדי העיבוד. המטרה היא לקצר את המסלול החשמלי, להפחית צריכת הספק, להגדיל רוחב פס ולאפשר למערכות AI לפעול בקנה מידה גדול יותר.

DustPhotonics מציינת כי Near-Package Optics מציבה מנועים אופטיים בקרבת ה־GPU או ה־ASIC, וכך מקצרת את החיבור החשמלי בין השבב לאופטיקה. החברה מציגה את הגישה הזו כפשרה מעשית שמציעה חלק מיתרונות ה־CPO, אך עם מורכבות ייצור ותפעול נמוכה יותר.

עסקת Credo ממחישה את חשיבות התחום

ההרצאה של לווינגר התקיימה על רקע עסקת ענק שמדגישה את העלייה בחשיבות התחום. באפריל 2026 הודיעה Credo Technology כי חתמה על הסכם לרכישת DustPhotonics. לפי ההודעה הרשמית, Credo תרכוש את החברה תמורת 750 מיליון דולר במזומן וכ־0.92 מיליון מניות Credo, עם אפשרות לתמורה נוספת של עד כ־3.21 מיליון מניות, בהתאם לעמידה באבני דרך פיננסיות. העסקה צפויה להיסגר ברבעון השני של 2026, בכפוף לתנאים המקובלים ולאישורים רגולטוריים.

Credo הסבירה כי הרכישה תכניס אליה טכנולוגיית Silicon Photonics Photonic Integrated Circuit, ותאפשר לה להרחיב את פורטפוליו החיבוריות האופטית שלה עבור 800G, 1.6T ו־3.2T, כולל Near-Package Optics ו־Co-Packaged Optics. החברה ציינה כי השילוב בין SerDes, DSP, פוטוניקת סיליקון ואינטגרציית מערכת יאפשר לה לספק פתרונות חיבוריות מקצה לקצה לרשתות Scale-Out ו־Scale-Up של תשתיות AI.

המשמעות עבור DustPhotonics ברורה: החברה הישראלית עוברת ממעמד של ספקית טכנולוגיה ייעודית לשחקנית בתוך פלטפורמת חיבוריות רחבה יותר. עבור השוק, העסקה ממחישה כי חיבוריות אופטית אינה עוד רכיב משלים. היא הופכת לחלק מרכזי ממפת הדרכים של תשתיות AI.

לווינגר סיכם את הרצאתו במסר אופטימי. לדבריו, הביקוש הגובר לאופטיקה הוא בשורה טובה לחברות שעוסקות בחיבוריות, בפוטוניקה ובשבבים אופטיים. ככל שמרכזי הנתונים נעשים גדולים יותר, וככל שמערכות ה־AI דורשות יותר תעבורת נתונים, כך גדל הצורך בפתרונות שיכולים להעביר מידע מהר יותר ובצריכת הספק נמוכה יותר.

המסר המרכזי מן ההרצאה הוא שתשתיות AI אינן נבנות רק ממאיצים חזקים יותר. הן נבנות גם מן היכולת לחבר ביניהם. אם בעשור הקודם השאלה המרכזית הייתה כמה כוח עיבוד אפשר להכניס לשבב, הרי שבעשור הקרוב השאלה תהיה גם כמה מהר, כמה רחוק ובאיזו יעילות אפשר להזיז את הנתונים בין כל רכיבי המערכת. עבור חברות כמו DustPhotonics, זו בדיוק נקודת ההזדמנות.

הפוסט רונן לווינגר מ־DustPhotonics: אופטיקה תהפוך לצוואר הבקבוק הבא של מרכזי הנתונים ל־AI הופיע לראשונה ב-Chiportal.

סרברס מערכות (Cerebras Systems), אחת החברות השאפתניות ביותר בתחום שבבי הבינה המלאכותית, השלימה הנפקה ראשונה לציבור בנאסד"ק תחת הסימול CBRS, במהלך שהפך מיד לאחד מאירועי השוק הבולטים של 2026. החברה מכרה 30 מיליון מניות במחיר של 185 דולר למניה, וגייסה כ־5.55 מיליארד דולר. ביום המסחר הראשון זינקה המניה לפתיחה של 350 דולר וסגרה ב־311.07 דולר, עלייה של כ־68% לעומת מחיר ההנפקה. ביום המסחר הבא כבר נרשמה נסיגה, והמניה ירדה ל־279.72 דולר, אך גם לאחר הירידה היא עדיין נסחרה הרבה מעל מחיר ההנפקה. (Investors)

ההתלהבות סביב ההנפקה נובעת מהעובדה שסרברס אינה מציגה את עצמה כעוד ספקית מאיצים לשוק ה־AI, אלא כחלופה ארכיטקטונית למודל שעליו בנתה אנבידיה את שליטתה. בעוד אנבידיה מובילה את השוק באמצעות מערכות GPU, רשתות תקשורת מהירות, ספריות CUDA ומערכת תוכנה רחבה, סרברס מנסה לעקוף חלק מהמורכבות הזאת באמצעות שבב עצום בגודל פרוסת סיליקון שלמה. החברה טוענת כי מנוע ה־Wafer-Scale Engine 3 שלה כולל ארבעה טריליון טרנזיסטורים, 900 אלף ליבות מותאמות AI ו־125 פטה־פלופס של חישוב AI, על גבי שבב יחיד בשטח 46,225 מ"מ רבוע. לפי החברה, מדובר ב־19 פעמים יותר טרנזיסטורים ו־28 פעמים יותר חישוב לעומת NVIDIA B200. (Cerebras)

זו בדיוק הסיבה שההנפקה נתפסת כמתקפה ישירה על אנבידיה. סרברס אינה מנסה רק למכור שבב מתחרה ללקוחות שכבר בונים חוות GPU. היא מנסה לשכנע את השוק שאפשר לבנות חלק מעומסי ה־AI, במיוחד אינפרנס מהיר והרצת מודלים גדולים, בצורה פשוטה יותר: פחות חלוקה בין אלפי מאיצים, פחות צווארי בקבוק בזיכרון ובתקשורת בין רכיבים, ויותר חישוב וזיכרון על אותו משטח סיליקון. באתר החברה מוצגת הטכנולוגיה כגדולה פי 58 ממעבדי GPU וכמהירה עד פי 15 במקרי אינפרנס מסוימים, אם כי החברה עצמה מסייגת כי השוואות ביצועים תלויות בעומס העבודה, בתצורה ובמודל הנבדק. (Cerebras)

החזית החשובה ביותר היא ענן ה־AI. אנבידיה נהנית לא רק ממכירת שבבים, אלא ממעמד כמעט תשתיתי אצל ספקיות הענן, חברות AI ומרכזי נתונים. סרברס מנסה להיכנס בדיוק לשם. החברה מציעה שלושה מסלולים: שירות ענן למפתחים, קיבולת ייעודית למודלים מותאמים, ומערכות מקומיות לארגונים שרוצים שליטה מלאה על המודלים והנתונים. באתר החברה מופיעים לקוחות ושותפים כמו OpenAI, מטא, AWS, Mayo Clinic ו־GSK, והיא מדגישה תאימות לממשקי API בסגנון OpenAI כדי להקל על מעבר עומסים ממערכות קיימות. (Cerebras)

במילים אחרות, סרברס תוקפת את אנבידיה בשתי רמות. ברמת החומרה, היא טוענת שהבעיה המרכזית של AI אינה רק כמות החישוב, אלא תנועת הנתונים בין הזיכרון, המאיץ והרשת. ברמת המודל העסקי, היא מציעה ללקוחות גדולים לא להמתין רק לעוד דור GPU, אלא להעביר חלק מהעומסים לפלטפורמה ייעודית שמבטיחה זמן תגובה קצר יותר ועלות נמוכה יותר לאינפרנס. עבור יישומים כמו סוכני AI, חיפוש בזמן אמת, עוזרי קוד ושיחות קוליות, השהיה נמוכה היא לא תוספת נחמדה אלא תנאי שימוש מרכזי.

עם זאת, ההנפקה גם מחדדת את הסיכון. אנבידיה אינה רק יצרנית שבבים. היא מחזיקה במערכת אקולוגית רחבה של תוכנה, רשתות, שרתים, תכנון מערכות, קשרים עם יצרני ענן ויתרון עצום באמון הלקוחות. סרברס צריכה להוכיח שהארכיטקטורה החריגה שלה עובדת לא רק בהדגמות ובמקרי שימוש נבחרים, אלא גם בפריסה רחבה, לאורך זמן ובמגוון עומסים. אנליסטים כבר הזהירו שהשווי של החברה גבוה מאוד ביחס להכנסותיה, ושחלק ניכר מהאופטימיות מגולם במחיר המניה כבר אחרי ימי המסחר הראשונים. (MarketWatch)

לכן, ההנפקה של סרברס אינה רק עוד סיפור על חברת שבבים שנהנית מגל ה־AI. היא מבחן לשאלה גדולה יותר: האם שוק הבינה המלאכותית ימשיך להיבנות כמעט כולו סביב ארכיטקטורת GPU ורשתות של אנבידיה, או שייפתח מקום ממשי לארכיטקטורות ייעודיות שמציעות דרך אחרת להריץ מודלים גדולים. סרברס עדיין רחוקה מערעור ההובלה של אנבידיה, אבל עצם ההנפקה, גודל הגיוס והעניין מצד לקוחות ענן ו־AI גדולים מראים שהשוק מחפש אלטרנטיבות. עבור אנבידיה, זהו לא איום מיידי על הכתר, אבל זהו סימן ברור לכך שהמאבק הבא אינו רק על מי מייצר את השבב החזק ביותר, אלא על מי יגדיר את תשתית החישוב של עידן ה־AI.

הפוסט סרברס הונפקה בנאסד"ק – ומכוונת אל נקודת התורפה של אנבידיה הופיע לראשונה ב-Chiportal.