הגידול בהיצע מאיצי הבינה המלאכותית עדיין אינו מתורגם לירידה במחירי כוח המחשוב. להפך: נתונים חדשים מ־Nebius ומ־CoreWeave מצביעים על כך שלקוחות ממשיכים לשלם יותר עבור קיבולת GPU, CPU וזיכרון — גם כאשר דורות חדשים של חומרה נכנסים לשוק.

Nebius הודיעה כי החל מ־1 באוקטובר תעלה את מחירי ה־pay-as-you-go של מספר מאיצי NVIDIA בשיעור של 17%–21%. זו העלאת המחירים השנייה של החברה בתוך שלושה חודשים.

לפי הנתונים שנמסרו, מחיר השימוש לפי שעה ב־H100 יעלה בכ־17%, בעוד שמחיר B300 יעלה בכ־21%. גם שירותים שאינם מבוססי GPU מתייקרים: מופעי CPU מסוימים יעלו בכ־25%, ומחירי זיכרון מסוימים בכ־41%.

Nebius מדגישה שלקוחות שמתחייבים לאשכולות גדולים למשך חודשים יכולים לקבל הנחות, ולכן המחירים החדשים אינם משקפים בהכרח את המחיר שמשלמים הלקוחות הגדולים ביותר בחוזים ארוכי טווח.

CoreWeave: חוזים חדשים בכ־40 מיליון דולר למגה־ואט

התמונה מקבלת חיזוק גם מ־CoreWeave. החברה מסרה כי ברבעון השלישי חתמה על חוזים קצרי טווח של שלושה עד שישה חודשים במחיר שקול לכ־40 מיליון דולר הכנסה שנתית לכל מגה־ואט של הספק הנדרש להפעלת אשכולות המחשוב.

CoreWeave דיווחה גם כי הוסיפה יותר מ־25 מיליארד דולר של התחייבויות לקוחות חדשות בתחילת הרבעון השלישי, וכי ההספק החוזי שלה גדל מכ־3.7 גיגה־ואט בסוף יוני לכ־4.2 גיגה־ואט באוגוסט.

הנתון של מחיר למגה־ואט חשוב משום שהוא מראה עד כמה שוק מחשוב ה־AI כבר אינו נמדד רק במספר GPUs. מגה־ואט מגלם למעשה מערכת שלמה: מאיצים, CPUs, זיכרון, מתגים, רשתות אופטיות, קירור, מערכות חשמל, שטח במרכז נתונים ותפעול.

מדוע המחיר עולה כשנכנסים שבבים חדשים?

בשווקים טכנולוגיים רגילים, הגדלת היצע והכנסת דורות חדשים נוטות להוזיל בהדרגה את המחיר ליחידת ביצוע. שוק ה־AI מתנהג כרגע אחרת משום שהביקוש גדל מהר יותר מהקיבולת שמתווספת.

הגורם הראשון הוא האצה בהיקף ה־inference. אימון מודל גדול הוא אירוע מוגבל בזמן, אך לאחר שהמודל נפרס הוא עשוי לשרת מיליוני או מיליארדי בקשות מדי יום. ככל שיותר שירותים משלבים AI, הביקוש לחישוב הופך רציף.

הגורם השני הוא שמאיץ אינו פועל לבד. גם אם היצע GPUs גדל, יש צורך ב־HBM, אריזה מתקדמת, אופטיקה, מתגים, CPUs, אחסון, קירור וחשמל. מחסור בכל אחד מהרכיבים הללו יכול להגביל את הקיבולת הכוללת.

הגורם השלישי הוא זמן ההקמה. מרכז נתונים חדש דורש חיבור לרשת החשמל, תשתיות קירור ולעיתים בניית תחנת משנה. זמני ההמתנה לחשמל ולציוד יכולים להיות ארוכים יותר מזמן הייצור של ה־GPU עצמו.

כוח תמחור ל"ניאו־קלאוד"

Nebius ו־CoreWeave שייכות לקבוצת חברות שמכונות לעיתים neoclouds — ספקיות ענן המתמקדות בתשתיות AI עתירות GPU. הן מתחרות בענקיות כמו AWS, Microsoft Azure ו־Google Cloud, אך מציעות לעיתים אשכולות גדולים ומותאמים יותר לאימון ולהרצת מודלים.

עליית המחירים מצביעה על כך שלספקיות הללו יש כרגע כוח תמחור. לקוחות שמבקשים גישה מיידית למאיצים החדשים מוכנים לשלם פרמיה, במיוחד כאשר החלופה היא להמתין חודשים לקיבולת.

עם זאת, אין להסיק מכך שמחירי מחשוב AI יעלו ללא הגבלה. קיבולת חדשה נבנית במהירות, NVIDIA, AMD וחברות נוספות משיקות דורות חדשים, וספקיות הענן הגדולות מפתחות מאיצים עצמאיים. בטווח הארוך התחרות עשויה להפעיל לחץ כלפי מטה.

בטווח הקצר, הנתונים של ספטמבר 2026 מצביעים דווקא על ההפך: למרות השקעות עתק והרחבת היצע השבבים, הביקוש למחשוב AI ממשיך לגדול מהר מספיק כדי לאפשר לספקיות להעלות מחירים.

הפוסט מחקרי שוק: מחירי מחשוב ה־AI ממשיכים לעלות למרות התרחבות היצע המאיצים הופיע לראשונה ב-Chiportal.

מנכ"ל NVIDIA, ג'נסן הואנג, אמר כי הוא מצפה שהחברה תמכור בשנת 2027 פי שניים שבבים מאשר בשנת 2026. הדברים נאמרו במהלך אירוע בסקוטלנד, על רקע המשך הגידול בהשקעות העולמיות בתשתיות בינה מלאכותית.

"אני מצפה ש־NVIDIA תמכור בשנה הבאה פי שניים שבבים מכפי שאנחנו מוכרים השנה", אמר הואנג. לדבריו, הסיבה היא שהבינה המלאכותית כבר נתפסת במדינות ובתעשיות רבות כתשתית כלכלית ולא רק כטכנולוגיה ניסיונית.

התחזית בולטת משום ש־NVIDIA אינה מפרסמת בדרך כלל נתון כולל של מספר השבבים שהיא מוכרת. לכן גם קשה לתרגם את דבריו ישירות למספר יחידות או להכנסות.

לא מדובר רק ב־GPU

הפרשנות הראשונית עשויה להיות ש־NVIDIA מתכוונת להכפיל את מספר מאיצי ה־GPU למרכזי נתונים, אך סל המוצרים של החברה רחב בהרבה.

לצד מאיצי Blackwell ו־Rubin, NVIDIA מוכרת גם CPUs, שבבי מתגים לרשתות, רכיבי InfiniBand ו־Ethernet, שבבים לתקשורת אופטית, מערכות Jetson לרובוטיקה ולמערכות משובצות, שבבים למחשבים ניידים ורכיבים לתעשיית הרכב. החברה מספקת גם שבב עבור Nintendo Switch 2.

בנוסף, ארכיטקטורות rack-scale כמו NVL72 משלבות מספר רב של רכיבים בכל מערכת. לכן גידול במספר המערכות שנמכרות מגדיל במקביל את מספר ה־GPU, CPU ושבבי התקשורת שנכללים בכל התקנה.

בשנה שעברה אמר הואנג כי NVIDIA שלחה כשישה מיליון GPUs ממשפחת Blackwell בתוך ארבעה רבעונים. המעבר לדור Rubin והתרחבות המכירות של מערכות שלמות עשויים להגדיל משמעותית את מספר השבבים שמסופקים לכל לקוח.

הכפלת יחידות לא בהכרח פירושה הכפלת הכנסות

חשוב להבחין בין מספר שבבים לבין הכנסות. החברה עשויה למכור מספר גדול יותר של רכיבים במחירים שונים, כך שהכפלת מספר היחידות אינה שקולה להכפלת ההכנסה.

NVIDIA עצמה צופה קצב צמיחה גבוה מאוד גם בהכנסות בשנה הפיסקלית הבאה, אך מבנה המוצרים משתנה. לצד מאיצי קצה יקרים מאוד, החברה מרחיבה את נוכחותה ברשתות, CPUs ומערכות inference, שחלקם עשויים להיות זולים יותר ליחידה.

במקביל, הביקוש עובר בהדרגה משלב שבו עיקר ההשקעה הופנה לאימון מודלים גדולים לשלב שבו inference בקנה מידה עצום הופך לצרכן מרכזי של חומרה. אם מיליארדי משתמשים ושירותים יריצו מודלי AI באופן רציף, מספר המאיצים והרכיבים הדרוש להפעלתם עשוי להיות גדול אף יותר מהכמות הדרושה לאימון.

עדיין קיימים צווארי בקבוק

התחזית האגרסיבית של הואנג מגיעה בזמן שהתעשייה מתמודדת עם מגבלות באספקת זיכרון HBM, אריזה מתקדמת, רכיבי אופטיקה, חשמל ומרכזי נתונים. גם אם הביקוש קיים, הכפלת מספר השבבים דורשת הרחבת קיבולת לאורך כל שרשרת האספקה.

TSMC, יצרניות הזיכרון וספקיות ציוד האריזה והקישוריות משקיעות סכומים גדולים כדי להגדיל קיבולת. במקביל NVIDIA מקדמת מעבר למערכות rack-scale שבהן היא מספקת חלק הולך וגדל מהמערכת — ולא רק את המאיץ המרכזי.

דבריו של הואנג הם תחזית של מנהל החברה ולא יעד משלוחים מפורט, אך הם מצביעים על כך ש־NVIDIA אינה צופה התמתנות קרובה בביקוש. להפך: החברה מתכננת סביב תרחיש שבו מספר השבבים הנדרש לתשתיות AI ממשיך לגדול בקצב חריג גם ב־2027.

הפוסט ג'נסן הואנג: NVIDIA צפויה למכור ב־2027 פי שניים שבבים מאשר ב־2026 הופיע לראשונה ב-Chiportal.

אפל (Apple) בוחנת חזרה לשוק השרתים הארגוניים, יותר מעשור לאחר שהפסיקה למכור את משפחת Xserve. לפי דיווח של The Information, החברה מפתחת מערכת שרת המבוססת על שבבי Apple Silicon ומיועדת בעיקר להרצת יישומי בינה מלאכותית אצל חברות, ממשלות ומפתחים.

הדיווח מתאר שתי תצורות אפשריות: מערכת קטנה יותר המבוססת על שני שבבי M8 Ultra, ומערכת גדולה יותר עם ארבעה שבבים. M8 Ultra הוא שבב עתידי שעדיין אינו קיים כמוצר מסחרי, ולכן מדובר בתוכנית לטווח ארוך. לפי המקור, היעד שנבחן הוא 2029.

הפרויקט מסקרן במיוחד משום שאפל שוקלת לשלב בו טכנולוגיית קישוריות של NVIDIA. לפי The Information, אנשי אפל דנו באפשרות להשתמש ב־NVLink Fusion כדי לחבר בין שבבי M8 Ultra ולגרום למספר מעבדים לפעול כמערכת אחת.

NVLink Fusion פותח דלת גם לשבבים שאינם של NVIDIA

NVLink פותח במקור כדי לספק קישוריות מהירה בין GPUs ומעבדים של NVIDIA. בשנים האחרונות הרחיבה NVIDIA את המודל באמצעות NVLink Fusion, המאפשר לחברות אחרות לשלב מעבדים, מאיצים או רכיבי CPU משלהן בתוך מערכות המבוססות על תשתית הקישוריות של NVIDIA.

עבור אפל, חיבור כזה עשוי להיות משמעותי משום ששבבי M-series מאופיינים בארכיטקטורת זיכרון מאוחד וביעילות אנרגטית גבוהה, אך חיבור מספר שבבים למערכת גדולה מחייב שכבת interconnect מהירה מאוד. בשוק ה־AI, שבו מודלים גדולים נפרסים על פני עשרות ומאות מאיצים, הקישוריות הפכה לרכיב קריטי בביצועים הכוללים.

עצם האפשרות לשיתוף פעולה בין אפל ל־NVIDIA בולטת גם מבחינה היסטורית. היחסים בין החברות היו מתוחים במשך שנים, ואפל עברה בהדרגה לפתרונות גרפיים ומעבדים שפיתחה בעצמה. שילוב טכנולוגיית NVIDIA בשרת עתידי יהיה שינוי משמעותי בדפוס הזה.

לא שרת לענן של אפל בלבד

על פי הדיווח, מדובר במוצר שאפל עשויה למכור ללקוחות חיצוניים ולא רק להפעיל במרכזי הנתונים שלה. קהל היעד עשוי להיות ארגונים המעוניינים להריץ מודלי AI אצלם — בעיקר בשלב ה־inference, כלומר הפעלת מודלים מאומנים והפקת תשובות — ולא בהכרח לבנות אשכולות ענק לאימון מודלים מהיסוד.

הכיוון מתאים גם לשימוש הגובר במחשבי Mac Studio ו־Mac mini עם Apple Silicon בקרב מפתחי AI, בעיקר למשימות שבהן קיבולת זיכרון גדולה וצריכת חשמל נמוכה חשובות לצד ביצועי המאיץ.

עם זאת, צריך להדגיש כי אפל לא הכריזה על המוצר. The Information מציין שהשרת עדיין נמצא בשלבי תכנון, שהשימוש ב־NVLink Fusion אינו סגור, ושגם יעד 2029 עשוי להשתנות. פרויקטים ארוכי טווח מסוג זה עשויים לעבור שינויים גדולים ואף להתבטל לפני ההשקה.

חזרה לשוק שאפל עזבה ב־2011

אפל הפסיקה את Xserve ב־2011 ובמשך שנים התרחקה משוק שרתי הארגונים. חזרה לשוק הזה תהיה חריגה מהאסטרטגיה המוכרת של החברה, שהתמקדה במכשירי קצה, שירותים ומחשבים אישיים.

הסיבה האפשרית לשינוי היא גל ההשקעות בבינה מלאכותית. הביקוש לשרתים עתירי זיכרון ולמערכות inference יוצר שוק חדש שבו יעילות אנרגטית, שילוב חומרה־תוכנה וקישוריות מהירה עשויים לפתוח מקום גם לארכיטקטורות שאינן x86 או GPU מסורתיים.

אם אפל אכן תוציא את המוצר לפועל, היא לא תהיה רק לקוחה של תעשיית שרתי ה־AI — אלא עשויה להפוך לספקית חומרה המתחרה ישירות על תקציבי תשתית בארגונים.

הפוסט דיווח: אפל בוחנת חזרה לשוק השרתים עם M8 Ultra וקישוריות של NVIDIA הופיע לראשונה ב-Chiportal.

טאואר סמיקונדקטור מרחיבה את פעילותה בתחום הסיליקון־פוטוניקה, עם דגש על רכיבים המיועדים לתשתיות AI, מרכזי נתונים ותקשורת אופטית מהירה.

בהודעת החברה נמסר כי פלטפורמת ה־Silicon Photonics שלה כבר משמשת לייצור בנפחים גבוהים של רכיבים למקמ"שים אופטיים למרכזי נתונים ולטלקום, והיא מיועדת גם ליישומי Near-Packaged Optics ו־Co-Packaged Optics עבור הדורות הבאים של אשכולות AI.

המעבר ל־CPO ול־NPO נועד להתמודד עם אחת המגבלות המרכזיות בהרחבת מערכות AI: צריכת החשמל וההשהיה של חיבורי נחושת כאשר מספר המאיצים וקצב העברת הנתונים גדלים. שילוב רכיבים פוטוניים קרוב יותר למתגים ולמעבדים מאפשר להעביר כמויות גדולות יותר של מידע במהירות גבוהה ובצריכת אנרגיה נמוכה יותר.

טאואר מדגישה גם יישומים נוספים של הטכנולוגיה, ובהם DWDM lasers, מיתוג אופטי, FMCW LiDAR עבור Physical AI ויישומים קוונטיים. לצד הסיליקון־פוטוניקה מציעה החברה טכנולוגיות SiGe BiCMOS המשלימות את הפתרונות האופטיים עבור מערכות הדורשות רוחב פס גבוה, השהיה נמוכה וצריכת חשמל מופחתת.

החברה צפויה להציג את הפתרונות הללו גם במסגרת תערוכת ECOC 2026, שתתקיים במלאגה בסוף ספטמבר ותעסוק בין היתר בקישוריות אופטית עבור מרכזי נתונים ומערכות AI.

הפוסט טאואר הציגה פתרונות סיליקון-פוטוניקה לקישוריות של אשכולות AI הופיע לראשונה ב-Chiportal.

קוואלקום ואמזון חתמו על הסכם רב־דורי לפיתוח שבבים ותשתיות המיועדים למרכזי נתונים של בינה מלאכותית. על פי דיווח שהגישה קוואלקום לרשות ניירות הערך האמריקנית, היקף הרכישות המצטבר שעשוי להביא להבשלה מלאה של ההסכם מגיע ל־60 מיליארד דולר עד שנת 2036.

אין מדובר בהזמנה חתומה ומיידית בסכום זה, אלא בתקרה מסחרית המותנית בהזמנות רכש מחייבות ובתשלומים בפועל מצד אמזון. עם זאת, עצם קביעת המסגרת והבשלתה הראשונית של חלק מחבילת האופציות מעידות כי שיתוף הפעולה כבר כולל התחייבויות מסחריות ראשונות.

במסגרת העסקה העניקה קוואלקום לחברת השקעות של אמזון אופציות לרכישת עד 25 מיליון מניות במחיר מימוש של 161.26 דולר למניה. האופציות יפקעו בספטמבר 2036 ויבשילו בכמה מנות בהתאם להסכמים מסחריים, להזמנות מחייבות ולרכישות שאמזון תבצע בפועל. 3.75 מיליון מניות מתוך החבילה הבשילו כבר עם הענקת האופציות, בעקבות התחייבויות הרכש הראשוניות.

שבבים מותאמים להסקת AI

החלק הטכנולוגי של שיתוף הפעולה מתמקד בפיתוח שבבים מותאמים לשלב ההסקה – הפעלת מודלים שכבר אומנו כדי לספק תשובות, לנתח מידע או לייצר תוכן. ככל שהשימוש בשירותי בינה מלאכותית מתרחב, ההסקה הופכת לאחד המרכיבים היקרים ביותר בהפעלת מרכזי הנתונים, ולכן ספקיות הענן מחפשות חלופות יעילות יותר למאיצים כלליים.

קוואלקום תתאים את טכנולוגיות המחשוב שלה לדרישותיה של אמזון ולמרכזי הנתונים הגדולים שלה. עבור קוואלקום זהו צעד משמעותי באסטרטגיה להתרחב מעבר לשוק הטלפונים החכמים, שבו היא תלויה עדיין במידה רבה, ולבסס פעילות משמעותית בשוק שרתי ה־AI.

החברה כבר הציבה יעד להגיע להכנסות שנתיות של 15 מיליארד דולר מפעילות מרכזי הנתונים עד 2029. צירופה של AWS לרשימת הלקוחות, לצד שיתופי פעולה שעליהם הכריזה קוואלקום עם מיקרוסופט ומטא, עשוי להעניק ליעד הזה בסיס מסחרי רחב יותר.

קישוריות אופטית במהירות 1.6T

ההסכם אינו מוגבל למעבדי AI. החברות מתכננות גם לפתח פתרונות קישוריות אופטית במהירות של עד 1.6 טרה־ביט לשנייה ודורות עתידיים מהירים יותר, תוך שימוש בטכנולוגיות SerDes ומעבדי אותות אופטיים של קוואלקום.

העברת הנתונים נעשתה לאחד מצווארי הבקבוק המרכזיים במרכזי AI. מערכות גדולות כוללות אלפי מאיצים שצריכים להחליף ביניהם כמויות עצומות של מידע, ולעיתים צריכת החשמל והשהיית התקשורת מגבילות את ביצועי המערכת לא פחות מיכולת החישוב של השבבים עצמם.

קישוריות אופטית מהירה וחסכונית יותר עשויה לצמצם מגבלות אלה ולאפשר לאמזון להרחיב אשכולות AI בלי להגדיל באותו קצב את צריכת החשמל ואת מורכבות התשתית.

העסקה מעניינת גם על רקע העובדה שאמזון כבר מפתחת בעצמה את שבבי Trainium לאימון מודלים ואת Inferentia להסקה. הבחירה לשתף פעולה עם קוואלקום אינה בהכרח נסיגה מפיתוח פנימי, אלא הרחבה של מגוון הטכנולוגיות והספקים ש־AWS יכולה לשלב בתשתיותיה.

התרחבות זו עשויה לסייע לאמזון להפחית את תלותה במאיצים של אנבידיה ולהציע ללקוחותיה יותר אפשרויות מבחינת מחיר, ביצועים וצריכת חשמל. במקביל, היא מספקת לקוואלקום הזדמנות להוכיח את יכולותיה בשוק שבו היא נחשבה עד לאחרונה לשחקנית שולית יחסית.

הקשר בין החברות יהיה דו־כיווני. קוואלקום מסרה כי תרחיב את השימוש שלה בתשתיות AWS ובשירותי Amazon Bedrock לצורכי תכנון אלקטרוני ואוטומציה של תהליכי פיתוח שבבים. שילוב כלי בינה מלאכותית בתהליכי EDA עשוי לסייע לה לקצר את מחזורי התכנון ולפתח דורות חדשים של שבבים במהירות רבה יותר.

עבור אמזון, ההסכם מוסיף ספקית שבבים גדולה נוספת למאמץ לבנות תשתית AI עצמאית. עבור קוואלקום, זו אחת ההזדמנויות הגדולות ביותר שלה לפרוץ לשוק מרכזי הנתונים. עם זאת, המספר המרשים של 60 מיליארד דולר ייהפך להכנסה רק אם אמזון תבצע את ההזמנות בפועל לאורך עשר שנות ההסכם.

הפוסט אמזון עשויה לרכוש מקוואלקום שבבי AI בהיקף של עד 60 מיליארד דולר הופיע לראשונה ב-Chiportal.

ההשקעות העצומות בתשתיות בינה מלאכותית משנות לא רק את שוק המעבדים הגרפיים, אלא את כלכלת תעשיית הזיכרונות העולמית. מרכזי הנתונים זקוקים לכמויות גדלות במהירות של זיכרון בעל רוחב פס גבוה — HBM — והייצור שלו מתחרה על אותם משאבים המשמשים לייצור זיכרונות DRAM עבור שרתים רגילים, מחשבים אישיים וטלפונים חכמים.

HBM בנוי ממספר שבבי DRAM המונחים זה על גבי זה ומחוברים באמצעות מוליכים העוברים דרך הסיליקון, TSV. המבנה מאפשר להעביר כמויות גדולות מאוד של מידע בין הזיכרון לבין מאיץ ה־AI, אך הוא מחייב יותר שטח סיליקון, תהליכי ייצור מורכבים ואריזה מתקדמת.

לפי נתון שהציגה Micron בכנס Hot Chips 2026, ייצור כמות נתונה של זיכרון HBM3E דורש בערך פי שלושה משטח הפרוסות הדרוש לייצור אותה קיבולת ב־DDR5. החברה העריכה כי יחס זה עלול להיות גבוה עוד יותר בדורות הבאים. המשמעות היא שהרחבת ייצור ה־HBM אינה רק מוסיפה מוצר חדש לקווי הייצור: היא מפחיתה את מספר סיביות הזיכרון הרגיל שאפשר להפיק מאותה קיבולת מפעל.

שלוש חברות ורווחיות גבוהה במיוחד

שוק ה־DRAM נשלט כמעט כולו בידי Samsung Electronics,‏ SK hynix ו־Micron. לפי נתוני Counterpoint שפורסמו בסקירת מצב השוק של The Verge, שלוש החברות החזיקו יחד בכ־90% מהשוק ברבעון השני של 2026.

כאשר הלקוחות הגדולים בתחום ה־AI מוכנים להתחייב מראש לכמויות גדולות ולשלם מחירים גבוהים, ליצרניות הזיכרון יש תמריץ ברור להפנות השקעות, כוח אדם וקיבולת ייצור למוצרי HBM ולזיכרונות שרתים מתקדמים. כך נוצר לחץ גם בשווקים שאינם משתמשים ב־HBM בעצמם.

בסקירת השוק שלה לשנת 2026, המצטטת תחזיות של Bank of America, העריכה SK hynix כי שוק ה־HBM יגיע השנה לכ־54.6 מיליארד דולר — צמיחה של 58% לעומת 2025. לפי אותה סקירה, הכנסות שוק ה־DRAM כולו צפויות לגדול ב־51%, כאשר המחיר הממוצע עולה בכ־33%.

הביקוש אינו מגיע רק מאימון מודלים גדולים. מערכות הסקה, סוכני AI, שמירת הקשר ארוך ומעבר לעיבוד רב־מודאלי מוסיפים דרישות זיכרון ואחסון בכל שכבות מרכז הנתונים. במקביל, שילוב יכולות AI מקומיות במחשבים ובטלפונים מגדיל את כמות ה־DRAM הנדרשת גם במכשירי הקצה.

חשבון ה־AI מגיע לטלפון

המחסור כבר מורגש היטב בשוק הטלפונים. לפי התחזית המעודכנת של IDC, עלויות רכיבי ה־DRAM וה־NAND עלו ביותר מ־300% לעומת השנה הקודמת. החברה צופה כי מספר הטלפונים שיימכרו בעולם ב־2026 יירד ב־16.7%, בעוד המחיר הממוצע יעלה ב־27.6% ל־581 דולר.

ההשפעה חזקה במיוחד בפלח הזול, שבו לזיכרון יש חלק גדול יחסית מעלות החומרים ושולי הרווח קטנים. יצרניות שאינן יכולות להעביר את מלוא ההתייקרות לצרכן נאלצות לצמצם את נפח הזיכרון, להשתמש ברכיבים ישנים יותר, לוותר על מצלמות או תצוגות יקרות ולבטל דגמים בעלי רווחיות נמוכה.

היצרניות הגדולות והמותגים הפועלים בשוק הפרימיום נמצאים במצב נוח יותר: יש להם כוח מיקוח מול הספקים ויכולת לגלגל חלק גדול יותר מהעלות למחיר המוצר. לכן המחסור עלול גם להאיץ את ריכוז שוק המכשירים בידי מספר קטן יותר של חברות.

אותה תופעה משפיעה על מחשבים אישיים, שרתים רגילים, ציוד תקשורת ומערכות רכב. אף שאלה אינם צורכים בהכרח HBM, כולם מתחרים על אספקת DRAM או NAND מתעשייה שהעדיפות הכלכלית שלה עברה למרכזי נתונים וללקוחות AI.

מפעל חדש אינו פתרון מיידי

יצרניות הזיכרון מגיבות בהשקעות של עשרות ומאות מיליארדי דולרים, אבל מפעלי שבבים אינם נבנים בתוך חודשים. Micron מסרה כי המפעל הראשון שהיא מקימה באיידהו יתחיל לייצר פרוסות רק באמצע 2027. החברה החלה גם בהקמת מתחם ייצור במדינת ניו יורק, אך תפוקה משמעותית ממנו צפויה רק בהמשך העשור. SK hynix מקדימה לפברואר 2027 את פתיחת החדר הנקי הראשון במפעל החדש שלה ביונגין שבדרום קוריאה.

גם לאחר השלמת המבנים נדרש זמן להתקנת הציוד, להרצת תהליכים ולהעלאת התפוקה התקינה. צוואר הבקבוק אינו מצוי רק בייצור פרוסות ה־DRAM: HBM תלוי גם בחיבור השבבים, בבדיקות וביכולות אריזה מתקדמת.

השוק עשוי כמובן להשתנות. תעשיית הזיכרונות ידועה במחזורים חריפים של מחסור ועודפי ייצור, והאטה בהשקעות ב־AI או הרחבת קיבולת מהירה מהצפוי יכולות להביא לתיקון מחירים. גם SK hynix מציינת אפשרות של לחץ על מחירי ה־HBM לאחר 2026 ככל שהתחרות והייצור יתרחבו.

אולם בטווח הקרוב, הפער בין קצב צמיחת הביקוש לבין הזמן הדרוש להוספת מפעלים מותיר מעט מרווח ביטחון. HBM הפך מרכיב אסטרטגי בתשתיות AI — ובאותו זמן הוא הפך את הזיכרון הרגיל לצוואר בקבוק המשפיע על חלק גדול מתעשיית האלקטרוניקה.

הפוסט בום ה־AI יוצר מחסור עולמי בזיכרונות — ומייקר גם טלפונים ומחשבים הופיע לראשונה ב-Chiportal.

TSMC ו־ASML הכריזו על יוזמה משותפת לפיתוח מסכות צילום בפורמט גדול עבור הדור החדש של מערכות הליתוגרפיה High-NA EUV. מטרת המהלך היא להסיר אחת המגבלות המרכזיות של הטכנולוגיה: היכולת להדפיס פרטים קטנים וצפופים יותר, אך רק על מחצית משטח השבב שאפשר לחשוף במערכות EUV מהדור הנוכחי.

המגבלה משמעותית במיוחד עבור מאיצי בינה מלאכותית ומעבדים למרכזי נתונים. שבבים של NVIDIA, גוגל וחברות אחרות מתקרבים לעיתים לגבול גודל הרשתית של מערכות הליתוגרפיה הקיימות — כ־800 מילימטרים רבועים. הדור הנוכחי של High-NA EUV מתקשה לחשוף שבב בגודל כזה במהלך יחיד.

רזולוציה גבוהה יותר, אבל שדה קטן יותר

מערכות EUV משתמשות באור באורך גל של 13.5 ננומטר כדי להעביר למסילת הסיליקון את הדפוסים המצויים על מסכת הצילום. במערכות NXE הנפוצות של ASML המפתח הנומרי הוא 0.33, ואילו במערכות EXE מסוג High-NA הוא הוגדל ל־0.55.

לפי הנתונים הטכניים של ASML, הגדלת המפתח הנומרי מאפשרת להגיע לרזולוציה של כ־8 ננומטר, לעומת כ־13 ננומטר במערכות EUV הקודמות. הדבר עשוי לאפשר הדפסת מבנים קטנים יותר בחשיפה יחידה, במקום שימוש בכמה חשיפות ובשלבי עיבוד נוספים.

אלא שהאופטיקה האנמורפית של מערכות High-NA מגדילה את דמות המסכה בשיעורים שונים בשני הצירים. כתוצאה מכך, שדה החשיפה קטן מהגודל המקובל של 26 על 33 מילימטרים לכ־26 על 16.5 מילימטרים. עבור מעבדים קטנים יחסית זו אינה בהכרח בעיה, אך שבבי AI גדולים עלולים לדרוש שתי חשיפות נפרדות וחיבור מדויק ביניהן בתהליך המכונה stitching.

החיבור מוסיף זמן, מורכבות וסיכון לשגיאות התאמה בין חלקי השבב. הוא גם פוגע בכדאיות הכלכלית של מערכות High-NA, שמחירן נאמד במאות מיליוני דולרים ליחידה.

מסכה גדולה במקום שתי מסכות

היוזמה החדשה מבקשת להחליף את מסכות ה־6 על 6 אינץ' המקובלות במסכות בפורמט גדול יותר. בתעשייה נבחנת מסכה בגודל 6 על 12 אינץ', שתוכל להכיל את מלוא הדפוס הנדרש לשדה חשיפה של 26 על 33 מילימטרים.

אם המהלך יצליח, ניתן יהיה להדפיס גם שבבים גדולים בחשיפה מלאה, במקום לפצל את הדפוס בין שתי מסכות ולחבר את התמונות על גבי הפרוסה. ASML מעריכה כי המעבר עשוי לשפר בכ־40% את פריון מערכות High-NA בהשוואה לשימוש בשתי מסכות.

ואולם, שינוי גודל המסכה מחייב התאמה של מערכת שלמה: מצעי המסכות, ציוד הכתיבה והבדיקה, שכבות ההגנה, מכלי ההובלה, מערכות הטיפול במסכה והרכיבים המכניים בתוך מכונת הליתוגרפיה. זו הסיבה שלוח הזמנים משתרע על פני שנים.

לפי הדיווח על תוכנית החברות, ASML מתכננת להדגים קו ניסוי המשתמש במסכות הגדולות ב־2031, ולהביא את הטכנולוגיה למוכנות לייצור המוני ב־2033.

High-NA כבר נכנסת למפעלים

המעבר למסכות הגדולות אינו תנאי להתחלת השימוש ב־High-NA. יצרניות השבבים יוכלו להפעיל את המערכות עם המסכות הקיימות, בעיקר בשכבות שבהן יתרון הרזולוציה מצדיק את העלות ואת שדה החשיפה המצומצם.

אינטל כבר משתמשת ב־High-NA בחלק משכבות תהליך Intel 18A. ביולי 2026 הודיעו אינטל ו־ASML כי שכבות מסוימות במעבדי Core Ultra Series 3, המוכרים בשם הקוד Panther Lake, הוסמכו לייצור הן באמצעות מערכות High-NA והן באמצעות מערכות NXE רגילות. ASML הדגישה כי מדובר בשכבות מסוימות ובחלק מהמוצרים, ולא בהעברת תהליך הייצור כולו לטכנולוגיה החדשה. לפי ASML, אינטל היא הראשונה ששילבה High-NA במוצר לוגי המיוצר בכמויות מסחריות.

TSMC מתכננת להכניס את High-NA לייצור המוני בצמתים מתקדמים החל מ־2030. סמסונג ו־SK hynix מכוונות להשתמש בטכנולוגיה בייצור זיכרונות DRAM החל מ־2028, אם כי לוחות הזמנים עשויים להשתנות בהתאם להבשלת הציוד ולעלות לכל פרוסה.

היוזמה למסכות הגדולות מראה כי עתיד הליתוגרפיה אינו תלוי רק בשיפור הרזולוציה. ככל שמעבדי AI נעשים גדולים יותר, היכולת לחשוף שטח גדול במהירות ובדיוק הופכת למרכיב מרכזי לא פחות מגודל הטרנזיסטורים. High-NA אמורה לאפשר את המשך מזעור המעגלים, ואילו המסכות החדשות נועדו להבטיח שהמזעור לא יבוא על חשבון גודל השבב ופריון המפעל.

הפוסט TSMC ו־ASML מקדמות מסכות גדולות לייצור שבבי AI ב־High-NA EUV הופיע לראשונה ב-Chiportal.

חברת Asahi Kasei Microdevices, או AKM, הודיעה כי חיישני הזרם מסדרות CZ39 ו־CZ3K שלה שולבו בתכנון ייחוס של Microchip לזיהוי תקלות קשת חשמלית באמצעות למידת מכונה. המערכת מבוססת על בקר האותות הדיגיטלי dsPIC33A ומבצעת את עיבוד האותות ואת הרצת מודל הבינה המלאכותית באופן מקומי, ללא צורך במחשב חיצוני או בחיבור לענן.

קשת חשמלית נוצרת כאשר זרם עובר דרך האוויר בין מוליכים או דרך חיבור פגום. היא עלולה לגרום להתחממות, לנזק לציוד ואף לשריפות. התופעה רלוונטית במיוחד למערכות פוטו־וולטאיות, מערכות אגירת אנרגיה, מטענים לרכב חשמלי, מתקני תעשייה ומערכות חלוקת חשמל בבנייני מגורים.

מערכות מסורתיות לזיהוי קשתות מבוססות בדרך כלל על ספי מתח, זרם או רעש חשמלי. הבעיה היא שגם פעילות תקינה של שואבי אבק, מקדחות, עמעמים, ממירים, ממסרים ומנועים עשויה ליצור אותות הדומים לאלה של קשת מסוכנת. התוצאה עלולה להיות התרעות שווא והשבתות מיותרות, או לחלופין העלאת סף הזיהוי באופן שמגדיל את הסיכון להחמצת תקלה אמיתית.

תכנון הייחוס של Microchip משתמש במודל למידת מכונה שאומן להבחין בין דפוסי הפעילות השונים. המודל מופעל על בקר dsPIC33A הכולל מעבד בתדר 200 מגה־הרץ, מנוע DSP ויחידת חישוב בנקודה צפה. לדברי Microchip, מודלים שאומנו על נתונים מהעולם האמיתי יכולים להגיע לדיוק של עד 98% בסיווג תקלות קשת. מדובר בנתון של החברה ולא בתוצאת בדיקה בלתי תלויה.

לחיישני הזרם נטולי הליבה של AKM תפקיד מרכזי בשרשרת האות. סדרות CZ39 ו־CZ3K מציעות זמן תגובה של 100 ננו־שניות ואות בעל רמת רעש נמוכה. מהירות החיישן ואיכות האות חשובות משום שחיישן איטי או רועש עלול לטשטש את החתימה החשמלית הקצרה של הקשת, להקשות על אימון המודל ולפגוע בדיוק הזיהוי.

צוותי AKM ו־Microchip עבדו יחד על תצורת מדידת הזרם ועל אימות המערכת. ההדגמה מיועדת לשמש בסיס למהנדסים המפתחים מערכות הגנה למתקנים סולאריים, מערכות אגירה, עמדות טעינה, מערכות הצתה חכמות, נתיכים אלקטרוניים ומפסקי בטיחות ביתיים ותעשייתיים.

בחברות מצביעים גם על מרכזי נתונים כיישום אפשרי. העלייה בצריכת החשמל של מאיצי AI והמעבר לארכיטקטורות הספק בעלות מתח וצפיפות גבוהים מגדילים את הצורך בזיהוי מהיר של תקלות, מבלי לגרום להשבתות שווא של ציוד יקר.

עם זאת, חשוב להדגיש כי מדובר בתכנון ייחוס ובהדגמת יכולת, ולא במערכת הגנה מסחרית מוגמרת. יצרני ציוד שיבחרו להשתמש בו יצטרכו להתאים את החיישנים, מערך הנתונים ומודל הלמידה לסביבת ההפעלה שלהם ולעמוד בתקני הבטיחות הרלוונטיים.

הפוסט Microchip משלבת חיישני AKM במערכת לזיהוי קשתות חשמליות באמצעות AI הופיע לראשונה ב-Chiportal.

Cadence הודיעה כי מערכת המשנה שלה ל־PCI Express 6.0 עברה בהצלחה, כבר בניסיון הראשון, את מבחני התאימות הרשמיים של PCI-SIG.

הפתרון יושם בתהליך הייצור N3 של TSMC, ופועל בקצב של עד 64 GT/s. בעקבות השלמת הבדיקות הוא צורף לרשימת הפתרונות שעברו את תוכנית התאימות של PCI-SIG.

מערכת המשנה של Cadence כוללת את שכבת ה־PHY ואת הבקר, ונועדה להשתלב בשבבים המיועדים בין היתר לשרתי בינה מלאכותית, מערכות HPC, מאיצים, כרטיסי רשת והתקני אחסון מהירים.

PCIe 6.0 מכפיל את קצב העברת הנתונים לעומת PCIe 5.0 ומגיע ל־64 גיגה־העברות בשנייה לכל נתיב. עבור מרכזי נתונים המריצים מערכות AI גדולות, המשמעות היא אפשרות להעביר כמויות גדולות יותר של מידע בין מעבדים, מאיצים, כרטיסי רשת ואחסון.

Cadence מסרה כי לפני מבחני התאימות הרשמיים היא עבדה עם PCI-SIG, יצרני ציוד בדיקה ושותפים נוספים בתעשייה כדי לבצע בדיקות interoperability ולאתר בעיות אפשריות מראש.

לדברי מארק לואינאז, סמנכ"ל מו"פ בתחום PHY עתיר ביצועים בקבוצת Silicon Solutions של Cadence, מעבר הבדיקות בניסיון הראשון מספק ללקוחות אינדיקציה לכך שהשילוב בין ה־PHY לבקר בשל ומוכן להשתלבות בתכנוני שבבים.

גם Keysight השתתפה בתהליך האימות והבדיקות. החברה ציינה כי בדיקות תאימות ויכולת פעולה הדדית הופכות חשובות במיוחד עם המעבר לדורות מהירים יותר של PCIe, שבהם מרווחי האות והדרישות החשמליות נעשים מחמירים יותר.

PCIe 6.0 מיועד בשלב הראשון בעיקר לשרתים, מרכזי נתונים ומערכות AI ו־HPC. בהמשך צפוי התקן להיכנס גם למערכות ארגוניות וליישומים נוספים ככל שהאקוסיסטם סביבו יבשיל.

הפוסט Cadence: מערכת PCIe 6.0 ב־TSMC N3 עברה את מבחני התאימות בניסיון הראשון הופיע לראשונה ב-Chiportal.

ברודקום העלתה את תחזית ההכנסות שלה ממוליכים למחצה לבינה מלאכותית לכ־115 מיליארד דולר בשנת הכספים 2027, וצופה כי הסכום יוכפל לכ־230 מיליארד דולר בשנת הכספים 2028. התחזית החריגה בהיקפה מספקת עדות נוספת לכך שההשקעות בתשתיות AI אינן מתמקדות עוד רק במאיצים של אנבידיה, אלא מתרחבות גם לשבבים מותאמים ולמערכות התקשורת המחברות ביניהם.

התחזית הרב־שנתית נמסרה לאחר שברודקום פרסמה תוצאות שיא לרבעון השלישי של שנת הכספים 2026. הכנסות החברה ממוליכים למחצה ל־AI הגיעו ברבעון ל־16.7 מיליארד דולר — זינוק של 221% לעומת התקופה המקבילה ועלייה של 54% מהרבעון הקודם. ברבעון הרביעי צופה החברה שהכנסות אלה יגדלו ל־21.7 מיליארד דולר, עלייה של 236% לעומת הרבעון המקביל אשתקד.

מנוע הצמיחה המרכזי של ברודקום

הכנסות ברודקום הכוללות הסתכמו ברבעון ב־29.6 מיליארד דולר, עלייה של 86% לעומת השנה שעברה. ההכנסות מחטיבת פתרונות המוליכים למחצה הגיעו ל־20.8 מיליארד דולר והיוו כ־70% מהכנסות החברה. הרווח התפעולי המתואם הסתכם ב־20.1 מיליארד דולר ותזרים המזומנים החופשי הגיע לשיא של 13.7 מיליארד דולר.

״הביקוש למאיצי ה־AI המותאמים שלנו ולפתרונות הרשת מוסיף להיות חזק מאוד״, אמר נשיא ומנכ״ל ברודקום הוק טאן. לדבריו, המומנטום צפוי להימשך גם ברבעון הרביעי.

עיקר הפעילות של ברודקום בתחום אינו מבוסס על מכירת מעבד כללי הנושא את שמה. החברה מסייעת לענקיות הענן לתכנן מאיצים ייעודיים, המכונים לעיתים XPU או ASIC, ומספקת במקביל שבבי מיתוג, קישוריות ורכיבים נוספים הדרושים להפעלת אשכולות מחשוב גדולים. המודל מאפשר ללקוחות כמו גוגל, מטא ו־OpenAI להתאים את החומרה לעומסי העבודה שלהן ולהקטין את התלות ב־GPU של אנבידיה, אף כי מערכות רבות ימשיכו להשתמש בשני סוגי המאיצים במקביל.

באפריל דיווח CHIPORTAL כי ברודקום הרחיבה את שיתוף הפעולה עם גוגל ואנתרופיק, לרבות פיתוח דורות עתידיים של מעבדי TPU ואספקת רכיבי רשת עד 2031. התוצאות הנוכחיות מראות שההסכמים הללו כבר מתורגמים לקצב צמיחה מהיר, ולא רק לצבר הזמנות עתידי.

הזמנות של יותר מ־30 מיליארד דולר ברבעון

לפי דיווח רויטרס על שיחת המשקיעים, ההזמנות לשבבי ה־AI של ברודקום עברו ברבעון האחרון את רף 30 מיליארד הדולר. טאן אמר כי החברה הבטיחה את קיבולת הייצור והרכיבים הנדרשים כדי לתמוך בתחזית ל־2027, וכי יש לה ראות לפריסות נוספות עד 2028.

התחזית נשענת על הקמה של תשתיות מחשוב בהיקפי חשמל עצומים. ברודקום הצביעה על יותר מ־10 ג׳יגה־ואט עבור אנתרופיק, יותר מ־5 ג׳יגה־ואט עבור OpenAI וכ־3 ג׳יגה־ואט עבור מטא. המספרים אינם מייצגים רק צריכת חשמל: הם משקפים את היקף מרכזי הנתונים, המאיצים, מערכות הרשת והזיכרונות שיידרשו כדי להפעיל את הדור הבא של מודלי הבינה המלאכותית.

הצמיחה אינה מבטלת את התחרות

למרות התוצאות, מניית ברודקום ירדה במסחר המאוחר. אחת הסיבות היא שתחזית ההכנסות הכוללת לרבעון הרביעי — כ־34.8 מיליארד דולר — הייתה מעט נמוכה מהתחזית הממוצעת של האנליסטים. המשקיעים בוחנים גם אם חברות ה־AI יצליחו להפיק הכנסות שיצדיקו את ההתחייבויות העצומות למרכזי נתונים.

במקביל גוברת התחרות בשוק השבבים המותאמים. באוגוסט דווח כי מארוול העמיקה את השותפות עם גוגל לפיתוח שבבי AI, מה שעורר חשש לפגיעה בחלקה של ברודקום בפרויקטים עתידיים. גם אנבידיה, AMD וספקיות נוספות מרחיבות את פעילותן במאיצים, ברשתות ובסיליקון מותאם.

ובכל זאת, התחזית של ברודקום מצביעה על שינוי מבני בשוק. אם החברה אכן תגיע להכנסות של 230 מיליארד דולר ממוליכים למחצה ל־AI בשנת 2028, שוק מאיצי הבינה המלאכותית לא יהיה עוד תחרות סביב מוצר אחד או ספק אחד. הוא יהפוך למערכת רחבה של שבבים מותאמים, רשתות מהירות, זיכרונות ואריזות מתקדמות — שבה ברודקום מבקשת להיות אחת הספקיות המרכזיות.

הפוסט ברודקום צופה הכנסות של 230 מיליארד דולר משבבי AI ב־2028 הופיע לראשונה ב-Chiportal.