אינטל הודיעה על השקעה של 5 מיליארד אירו, כ־5.7 מיליארד דולר, בהרחבה ובשדרוג של מפעלי הייצור שלה בליקסליפ שבאירלנד. ההשקעה נועדה להגדיל את תפוקת פרוסות הסיליקון בתהליך Intel 3, על רקע הביקוש הגובר למעבדי שרתים ולמערכות מחשוב המשמשות יישומי בינה מלאכותית ומחשוב עתיר ביצועים.

בניגוד לפרויקט של הקמת מפעל חדש, אינטל מתכוונת לנצל תשתיות ושטחי חדרים נקיים שכבר קיימים בקמפוס. במסגרת המהלך תתקין החברה ציוד ייצור מתקדם, תגדיל את כושר הייצור ותחבר את המפעל למבני ייצור נוספים בקמפוס באמצעות מערכות שינוע אוטומטיות.

לדברי אינטל, הציוד החדש יתמוך בייצור מעבדי Xeon 6 ובדורות הבאים של מעבדי Xeon המבוססים על תהליך Intel 3. המעבדים מיועדים בעיקר לשרתים ולמרכזי נתונים, שבהם גובר הצורך במעבדים מרכזיים לצד מאיצי AI. המעבדים משמשים בין היתר להפעלת עומסי עבודה כלליים, לניהול נתונים ולשלבי ההסקה של מערכות בינה מלאכותית.

נגה צ'נדראסקראן, מנהל הטכנולוגיה והתפעול הראשי של אינטל וסגן נשיא בכיר באינטל פאונדרי, אמר כי הגידול בביקוש לשרתים וליישומי AI מוביל לעלייה משמעותית בצורך בפרוסות המיוצרות בתהליך Intel 3. לדבריו, ההרחבה תשלב גם פעילות מחקר ופיתוח והכשרה מחדש של עובדים.

מאות משרות חדשות

אינטל מעסיקה כיום כ־4,900 עובדים באירלנד. החברה מעריכה כי ההשקעה תיצור כמה מאות משרות נוספות, לצד עבודה לקבלני ציוד, בנייה, התקנות ושירותים. מרבית ההשקעה צפויה להתבצע עד סוף 2027.

הסכום מייצג קרוב לשליש מתקציב ההשקעות ההוניות המתוכנן של אינטל לשנת 2026, העומד על כ־17 מיליארד דולר. מאז החלה לפעול באירלנד בשנת 1989 השקיעה אינטל במדינה יותר מ־30 מיליארד אירו, כאשר יותר ממחצית הסכום הושקעה בין השנים 2019 ל־2023 בהקמת ובהרחבת Fab 34.

Fab 34 היה המפעל הראשון של אינטל שהפעיל ייצור המוני בתהליך Intel 4 תוך שימוש בליתוגרפיה באור אולטרה־סגול קיצוני, EUV. כיום מיוצרים בו שבבים בתהליכי Intel 4 ו־Intel 3, ובהם רכיבי מחשוב למעבדי Core Ultra למחשבים אישיים ומעבדי Xeon לשרתים.

אירלנד במקום גרמניה ופולין

להשקעה משמעות גם מבחינת מפת הייצור האירופית של אינטל. בשנת 2025 ביטלה החברה את תוכניותיה להקים מפעלי ענק במגדבורג שבגרמניה ומפעל הרכבה ובדיקות בפולין. הביטול היה חלק מתוכנית התייעלות שכללה צמצום כוח אדם, האטת הבנייה באוהיו ומיקוד ההשקעות באתרים קיימים ובפרויקטים שבהם ניתן להצדיק את ההוצאה בהתאם לביקוש.

ההחלטה להרחיב דווקא את הפעילות באירלנד מעידה כי אינטל מעדיפה בשלב זה להגדיל תפוקה במפעל קיים ומאובזר, במקום להסתכן בהקמת קמפוסים חדשים ויקרים. ליקסליפ הופכת בכך לעוגן המרכזי של אינטל באירופה ולמרכיב חשוב בניסיונות האיחוד האירופי לשמר יכולת ייצור מקומית של שבבים מתקדמים.

המהלך מגיע גם חודשים אחדים לאחר שאינטל הודיעה כי תרכוש מחדש תמורת 14.2 מיליארד דולר את חלקה של Apollo Global Management ב־Fab 34. אפולו רכשה בשנת 2024 נתח של 49% במפעל תמורת 11.2 מיליארד דולר, בתקופה שבה אינטל נזקקה למימון כדי לתמוך בתוכנית ההשקעות הגלובלית שלה. רכישת החלק בחזרה מעניקה לאינטל בעלות מלאה על המפעל ועל ההכנסות העתידיות ממנו.

ההשקעה החדשה אינה פותרת את האתגרים הרחבים של אינטל בתחום הייצור ואת הצורך שלה להשיג לקוחות חיצוניים משמעותיים לשירותי הפאונדרי. עם זאת, היא מצביעה על שיפור בביקוש למעבדי השרתים של החברה ועל מעבר ממדיניות של התרחבות גאוגרפית רחבה למיקוד באתרי ייצור שכבר פועלים בקנה מידה גדול.

כיתוב תמונה מוצע:

הפוסט אינטל תשקיע 5 מיליארד אירו בהרחבת ייצור השבבים באירלנד הופיע לראשונה ב-Chiportal.

משרד המסחר האמריקני הקל באופן משמעותי את מגבלות היצוא לאיחוד האמירויות, והעניק לממשלת המדינה ולחברות מאושרות אפשרות לקבל מארצות הברית שבבי בינה מלאכותית מתקדמים ושרתים ללא צורך ברישיון יצוא פרטני. ההחלטה עשויה להאיץ את הקמתם של מרכזי נתונים גדולים באמירויות ולחזק את מעמדה כמרכז אזורי לתשתיות בינה מלאכותית.

במסגרת השינוי העביר משרד המסחר את איחוד האמירויות לקבוצת המדינות A:5 בתקנות מינהל היצוא האמריקניות, EAR. חברות וממשלות בקבוצה זו יכולות להשתמש בפטור המכונה Strategic Trade Authorization, או STA, לצורך יצוא, יצוא מחדש והעברה מקומית של פריטים מסוימים הנתונים לפיקוח אמריקני. בין היתר מדובר בציוד בעל שימוש צבאי או דו־שימושי, לוויינים מסחריים, חלליות וטכנולוגיות המשמשות בתעשיות האנרגיה, ההתפלה והגרעין האזרחי.

במקביל, ובהתאם למסגרת שיתוף הפעולה בתחום הבינה המלאכותית שנחתמה בין ארצות הברית לאמירויות במאי 2025, אישר משרד המסחר לממשלת האמירויות ולחברות מסוימות לקבל ללא רישיון פרטני גם רכיבי מחשוב מתקדם, ובהם שבבי AI ושרתים. ההקלה אינה חלה אוטומטית על כל חברה הפועלת במדינה, אלא על גופים שאושרו בידי הממשל האמריקני ובכפוף להתחייבויות בתחום אבטחת הטכנולוגיה ומניעת העברתה לגורמים בלתי מורשים.

בין החברות האמירתיות הזכאיות למסלול החדש נמצאות G42 והחברה הבת Core42. גם ענקיות טכנולוגיה אמריקניות ופעילויותיהן באמירויות צפויות ליהנות מהפטור, ובהן אמזון, אפל, גוגל, מטא, מיקרוסופט, OpenAI, אורקל ו־xAI. משרד המסחר הודיע גם כי בקשות של חברת ההשקעות האמירתית MGX לקבלת שבבים ושרתים ייבחנו בגישה חיובית, אך לא העניק לה בשלב זה פטור גורף.

מעמד שאינו ניתן כיום לישראל

איחוד האמירויות הופכת למדינה היחידה בקבוצת A:5 שאינה חברה באחד ממשטרי הפיקוח הרב־לאומיים על יצוא טכנולוגיות רגישות. רוב המדינות בקבוצה הן חברות נאט״ו או בעלות ברית ותיקות אחרות של ארצות הברית.

רויטרס מציינת כי ישראל וסעודיה אינן נכללות בקבוצת A:5. המשמעות אינה שיצוא שבבי בינה מלאכותית לישראל נאסר, אלא שישראל אינה נהנית מהפטורים החדשים ומהמסלול המועדף שניתן לאמירויות. הדרישה לרישיון תלויה בסוג השבב, בזהות המשתמש הסופי, בשימוש המתוכנן ובסיווג המוצר בתקנות היצוא האמריקניות.

הפער הרגולטורי עשוי להפוך לשיקול בתחרות האזורית על הקמת מרכזי נתונים ומתקני אימון למודלים גדולים. בעוד שחברות הפועלות בישראל עשויות להידרש במקרים מסוימים לעבור הליכי רישוי ובדיקה, חברות מאושרות באמירויות יוכלו לקבל שבבים ושרתים במסלול מהיר יותר. זמינות ודאות של מאיצי AI היא גורם מרכזי בהחלטות על מיקום מרכזי נתונים, לצד עלויות חשמל, קרקע, קירור, קישוריות ומימון.

לאמירויות כבר יש תוכניות רחבות להקמת תשתיות AI. פרויקט Stargate UAE באבו דאבי אמור להתחיל בקיבולת של 200 מגה־ואט ולהשתלב במתחם מתוכנן בהספק של עד 5 ג׳יגה־ואט. בפרויקט מעורבות G42, OpenAI, אורקל, אנבידיה, סיסקו וסופטבנק, והוא צפוי להשתמש במערכות המבוססות על מעבדי Grace Blackwell של אנבידיה.

ההחלטה הנוכחית הופכת את ההסכמות המדיניות למנגנון רגולטורי מעשי: במקום לקבל אישור נפרד לכל משלוח, גופים מאושרים יוכלו להכניס למדינה תשתיות מחשוב מתקדמות במסגרת הפטור. בתמורה התחייבה ממשלת האמירויות להמשיך להשקיע בתשתיות דיגיטליות ובינה מלאכותית בארצות הברית, בהיקף התואם להשקעות האמריקניות באמירויות.

החשש: זליגת טכנולוגיה לסין

ההקלות מעוררות גם ביקורת בוושינגטון בשל קשריהן הקודמים של חברות אמירתיות עם סין. G42 הייתה בעבר קשורה לחברות סיניות, ובהן וואווי, אך הודיעה כי צמצמה קשרים אלה כדי להעמיק את שיתוף הפעולה עם חברות אמריקניות.

מבקרי ההחלטה חוששים ששבבים אמריקניים מתקדמים או ידע שנצבר באמצעותם עלולים להגיע בעקיפין לגופים סיניים. הסנאטורית הדמוקרטית אליזבת וורן טענה כי הענקת גישה ללא רישיון ל־G42 יוצרת סיכון לביטחון הלאומי, במיוחד לנוכח מעורבותם העסקית של גורמים מאיחוד האמירויות בחברות ובמיזמים אמריקניים.

משרד המסחר הצדיק את ההחלטה בשיתוף הפעולה הביטחוני והכלכלי המתהדק בין שתי המדינות ובהתחייבות האמירויות למנוע שימוש לרעה בטכנולוגיה אמריקנית. לפי המשרד, ההקלה נועדה גם לחזק את מעמדן של חברות אמריקניות בשוק העולמי מול חלופות מסין.

מבחינת ישראל, ההתפתחות מעלה שאלה רחבה יותר מהליכי רישוי בלבד: האם המעמד המועדף שניתן לאמירויות ימשוך אליה השקעות במרכזי נתונים ובתשתיות מחשוב שהיו יכולות להגיע לישראל. בשלב זה לא פורסמה תגובה ישראלית רשמית להחלטה, ולא ידוע אם ישראל פועלת לקבל מעמד דומה או הסדר דו־צדדי נפרד.

הפוסט ארה״ב מעניקה לאמירויות מסלול מועדף ליבוא שבבי AI – ישראל נותרת מחוץ לקבוצת הפטור הופיע לראשונה ב-Chiportal.

מיקרון החלה בעבודות להרחבת מפעל הזיכרון שלה בהיגאשי־הירושימה שבמערב יפן, בפרויקט בהיקף של כ־1.5 טריליון ין, שהם כ־9.3 מיליארד דולר. המפעל צפוי לייצר שבבי זיכרון מתקדמים, ובהם זיכרונות HBM – High Bandwidth Memory – המשמשים במאיצי בינה מלאכותית ובמערכות מחשוב עתירות ביצועים.

לפי הדיווחים, התקנת ציוד הייצור צפויה להתחיל במחצית השנייה של 2028. משרד הכלכלה, המסחר והתעשייה של יפן, METI, הקצה לפרויקט תמיכה של עד 500 מיליארד ין. כבר בדיווחים מוקדמים יותר על התוכנית צוין כי ההשקעה הכוללת תעמוד על כ־1.5 טריליון ין וכי התמיכה הממשלתית נועדה לסייע ליפן לחזק מחדש את בסיס ייצור השבבים שלה.

המהלך משתלב במרוץ עולמי להרחבת ייצור זיכרונות AI. מערכות המבוססות על מאיצים של אנבידיה, AMD וספקיות ענן דורשות כמויות גדולות של זיכרון מהיר בצמידות למעבד. HBM, שבו שכבות DRAM נערמות זו על גבי זו ומחוברות ברוחב פס גבוה מאוד, הפך לאחד מצווארי הבקבוק המרכזיים של שרשרת האספקה לבינה מלאכותית.

הירושימה חוזרת למרכז מפת ה־DRAM

מפעל מיקרון בהירושימה הוא אחד מנכסי הייצור החשובים ביותר של החברה מחוץ לארצות הברית. מיקרון קיבלה את האתר לידיה בשנת 2013, לאחר רכישת יצרנית ה־DRAM היפנית אלפידה, שקרסה בעקבות המשבר המחזורי בענף הזיכרון. מאז הפך האתר לאחד ממרכזי הפיתוח והייצור המרכזיים של מיקרון בתחום ה־DRAM.

מנכ"ל מיקרון, סנג'יי מהרותרא, אמר בטקס כי פרוסת הייצור הראשונה של החברה בתחום ה־HBM יוצרה בהירושימה. לדבריו, השילוב בין היכולות האמריקאיות של מיקרון לבין מומחיות הייצור היפנית מאפשר לחברה לפתח מוצרי זיכרון מתקדמים עבור שוק הבינה המלאכותית.

הרחבת האתר נועדה לשפר את ביצועי ההספק והעברת הנתונים של שבבי הזיכרון, שני פרמטרים קריטיים במערכות AI. ככל שהמודלים גדלים ומספר המשתמשים עולה, הזיכרון אינו רק רכיב נלווה למאיץ, אלא חלק בלתי נפרד מיכולת המערכת לספק ביצועים, יעילות אנרגטית ועלות כוללת נמוכה יותר.

מיקרון מנסה לסגור פער מול SK hynix

שוק ה־HBM נשלט כיום בעיקר בידי שלוש חברות: SK hynix, סמסונג ומיקרון. SK hynix נהנית ממעמד מוביל, בין היתר בזכות אספקה רחבה לאנבידיה והתקדמות מוקדמת בייצור HBM3E. כבר ב־2024 הודיעה החברה כי החלה בייצור המוני של HBM3E בן 12 שכבות, מה שחיזק את מעמדה במרוץ הזיכרון לבינה מלאכותית.

מיקרון, מצדה, משקיעה בהרחבת כושר ייצור HBM ובהעמקת הקשר עם לקוחות AI גדולים. ביוני 2026 הודיעה החברה על הסכם אסטרטגי עם Anthropic, הכולל אספקת מוצרי זיכרון ואחסון וכן השקעה אסטרטגית בחברה. ההסכם נועד לאפשר למיקרון ללמוד טוב יותר את דפוסי השימוש של עומסי AI אמיתיים ולשפר את מוצרי הזיכרון והאחסון שלה בהתאם.

ההשקעה בהירושימה אינה עומדת לבדה. מיקרון מקדמת במקביל הרחבות ייצור גדולות בארצות הברית, ובהן אתרי DRAM באיידהו ובניו יורק, וכן השקעות באסיה. מטרת החברה היא להגדיל את חלקה בשוק שבו הביקוש לזיכרון מתקדם גדל במהירות, אך גם דורש השקעות הון כבדות וזמן הקמה ארוך.

יפן משתמשת בסובסידיות כדי למשוך ייצור מתקדם

עבור ממשלת יפן, ההרחבה של מיקרון היא חלק מאסטרטגיה רחבה יותר: החזרת ייצור שבבים קריטי למדינה. יפן עדיין מחזיקה בעוצמה גדולה בחומרים, כימיקלים, ציוד ותהליכי ייצור לתעשיית השבבים, אך איבדה בעשורים האחרונים את ההובלה בייצור שבבים מוגמרים.

לכן טוקיו מעניקה תמיכה נרחבת לפרויקטים אסטרטגיים, בהם מפעלי TSMC בקומאמוטו, חברת Rapidus הנתמכת בידי הממשלה לייצור שבבי לוגיקה מתקדמים, ועתה גם הרחבת מפעל מיקרון בהירושימה. לפי דיווחים מוקדמים יותר, התמיכה במיקרון משתלבת במאמץ של יפן להפחית תלות בשרשראות אספקה מרוחקות ולחזק ייצור מקומי של רכיבים חיוניים לבינה מלאכותית ולביטחון כלכלי.

למיקרון יש גם יתרון מקומי: לפי הדיווח מיפן, כ־80% מהחומרים הדרושים למפעל בהירושימה מגיעים מספקים יפניים. הדבר הופך את האתר לחלק מאקוסיסטם מקומי עמוק של חומרים, ציוד ותמיכה הנדסית.

ההזדמנות והסיכון במחזור הזיכרון

הביקוש ל־HBM ול־DRAM מתקדם נמצא בעלייה חדה בגלל הקמת מרכזי נתונים לבינה מלאכותית. אולם ענף הזיכרון ידוע במחזוריות קיצונית. תקופות של מחסור ועליית מחירים מובילות להשקעות גדולות בקיבולת, ולאחר מכן עלולות להפוך לעודף היצע אם הביקוש מתקרר.

מבחינת מיקרון, הרחבת הירושימה היא הימור ארוך טווח על כך שהביקוש לזיכרון AI יישאר גבוה גם בסוף העשור. המפעל צפוי להגיע לשלב הציוד והייצור בתקופה שבה הדור הבא של מאיצי AI ידרוש רוחב פס גבוה יותר, נפח זיכרון גדול יותר ויעילות אנרגטית משופרת.

אם התחזית תתממש, הירושימה עשויה להפוך לאחד מאתרי הייצור המרכזיים של מיקרון בתחום ה־HBM. אם מחזור הזיכרון יתהפך, החברה תיאלץ לנהל בזהירות השקעה עצומה בשוק שבו עודף קיבולת יכול להוריד מחירים במהירות.

כך או כך, הרחבת המפעל ביפן מדגישה את שינוי המעמד של הזיכרון בתעשיית השבבים: ממרכיב שנחשב במשך שנים למחזורי ולתחרותי במיוחד, הוא הפך לאחד הרכיבים האסטרטגיים ביותר במרוץ הבינה המלאכותית.

הפוסט מיקרון החלה בהרחבת מפעל הזיכרון בהירושימה בהשקעה של 9 מיליארד דולר הופיע לראשונה ב-Chiportal.

חברת SK hynix מדרום קוריאה, אחת משלוש יצרניות הזיכרון הגדולות בעולם, מתקרבת לרישום משמעותי בנאסד"ק באמצעות הנפקת תעודות פיקדון אמריקאיות – ADR. לפי דיווחים, החברה מבקשת לגייס כ־28 מיליארד דולר, באחת מעסקאות המניות הגדולות ביותר שבוצעו אי פעם בידי חברה זרה בארצות הברית. המסחר צפוי להתחיל ב־10 ביולי 2026, לאחר קביעת המחיר הסופי.

המהלך אינו הנפקה ראשונית רגילה של חברה פרטית, שכן SK hynix כבר נסחרת בבורסה בדרום קוריאה. מדובר בהנפקת ADR – תעודות פיקדון אמריקאיות הנסחרות בדולרים ובשעות המסחר בארצות הברית, ומייצגות מניות של חברה זרה. במקרה זה, 10 תעודות ADR ייצגו מניה רגילה אחת של SK hynix. החברה מתכננת להנפיק 17.79 מיליון מניות חדשות באמצעות כ־178 מיליון תעודות ADR.

החשיבות של המהלך כפולה: מצד אחד, הוא יאפשר למשקיעים אמריקאים ולקרנות מוסדיות להיחשף בקלות רבה יותר ל־SK hynix, בלי לרכוש את המניה ישירות בסיאול. מצד שני, הוא יעניק לחברה מקור הון גדול למימון הרחבת כושר הייצור שלה – בעיקר בתחומי זיכרונות DRAM מתקדמים, HBM ואריזה מתקדמת.

HBM הפך למוצר אסטרטגי

העלייה בביקוש למאיצי בינה מלאכותית הפכה את זיכרון HBM – High Bandwidth Memory – לאחד הרכיבים הקריטיים ביותר בשרשרת האספקה של מרכזי הנתונים. HBM הוא זיכרון DRAM תלת־ממדי, שבו שכבות זיכרון מונחות זו על גבי זו ומחוברות באמצעות TSV, כדי לספק רוחב פס גבוה מאוד למעבדים גרפיים ולמאיצי AI.

במערכות בינה מלאכותית גדולות, המאיץ עצמו אינו מספיק. המודל צריך להזרים כמויות עצומות של נתונים בין הזיכרון לבין יחידות החישוב, וה־HBM הוא אחד הגורמים המגבילים את הביצועים, צריכת האנרגיה והעלות הכוללת של המערכת.

SK hynix נהנתה מהקדמה טכנולוגית בתחום זה והפכה לספקית מרכזית של זיכרונות HBM עבור מאיצי AI, כולל מערכות המבוססות על שבבי אנבידיה. לפי רויטרס, החברה היא אחת הנהנות המרכזיות מן הביקוש למערכות בינה מלאכותית, והמשקיעים רואים בה דרך ישירה להיחשף לצוואר הבקבוק של זיכרון במרכזי הנתונים.

הביקוש ל־HBM משנה גם את שוק הזיכרון הרחב. קווי ייצור שמופנים ל־HBM מצמצמים את הזמינות של חלק מסוגי ה־DRAM האחרים, ולכן העלייה בביקוש לבינה מלאכותית משפיעה גם על מחירי זיכרונות כלליים יותר.

הכסף מיועד למפעלים ולציוד ייצור

לפי רויטרס, SK hynix ציינה כי כספי ההנפקה ישמשו לבניית מפעלי שבבים בדרום קוריאה ולרכישת ציוד ייצור מתקדם, לרבות סורקי EUV של ASML.

דיווחים נוספים מציינים כי חלק מן ההשקעה מיועד למפעל הראשון של החברה באשכול יונגין, למתקן אריזה מתקדם בצ'ונגג'ו ולציוד ייצור נוסף הדרוש להרחבת קווי הזיכרון המתקדמים.

המשמעות היא שההנפקה אינה רק מהלך פיננסי, אלא חלק מתוכנית תעשייתית רחבה יותר. SK hynix נערכת לשנים שבהן הביקוש לזיכרונות AI עשוי להישאר גבוה, אך במקביל היא צריכה להגדיל כושר ייצור בזהירות כדי לא ליצור עודף היצע בעתיד.

זהו סיכון מוכר בענף הזיכרון. בניגוד לשוק המעבדים הלוגיים, שוק ה־DRAM וה־NAND ידוע במחזוריות חריפה: תקופות של מחסור ועליית מחירים מובילות להשקעות גדולות בקיבולת, ולאחר מכן עלולות להפוך במהירות לעודף היצע ולירידת מחירים.

מבחן למשקיעי ה־AI

הנפקת ה־ADR של SK hynix מגיעה לאחר עלייה חדה במניית החברה, שנבעה מן הציפיות לשוק ה־HBM ומן ההשקעות העצומות של חברות הענן והבינה המלאכותית במרכזי נתונים. רויטרס דיווחה כי מניית SK hynix עלתה בכ־260% מתחילת השנה עד תחילת השבוע, אף שירדה ביום ההכרזה על ההנפקה.

במקביל, מניות השבבים עברו בימים האחרונים תנודתיות חריפה. רויטרס דיווחה כי מניות SK hynix וסמסונג ירדו בחדות ב־8 ביולי, על רקע חששות משקיעים לגבי המשך העלייה במחירי הזיכרון והאפשרות שרווחי יצרניות השבבים מתקרבים לשיא מחזורי.

לכן ההנפקה משמשת גם מבחן לשוק: האם משקיעים אמריקאים עדיין מוכנים להזרים הון בהיקפים גדולים לחברות שבבים הקשורות לבינה מלאכותית, גם לאחר ראלי חריג ותנודתיות גוברת?

לפי רויטרס, הביקוש לעסקה היה חזק, וספר ההזמנות היה צפוי להיסגר לאחר שנרשם ביקוש יתר. בין המשקיעים שהביעו עניין נזכרו Baillie Gifford, קרנות של Coatue Management ו־Situational Awareness Partners, בהיקף מצטבר אפשרי של עד 7 מיליארד דולר.

תחרות מול סמסונג ומיקרון

המהלך של SK hynix מגיע בעיתוי רגיש בתחרות מול סמסונג ומיקרון. שלוש החברות נהנות מן הביקוש ל־HBM, אך SK hynix הצליחה בשנים האחרונות לבסס יתרון בשילוב בין ביצועים, אספקה ללקוחות AI גדולים ויכולת ייצור.

סמסונג, המתחרה הקוריאנית הגדולה, מנסה להגדיל את חלקה בשוק ה־HBM, ואילו מיקרון האמריקאית נהנית מנגישות טבעית יותר למשקיעים בארצות הברית וממיצוב כחברת זיכרון אמריקאית. רישום ADR נזיל בנאסד"ק עשוי לסייע ל־SK hynix לצמצם חלק מפער הנגישות מול מיקרון.

הוא עשוי גם להשפיע על מדדי מניות השבבים. רישום אמריקאי סחיר יכול להגדיל את הסיכוי להכללת החברה במדדים רלוונטיים, ובכך למשוך ביקושים מצד קרנות סל וקרנות מחקות. לפי רויטרס, אנליסטים מעריכים כי הרישום עשוי להרחיב את בסיס המשקיעים ולצמצם את פער התמחור מול מתחרות אמריקאיות.

ההזדמנות והסיכון

עבור SK hynix, זהו ניסיון לנצל חלון הזדמנויות נדיר: החברה נמצאת בצומת שבו שוק ההון מתגמל ספקיות רכיבים קריטיים לבינה מלאכותית, בעוד לקוחות הענן ממשיכים להזמין זיכרון מתקדם בכמויות גדולות.

אך באותו חלון הזדמנויות מסתתר גם הסיכון. אם השקעות הענק במרכזי נתונים יואטו, אם לקוחות ינסו לרסן עלויות, או אם הגדלת הקיבולת של SK hynix, סמסונג ומיקרון תוביל לעודף היצע, מחזור הזיכרון עלול להתהפך.

לכן הרישום בנאסד"ק הוא יותר מאירוע פיננסי. הוא מסמן את הפיכתו של ה־HBM מאחד מרכיבי הזיכרון המתקדמים למרכיב אסטרטגי במרוץ הבינה המלאכותית. עבור SK hynix, זו הזדמנות למצב את עצמה לא רק כספקית זיכרון קוריאנית, אלא כאחת מחברות התשתית המרכזיות של עידן ה־AI.

הפוסט SK hynix בדרך לנאסד"ק: הנפקת ADR ענקית על רקע מרוץ זיכרונות ה־AI הופיע לראשונה ב-Chiportal.

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

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

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

האתגר האמיתי נמצא בתוכנה

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

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

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

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

מפיתוח שפת Swift לתשתיות AI

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

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

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

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

קוואלקום מחפשת צמיחה מעבר לטלפונים

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

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

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

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

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

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

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

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

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

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

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

הגדלת המודל אינה בהכרח הגדלת ההבנה

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

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

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

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

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

גם רובוט אינו בהכרח פותר את בעיית הגוף

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

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

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

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

הסכנה המעשית אינה מחייבת מחשב־על תבוני

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

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

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

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

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

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

אינפיניאון פתחה בדרזדן שבגרמניה את מפעל השבבים החדש Smart Power Fab, כמה חודשים מוקדם יותר מלוח הזמנים המקורי. החברה השקיעה בהקמתו חמישה מיליארד אירו – ההשקעה הבודדת הגדולה בתולדותיה – והוא צפוי להכפיל את כושר הייצור שלה באתר דרזדן ולהוסיף כאלף משרות ישירות. לדברי החברה, הרחבת האתר הופכת אותו למרכז הייצור הגדול בעולם לשבבי הספק חכמים ולרכיבי אנלוג ואותות מעורבים.

המפעל החדש מבוסס על פרוסות סיליקון בקוטר 300 מילימטר ונועד לאפשר ייצור גמיש של מגוון טכנולוגיות על אותם קווי ייצור. כמיליארד אירו מעלות הפרויקט מקורם במימון ציבורי, במסגרת חוק השבבים האירופי ותוכנית IPCEI האירופית למיקרואלקטרוניקה ולטכנולוגיות תקשורת.

שבבי ההספק שייוצרו במפעל משמשים להמרה, לוויסות ולבקרה של אנרגיה חשמלית. אינפיניאון מייעדת אותם בין היתר לספקי הכוח של מרכזי נתוני בינה מלאכותית, לרשתות חשמל, למערכות סולאריות וטורבינות רוח, לציוד תעשייתי ולכלי רכב חשמליים ומוגדרי תוכנה. רכיבי האנלוג והאותות המעורבים ישמשו למדידה, חישה ובקרה, ויאפשרו למערכות לנטר את זרימת הזרם ולא רק להפעיל ולכבות עומסים.

“אנחנו פותחים את המפעל החדש בדיוק בזמן הנכון”, אמר מנכ"ל אינפיניאון, יוכן הנבק. לדבריו, הרחבת הייצור נועדה לענות על הגידול בביקוש לרכיבים עבור תשתיות בינה מלאכותית, אנרגיה מתחדשת וכלי רכב מתקדמים.

תאום דיגיטלי וקישור למפעל באוסטריה

אינפיניאון השתמשה בתאום דיגיטלי של המבנה כדי לתכנן מראש את פריסת המכונות ואת זרימת הייצור. אלגוריתמים של בינה מלאכותית מסייעים באישור מערכות ותהליכים, והמפעל מחובר למתקן החברה בפילאך שבאוסטריה במסגרת מערך המכונה One Virtual Fab. החיבור מאפשר להעביר תהליכים ומוצרים בין האתרים ולקצר את זמני ההסמכה. לטענת החברה, ניתן יהיה להאיץ את העלאת קצב הייצור עד פי שניים לעומת מפעלים קודמים, בהתאם לביקוש.

המפעל אינו משתמש בגז טבעי, ומערכות סגורות לטיפול במים נועדו להקטין את צריכת המים והאנרגיה. אינפיניאון מסרה כי כ־90% מהמים המשמשים בתהליכי הייצור יוחזרו למחזור, וכי המערכת תאפשר להשיב עד 45% מהאנרגיה הנצרכת. אתר דרזדן כולו מקבל מאז 2021 חשמל ממקורות מתחדשים.

פתיחת המפעל מחזקת את אשכול השבבים “סיליקון סקסוניה” בדרזדן וסביבתה, שבו מועסקים כיום יותר מ־80 אלף עובדים. הפרויקט גם ממחיש כי מדיניות השבבים האירופית אינה מתמקדת רק במעבדים מתקדמים, אלא גם בשבבי הספק, אנלוג ורכב – תחומים שבהם לתעשייה האירופית כבר יש מעמד משמעותי.

הפוסט אינפיניאון פתחה בדרזדן מפעל שבבי הספק בהשקעה של 5 מיליארד אירו הופיע לראשונה ב-Chiportal.

המעבר מצ'אטבוטים המשיבים על שאלה יחידה לסוכני בינה מלאכותית שמפרקים משימות לשלבים, מפעילים כלי תוכנה ובודקים את תוצאותיהם עלול להגדיל מאוד את צריכת האנרגיה ואת עלויות התשתית. מחקר של המכון המתקדם למדע וטכנולוגיה של קוריאה, KAIST, מצא כי משימה המבוצעת באמצעות סוכן AI עשויה לצרוך עד פי 136.5 יותר אנרגיה משאילתת בינה מלאכותית גנרטיבית רגילה.

המחקר, שהוצג בסימפוזיון IEEE הבינלאומי לארכיטקטורת מחשבים בעלי ביצועים גבוהים, HPCA 2026, ניתח את התנהגותם של סוכני AI מנקודת המבט של מרכז הנתונים. החוקרים מדדו את מספר הפניות למודל השפה, זמני ההמתנה, ניצולת המעבדים הגרפיים וצריכת החשמל של כמה שיטות לביצוע משימות מורכבות. המאמר פורסם גם כהדפסה מקדימה תחת הכותרת The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective. (arXiv)

לא שאילתה אחת אלא שרשרת של הפעלות

בשירות בינה מלאכותית רגיל, המשתמש שולח בקשה ומודל השפה מייצר תשובה. סוכן AI פועל בצורה מורכבת יותר: הוא מתכנן את המשימה, מנסח בקשות משנה, מפעיל חיפוש, מחשבון או סביבת קוד, בוחן את התוצאה ולעיתים חוזר על התהליך.

כל שלב כזה עשוי לדרוש קריאה נוספת למודל השפה. מספר הפעלות המודל אינו בהכרח ידוע מראש, משום שהוא תלוי בתוצאות הביניים ובהחלטות שמקבל הסוכן במהלך המשימה.

החוקרים מכנים התנהגות זו "היגיון דינמי". בניגוד להסקה בעלת מסלול קבוע יחסית, הסוכן יוצר בזמן הביצוע גרף משתנה של פעולות חישוב, תקשורת והמתנה לכלים חיצוניים.

התוצאה היא עומס עבודה שונה מזה שעבורו תוכננו רבים ממרכזי הנתונים הנוכחיים. הביצוע אינו רצף רציף של פעולות על ה־GPU, אלא מעבר תכוף בין חישוב במודל השפה, פעילות של מעבד מרכזי, גישה לרשת, חיפוש במאגרי מידע והפעלת תוכנות.

עד פי 153.7 בזמן התגובה

לפי המחקר, ריבוי הפניות למודל וההמתנה לכלים חיצוניים עשויים להאריך את זמן התגובה עד פי 153.7 בהשוואה להסקה רגילה המבוססת על שרשרת חשיבה.

במהלך ההמתנה, המעבד הגרפי שהוקצה לבקשה אינו תמיד מסוגל לעבור ביעילות לעבודה אחרת. החוקרים מצאו שבתרחישים מסוימים נותרו יחידות ה־GPU ללא פעילות עד 54.5% מזמן הביצוע הכולל.

מדובר בבעיה כלכלית ולא רק אנרגטית. GPU המשמש להסקת מודל גדול הוא אחד הרכיבים היקרים ביותר במרכז נתונים. אם המאיץ שמור למשימה אך אינו מבצע חישוב במשך מחצית מזמן העבודה, עלות ההון אינה מתורגמת לניצולת בפועל.

עומסי סוכנים מציבים אפוא אתגר למתזמני משימות. עליהם לדעת לפנות משאבים בזמן שהסוכן ממתין לכלי חיצוני, להעביר אליהם בקשות אחרות ולהחזיר במהירות את המשימה המקורית כאשר התוצאה מגיעה — בלי לפגוע בזיכרון המטמון, בהקשר של המודל ובזמן התגובה.

348 ואט־שעה לבקשה

החוקרים בחנו תרחיש המבוסס על מודל שפה בעל 70 מיליארד פרמטרים, סדר גודל המקובל במודלים פתוחים ומסחריים גדולים. לפי החישוב שלהם, ביצוע בקשת סוכן צרך בממוצע 348.41 ואט־שעה.

הצריכה גבוהה פי 136.5 מזו של מערכת בינה מלאכותית גנרטיבית המבצעת מענה רגיל לשאלה, לפי תצורת הבדיקה שנבחרה במחקר.

המספר אינו משקף בהכרח כל סוכן AI וכל מרכז נתונים. צריכת האנרגיה תלויה בגודל המודל, בחומרה, במספר שלבי ההסקה, באורך ההקשר, בשיטת הכימות, במערכת הקירור וביעילות תוכנת ההגשה.

עם זאת, היחס הגבוה מדגים את הסיכון שבהתייחסות לסוכן כאל שאילתת צ'אט רגילה. בקשה אחת של משתמש עשויה להפעיל מאחורי הקלעים עשרות פעולות הסקה וכלים נוספים.

תרחיש של כמעט 200 גיגה־ואט

כדי להמחיש את משמעות ההתרחבות, החוקרים חישבו תרחיש שבו סוכני AI מטפלים ב־13.7 מיליארד בקשות ביום — נפח שאותו השוו להיקף החיפושים היומי בגוגל.

לפי הנחות המחקר, הפעלת עומס כזה תדרוש הספק כולל של כ־198.9 גיגה־ואט. זהו הספק רציף עצום, הגדול בסדרי גודל ממרכזי הנתונים הבודדים המתוכננים כיום, שהספקם נע בדרך כלל ממאות מגה־ואט ועד כמה גיגה־ואט.

אין לראות בתרחיש תחזית לכך שכל החיפושים בעולם אכן יוחלפו בסוכנים המשתמשים במודל של 70 מיליארד פרמטרים ובאותה שיטת ביצוע. זהו תרגיל קנה מידה שנועד להראות כי שימוש המוני בסוכנים ללא שיפור משמעותי ביעילות אינו מעשי מבחינת חשמל, קירור ותשתית.

התרחיש גם מדגיש שהמגבלה על התרחבות ה־AI עשויה לעבור מזמינות שבבים לזמינות הספק חשמלי, חיבורי רשת והקמת מרכזי נתונים.

תשואה חישובית פוחתת

החוקרים בחנו גם שיטות של הרחבת החישוב בזמן ההסקה — test-time scaling — שבהן המערכת משקיעה יותר חישוב כדי לשפר את איכות התשובה.

דוגמאות לכך הן יצירת כמה מסלולי פתרון במקביל, הוספת דוגמאות להנחיה, ביצוע ביקורת עצמית או חזרה על התהליך בכמה סבבים.

תוספת חישוב אכן יכולה לשפר את הדיוק, אך המחקר מצא כי התשואה פוחתת במהירות. כל סבב נוסף מגדיל את מספר האסימונים, זמן הביצוע וצריכת האנרגיה, בעוד שהתוספת לאיכות התוצאה נעשית קטנה יותר. (arXiv)

מבחינת מפעילי תשתיות, משמעות הדבר היא שלא מספיק להגדיר יעד ביצועים למודל. יש להחליט כמה אנרגיה, זמן ועלות מוצדקים עבור כל שיפור נוסף באיכות.

עומס עבודה חדש למרכזי הנתונים

סוכני AI משלבים כמה סוגים של פעילות:

• הסקת מודל שפה על GPU או מאיץ AI;
• פעולות תזמור ותכנון על מעבדים מרכזיים;
• גישה לזיכרון ולמאגרי וקטורים;
• תקשורת עם שירותים חיצוניים;
• הרצת קוד וכלים;
• המתנה לתוצאות וחזרה למודל.

המערכת אינה מוגבלת עוד למאיץ אחד או אפילו לשרת אחד. היא דומה יותר ליישום מבוזר שבו פעולות שונות דורשות חומרה שונה.

משום כך, החוקרים קוראים לתכנון משולב של מודלי הסוכנים, השבבים, תוכנת התזמון, מרכזי הנתונים ותשתיות החשמל. שיפור של אחד הרכיבים בלבד לא יפתור את הבעיה אם שאר המערכת תמשיך להשאיר מאיצים יקרים בהמתנה.

מחקרים נוספים בתחום מציעים לפצל את גרף הביצוע של סוכנים בין מערכות הטרוגניות — מעבדים מרכזיים, מאיצים מדורות שונים ורכיבים ייעודיים — ולשבץ כל פעולה בחומרה המתאימה לה. גישה כזו עשויה להפחית את עלות הבעלות הכוללת ולהאריך את השימוש בחומרה קיימת. (arXiv)

השלכות על תכנון שבבים

מבחינת תעשיית השבבים, עומסי סוכנים עשויים לשנות את סדרי העדיפויות בתכנון מאיצי AI.

במערכות אימון גדולות, המדד המרכזי הוא לרוב תפוקת פעולות חישוב מקביליות. בהפעלת סוכנים, לעומת זאת, נדרשים גם מעבר מהיר בין משימות, טיפול יעיל בבקשות קצרות ומשתנות, שיתוף זיכרון בין תהליכים והפחתת צריכת החשמל במצב המתנה.

מאיצים עתידיים עשויים להידרש לתמיכה טובה יותר בהשהיה ובהמשך של משימות, בניהול זיכרון מטמון של מודלי שפה ובשיתוף המשאב בין מספר גדול של סוכנים.

גם הקישוריות נעשית חשובה יותר. סוכן עובר בין המודל, מסדי נתונים, כלי תוכנה ושירותי רשת. זמן התקשורת בין הרכיבים עלול להיות משמעותי לא פחות מזמן החישוב עצמו.

הדבר עשוי לחזק את הביקוש לארכיטקטורות הטרוגניות, חיבורי רשת מהירים, מעבדי תשתית, זיכרון רחב פס ופתרונות תזמון המודעים למצב הסוכן.

לא כל משימה דורשת מודל ענק

דרך נוספת להפחתת הצריכה היא להימנע מהפעלת מודל גדול בכל שלב. משימות כמו בחירת כלי, בדיקת פורמט, סינון תוצאה או ביצוע החלטה פשוטה עשויות לעבור למודל קטן יותר או לרכיב תוכנה דטרמיניסטי.

מערכת סוכן יעילה יכולה לנתב כל שלב אל רמת החישוב הנדרשת: מודל גדול לשאלות מורכבות, מודל קטן לסיווג, ומעבד רגיל לפעולות שאינן דורשות למידת מכונה.

ניתן גם לבצע כמה פעולות במקביל, אך מקביליות אינה חינמית. היא עשויה לקצר את זמן התגובה במחיר של הפעלת מספר גדול יותר של מאיצים בו־זמנית. הבחירה בין זמן, עלות ואנרגיה תצטרך להיקבע בהתאם לשירות ולדרישות המשתמש.

לדברי פרופ' מינסו רו, שהוביל את המחקר, תחרותיות בעידן הסוכנים לא תימדד רק לפי מידת ה"חוכמה" של המודל, אלא גם לפי היכולת להפעיל אותו ביעילות. לדבריו, נדרש תכנון משותף של מודלי הסוכנים, תשתיות מרכזי הנתונים ומערכת החשמל.

המחקר מצביע על כך שהמעבר לבינה מלאכותית סוכנית אינו רק שינוי בתוכנה. הוא יוצר עומס עבודה חדש בעל דפוסי השהיה, ניצולת וצריכת חשמל שונים מהסקת LLM רגילה. אם הסוכנים יהפכו לשכבה מרכזית בשירותי תוכנה, השאלה כיצד להפעיל אותם ביעילות עשויה להיות חשובה לא פחות מהשאלה כיצד לשפר את יכולותיהם.

שם המאמר:
The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective

DOI:
10.1109/HPCA68181.2026.11408569

הפוסט מחקר: סוכני AI עלולים לצרוך פי 136 יותר אנרגיה משאילתת בינה מלאכותית רגילה הופיע לראשונה ב-Chiportal.

חברת OXMIQ Labs, שהקים ארכיטקט השבבים הוותיק ראג'ה קודורי, השלימה גיוס סדרה A בהיקף של 35 מיליון דולר. בעקבות הסבב הגיע סך ההון שגייסה החברה ל־60 מיליון דולר. החברה מבקשת לפתח מודל חדש בשוק מאיצי הבינה המלאכותית: במקום למכור שבבים מוגמרים, היא תציע ליצרניות שבבים ולמפעילות מרכזי נתונים ארכיטקטורת GPU וקניין רוחני שאפשר לשלב בשבבים מותאמים אישית.

הסבב הובל בידי Samsung Catalyst Fund וקרן Fundomo. בין המשקיעות הנוספות נמצאות MediaTek, ‏Pegatron Venture Capital, ‏AM Intelligence Labs, ‏CDIB-TEN, ‏Darwin Ventures, ‏Morgan Creek Digital ואינטל קפיטל. MediaTek, שהשתתפה גם בגיוס הקודם של החברה, השקיעה פעם נוספת. (intelcapital.com)

קודורי שימש בעבר בתפקידי הנדסה וניהול בכירים באפל, ב־AMD ובאינטל. בין היתר, הוא ניהל את קבוצת Radeon של AMD ובהמשך היה הארכיטקט הראשי של אינטל, שם היה מעורב בהקמת פעילות המעבדים הגרפיים ובפיתוח מאיצים למרכזי נתונים. לאחר שעזב את אינטל הוא הקים את OXMIQ, המחזיקה משרדים בקמפבל שבקליפורניה ובהיידראבאד שבהודו.

לדברי קודורי, מטרתה של החברה היא להיות “ה־Arm של העידן הבא”. ההשוואה מתייחסת בעיקר למודל העסקי: Arm אינה מייצרת את רוב השבבים המבוססים על הארכיטקטורה שלה, אלא מעניקה רישיונות לליבות ולמערכות ההוראות שלה. בדומה לכך, OXMIQ רוצה לאפשר לחברות לפתח מאיצי AI מבלי להשקיע שנים ומאות מיליוני דולרים ביצירת ארכיטקטורת חישוב ומערכת תוכנה מן היסוד. (Reuters)

שלושה מנועי חישוב בליבה אחת

המוצר המרכזי של החברה נקרא OxCore. זוהי ליבת GPU הניתנת לרישוי, המשלבת מנוע עיבוד גרפי התואם לעקרונות החישוב של CUDA, מנוע Tensor לחישובי בינה מלאכותית ומנוע תזמון דמוי CPU, האחראי לתיאום עומסי העבודה במערכת.

במערכות AI קיימות, המעבד המרכזי, המאיץ הגרפי ומנועי ה־Tensor פועלים לעיתים קרובות כרכיבים נפרדים. OXMIQ מבקשת להצמיד את שלושת סוגי העיבוד בתוך בלוק קניין רוחני אחד. לטענתה, הדבר עשוי להפחית את הצורך בהעברת מידע בין רכיבים ולהקטין את צריכת החשמל ואת זמני ההמתנה לזיכרון. הארכיטקטורה תוכננה גם לעיבוד בקרבת הזיכרון, כדי להתמודד עם צוואר הבקבוק הנוצר כאשר כמויות גדולות של נתונים מועברות שוב ושוב בין הזיכרון למאיץ. (intelcapital.com)

OxCore אמורה להתאים לטווח רחב של מוצרים: מליבה יחידה במכשיר קצה או ברובוט ועד למערכות הכוללות אלפי ליבות במרכזי נתונים. עם זאת, בשלב זה הליבה פועלת במימוש FPGA בלבד. החברה מציגה הדגמות חיות, אך עדיין לא חשפה שבב מסחרי המבוסס על הארכיטקטורה או מבחני ביצועים עצמאיים מול מאיצים קיימים.

לצד הליבה מפתחת החברה את OxQuilt, פלטפורמה להרכבת מערכת ממספר שבבונים. הארכיטקטורה נועדה לחבר באותה מארזת שבבוני חישוב, זיכרון וקישוריות, ולאפשר ללקוח לבחור את היחס ביניהם בהתאם לסוג עומס העבודה.

לדוגמה, מערכת המיועדת לאימון מודלים יכולה להקצות שטח גדול יותר למנועי חישוב, ואילו מערכת המיועדת להרצת מודלי שפה גדולים עשויה לדרוש יותר זיכרון ורוחב פס. החברה אומרת כי OxQuilt לא תהיה קשורה למפעל ייצור, סוג זיכרון או תהליך ייצור מסוים, ותוכל לתמוך בתקני קישוריות ובטכנולוגיות אריזה ממקורות שונים.

ניסיון לצמצם את התלות ב־CUDA

החלק המשמעותי ביותר במערכת התוכנה של OXMIQ הוא OxPython. לדברי החברה, השכבה נועדה לאפשר ליישומי Python שפותחו עבור CUDA של אנבידיה לפעול על מאיצים של חברות אחרות, ללא שינויים בקוד או הידור מחדש.

גרסה ראשונה של המערכת מיועדת לפעול על מאיצי Wormhole ו־Blackhole של Tenstorrent. מנכ"ל Tenstorrent, ג'ים קלר, אמר כי הטכנולוגיה עשויה לשפר את ניידות התוכנה ולאפשר למפתחים להעביר עומסי Python ו־CUDA בין פלטפורמות חומרה שונות. (oxmiq.ai)

זהו יעד שאפתני במיוחד. כוחה של אנבידיה אינו נובע רק מביצועי המעבדים הגרפיים שלה, אלא גם מסביבת CUDA, הכוללת ספריות, כלי פיתוח, מהדרים ומערכות תוכנה שנבנו במשך קרוב לשני עשורים. חברות רבות ניסו ליצור שכבות תאימות או כלי המרה, אך תאימות ליישום מסוים אינה שקולה בהכרח לתמיכה מלאה בכל המערכת האקולוגית של CUDA.

גם OXMIQ עצמה מרחיבה את ההתמקדות מעבר לתאימות ברמת היישום. החברה מפתחת את OxCapsule, מערכת המאפשרת לנהל חומרה הטרוגנית ולהקצות עומסי עבודה למעבדים ולמאיצים שונים. לפי EE Times, חלק מהתוכנה מבוסס על טכנולוגיה שקיבלה OXMIQ ברישיון מאינטל.

למרכזי נתונים גדולים מפתחת החברה מערכת נוספת בשם OxFactory. לדברי קודורי, ניהול אלפי מאיצים מחייב טיפול בתקלות חומרה, שיבושי רשת וחלוקת משימות בהיקף השונה מהותית מזה של מחשב אישי או מערכת קצה. OxFactory אמורה לשמש שכבת תזמור עבור “מפעלי AI” הכוללים אלפי מעבדים ומאיצים מסוגים שונים.

לא רק ספקית IP

למרות ההשוואה ל־Arm, OXMIQ אינה מתכוונת להסתפק במכירת רישיונות. החברה מתכננת לספק גם שירותי תכנון לשבבים מותאמים אישית ולמערכות שלמות למרכזי נתונים. בכך היא עשויה להתחרות, לפחות בחלק מהפרויקטים, בברודקום, מארוול ו־MediaTek, המסייעות לענקיות ענן לפתח מאיצים ייעודיים.

קודורי טוען כי העלייה החדה בעלות הקמת תשתיות AI משנה את הכלכלה של פיתוח שבבים מותאמים. לדבריו, כאשר ציוד מרכז נתונים בהספק של 100 מגה־ואט המבוסס על מאיצים מתקדמים עשוי לעלות מיליארדי דולרים, השקעה של כמאה מיליון דולר בפיתוח שבב ייעודי עשויה להפוך לכדאית. עם זאת, מדובר בהערכות של החברה, ולא בנתונים שהוכחו עדיין באמצעות פרויקט מסחרי המבוסס על OxCore. (EE Times)

החברה מסרה כי היא כבר פועלת עם מספר לקוחות לקראת הפיכת הקניין הרוחני שלה לשבבים ממשיים. כספי הגיוס ישמשו להשלמת חבילות ה־IP הראשונות, להרחבת פעילות התכנון ולגיוס מהנדסים נוספים. קודורי אמר כי הוא מעוניין לשמור על צוות קטן יחסית, המונה עשרות עובדים, ולהסתייע בכלי תכנון מבוססי בינה מלאכותית ובשותפים חיצוניים.

OXMIQ מציגה שילוב מעניין של מודל רישוי המזכיר את Arm, ליבת GPU מותאמת ל־AI, שבבונים ותוכנה שנועדה לצמצם את התלות באנבידיה. אולם הדרך מהדגמת FPGA למוצר מסחרי ארוכה. הצלחתה תהיה תלויה ביכולת להציג שבבים מיוצרים, לקוחות משלמים, תאימות תוכנה רחבה ותוצאות ביצועים וצריכת חשמל שניתן להשוות למאיצים הקיימים בשוק.

הפוסט OXMIQ גייסה 35 מיליון דולר ומבקשת להפוך ל־Arm של מאיצי ה-AI הופיע לראשונה ב-Chiportal.

חברת DriveNets הישראלית מרחיבה את פעילותה בתחום תשתיות הבינה המלאכותית ומשיקה שתי פלטפורמות תקשורת חדשות, DriveNets 2600SL ו־DriveNets 2601S, המיועדות להקמת אשכולות מחשוב גדולים המבוססים על מעבדים ומאיצים מסוגים שונים.

שתי הפלטפורמות מבוססות על שבב המיתוג Tomahawk 6 של ברודקום ומציעות קיבולת כוללת של 102.4 טרה־ביט לשנייה. המערכות כוללות 64 חיבורים בקצב של עד 1.6 טרה־ביט לשנייה לכל חיבור, וניתן להגדיר אותן גם למספר גדול יותר של חיבורים בקצבים נמוכים יותר.

Tomahawk 6 הוצג בידי ברודקום כשבב מיתוג Ethernet למרכזי נתונים, בעל קיבולת כפולה מזו של הדור שקדם לו ומיועד לרשתות המחברות מספר גדול מאוד של מאיצי AI.

DriveNets מסרה כי המערכות יהיו זמינות למשלוח ברבעון השלישי של 2026. דגם 2601S יתבסס על קירור אוויר, ואילו דגם 2600SL יציע קירור נוזלי מלא. המעבר לקירור נוזלי נעשה משמעותי יותר ככל שצפיפות ההספק בארונות השרתים עולה וככל שמרכזי הנתונים מנסים לצמצם את צריכת החשמל של מערכות הקירור.

הפלטפורמות מיועדות לתמוך בכמה שכבות של רשתות AI: חיבור בין מאיצים בתוך אשכולות, חיבור בין אשכולות, וכן קישור למערכות אחסון ולרשת הקדמית של מרכז הנתונים. לדברי החברה, ניתן לפרוס באמצעותן רשתות הכוללות מאות ועד מאות אלפי יחידות עיבוד מסוג XPU – מונח כללי הכולל מעבדים גרפיים, מאיצי AI ומעבדים ייעודיים אחרים.

האתגר המרכזי בתשתיות כאלה אינו רק כוח החישוב של כל מאיץ, אלא היכולת להעביר במהירות נתונים בין אלפי מאיצים. כאשר הרשת אינה עומדת בעומס, מעבדים יקרים נותרים ללא עבודה בזמן שהם ממתינים למידע.

"המשאב היקר ביותר בעולם כיום שעומד ללא שימוש הוא מעבד XPU שממתין לרשת התקשורת שתעביר לו מידע", אמר עידו סוסן, מנכ"ל ומייסד שותף ב־DriveNets. לדבריו, הפלטפורמות נועדו לשפר את ניצול המאיצים ואת היעילות האנרגטית של אשכולות AI.

DriveNets מקדמת ארכיטקטורה פתוחה המבוססת על Ethernet, המאפשרת לשלב מאיצים, כרטיסי רשת ורכיבים של ספקים שונים. בכך היא מתחרה הן ביצרניות ציוד רשת מסורתיות והן במערכות סגורות המשלבות מאיצים ותקשורת של ספק יחיד.

ההשקה מגיעה לאחר שהחברה הודיעה על גיוס של 410 מיליון דולר, שנועד בין היתר להרחיב את פעילותה בשוק רשתות התקשורת למרכזי AI.

הפוסט DriveNets משיקה פלטפורמות תקשורת בקצב 102.4 טרה־ביט לשנייה לתשתיות AI הופיע לראשונה ב-Chiportal.