יפן מקדמת הקמה של תשתית מחשוב לאומית רחבת היקף לפיתוח בינה מלאכותית פיזית, רובוטיקה ומערכות אוטונומיות. חברת Noetra היפנית תקים בשיתוף אנבידיה מרכז מחשוב הכולל 27,500 מאיצים גרפיים מדור Rubin ו־13,750 מעבדי Vera, בהספק כולל של 140 מגוואט.

התשתית תספק את כוח המחשוב למיזם FRONTia של משרד הכלכלה, המסחר והתעשייה של יפן, METI. המיזם נועד לפתח ביפן מודלי יסוד רב־אופניים שיוכלו לעבד במקביל טקסט, תמונות, וידאו, קול ונתוני חיישנים, ולשמש מערכות הפועלות בעולם הפיזי.

לפי Noetra, הקמת מרכז המחשוב תחל באפריל 2027 והוא צפוי להתחיל לפעול ביוני 2028. החברות לא מסרו את היקף ההשקעה או את התמורה שתשולם לאנבידיה. (Honda Global)

מערכות Vera Rubin ורשת Spectrum-X

מרכז המחשוב יתבסס על ארונות Vera Rubin NVL72 ועל פלטפורמת התכנון DSX של אנבידיה. המערכות יחוברו באמצעות רשת Spectrum-X Ethernet ויכללו גם מעבדי תקשורת BlueField. התשתית מיועדת לאימון מודלים גדולים במיוחד וליישומים הדורשים שילוב של עיבוד שפה, תמונה, וידאו ומידע מחיישנים. (NVIDIA Newsroom)

אנבידיה ו־Noetra מתארות את המיזם כתשתית הלאומית הראשונה בעולם המוקדשת לבינה מלאכותית פיזית. זהו תיאורן של החברות, ולא הגדרה שנקבעה בידי גוף בינלאומי בלתי תלוי.

בינה מלאכותית פיזית היא שם כולל למערכות AI שאינן מסתפקות ביצירת טקסט או תמונות, אלא קולטות מידע מהסביבה, מסיקות ממנו מסקנות ומפעילות מכונות בעולם הממשי. היישומים כוללים רובוטים תעשייתיים, כלי רכב אוטונומיים, מערכות לוגיסטיקה, ציוד רפואי, רחפנים ותאומים דיגיטליים של מפעלים ותשתיות.

המערכת תשמש לפיתוח מודלים פתוחים יחסית לשימוש התעשייה היפנית. Noetra מתכננת להעמיד את המשקלים שאומנו מראש לרשות מפתחי מודלים וחברות ביפן, לצד כלי תוכנה ומודלים של אנבידיה ובהם Cosmos,‏ Isaac GR00T,‏ Nemotron ו־NeMo. (NVIDIA Newsroom)

44 חברות וארגונים משתתפים

Noetra הוקמה סביב ארבע חברות ליבה: סוני, סופטבנק, NEC והונדה. בסך הכול השקיעו בה 44 חברות וארגונים, בהם יצרניות רובוטים, חברות אלקטרוניקה, יצרניות רכב, בנקים וחברות תעשייה. ברשימת המשתתפות נמצאות בין היתר פאנוק, יסקאווה, היטאצ'י, פוג'יטסו, טוקיו אלקטרון, מיצובישי אלקטריק, טושיבה, שארפ ו־Murata. (Honda Global)

צוות המחקר והפיתוח יכלול מהנדסים מהחברות השותפות, מהמכון הלאומי היפני למדע וטכנולוגיה תעשייתיים, AIST, ומחברת Preferred Networks. בשלב הראשון תתחיל Noetra לפתח את המודל באמצעות תשתיות מחשוב קיימות של ספקים יפניים, עוד לפני שמרכז Rubin החדש ייכנס לפעולה. (Honda Global)

משרד הכלכלה היפני בחר ב־Noetra וב־AIST להוביל את תוכנית פיתוח מודל היסוד המקומי לשנים 2026–2030. הממשלה מציגה את היכולת להשתמש בנתוני מפעלים ובמידע תעשייתי מבלי להעבירם לפלטפורמות זרות כאחד הנימוקים המרכזיים להקמת התשתית. (meti.go.jp)

יפן מבקשת למנף את יתרונה בתעשייה וברובוטיקה

יפן איבדה במהלך העשורים האחרונים חלק ניכר ממעמדה בייצור שבבים, אך היא עדיין מחזיקה בתעשיות חזקות של ציוד לייצור מוליכים למחצה, חומרים, מכונות, רכב ורובוטיקה. הממשלה מבקשת להשתמש במידע הנאסף במפעלים ובמערכות תעשייתיות כדי לפתח מודלים המותאמים לייצור ולמערכות אוטונומיות.

אסטרטגיית הרובוטיקה היפנית מציבה יעד להחדיר כעשרה מיליון רובוטים עד 2040 ולהגיע ליותר מ־30% משוק רובוטיקת ה־AI העולמי. הממשלה רואה ברובוטיקה דרך להתמודד עם הזדקנות האוכלוסייה, המחסור בכוח אדם, אסונות טבע ומשימות מסוכנות כגון פירוק מתקנים גרעיניים. (meti.go.jp)

במקביל להודעת התשתית הכריזה אנבידיה על שיתופי פעולה עם חברות רובוטיקה יפניות, ובהן פאנוק ו־Yaskawa Electric. שיתופי הפעולה יתמקדו בפיתוח רובוטים שניתן להתאים למשימות משתנות באמצעות מודלים של בינה מלאכותית ולא רק באמצעות תכנות קבוע מראש. (Reuters)

מנכ״ל אנבידיה, ג'נסן הואנג, אמר כי יפן המציאה את הייצור המודרני וכעת היא מקימה את מפעלי ה־AI שיניעו את המהפכה התעשייתית הבאה. מבחינת אנבידיה, המיזם הוא גם עסקה משמעותית לדור Rubin שטרם נכנס לפריסה רחבה, וגם חלק מהתרחבות שוק ה־AI הריבוני – תשתיות מחשוב שמדינות מבקשות להחזיק בתחומן ולשלוט בנתונים ובמודלים הפועלים עליהן. (NVIDIA Newsroom)

הפוסט יפן תקים תשתית AI לאומית עם 27,500 מאיצי Rubin של אנבידיה הופיע לראשונה ב-Chiportal.

חברת נאנובל (Nanovel) הישראלית, המפתחת רובוטים אוטונומיים לקטיף פירות, קיבלה מענק לא־מדלל של 2.5 מיליון אירו מתוכנית ההאצה של המועצה האירופית לחדשנות, EIC Accelerator. המענק ישמש להשלמת הגרסה המסחרית של המערכת, לעריכת ניסויי שדה בפרדסים באירופה ולהכנות להשקה מסחרית המתוכננת לשנת 2028.

לפי הודעת החברה, ה־EIC הגדירה אותה גם כמועמדת להשקעה הונית של עד 4.3 מיליון אירו. אין מדובר עדיין בהשקעה חתומה: המימון ההוני כפוף בין היתר לבדיקת נאותות ולהשלמת הליך ההשקעה. נאנובל מתכננת להשתמש בהשקעה האפשרית כעוגן לסבב גיוס של כ־8 מיליון אירו.

תוכנית EIC Accelerator מיועדת לחברות הזנק ולחברות קטנות ובינוניות המפתחות טכנולוגיות בעלות סיכון טכנולוגי גבוה ופוטנציאל מסחרי משמעותי. התוכנית מאפשרת מענקים של עד 2.5 מיליון אירו, ובחלק מהמקרים גם השקעה הונית מקרן ה־EIC. בסבב האחרון שעליו דיווחה המועצה האירופית נבחרו 38 חברות לקבלת מענקים והשקעות אפשריות בהיקף כולל של מאות מיליוני אירו.

נאנובל, הפועלת מפארק התעשיות מבוא כרמל, מפתחת מערכת המשלבת ראייה ממוחשבת, למידה עמוקה ומספר זרועות קטיף טלסקופיות. המערכת נועדה לזהות פירות גם כאשר הם מוסתרים בתוך עלווה צפופה, להגיע אליהם ולנתק אותם מהעץ בלי לגרום נזק לפרי.

בליבת המערכת נמצא מנגנון שפיתחה החברה ומכונה Grip & Trim – „תפוס וגזום”. כף הקטיף אוחזת בפרי וגוזמת את העוקץ במקום למשוך אותו בכוח. כמה זרועות יכולות לפעול במקביל, תחת ניהולו של מחשב מרכזי המחובר למערכת בקרה מרחוק.

החברה מתמקדת בשלב הראשון בקטיף תפוזים ולימונים. היא מתכננת ניסויים נוספים בישראל, בספרד, באיטליה ובארצות הברית, לאחר שביצעה בסתיו 2025 ניסוי בקליפורניה בשיתוף מועצת המחקר להדרים המקומית. מפת הדרכים שלה כוללת בהמשך התאמה גם לזני הדרים נוספים, למנגו, לאפרסקים ולנקטרינות.

הצורך באוטומציה נובע מהתלות של ענף הפירות בכוח אדם עונתי. לפי נתוני החברה, הקטיף הידני עשוי להוות כמחצית מעלויות הייצור של מגדלים מסוימים, בעוד שבאזורים חקלאיים רבים הולך ומחריף המחסור בעובדים זמינים.

״המשימה שלנו היא להבטיח את הזמינות העולמית ואת הכדאיות הכלכלית של פירות טריים באמצעות אוטומציה של תהליך העבודה עתיר כוח האדם ביותר בחקלאות״, אמר איציק מזור, מייסד ומנכ״ל נאנובל. לדבריו, המענק יאפשר לחברה להרחיב את הפעילות באירופה ולהתקדם לקראת השקה מסחרית ב־2028.

נאנובל נוסדה בשנת 2018 בידי מזור, שייסד בעבר את חברת ציוד המדידה לתעשיית השבבים Jordan Valley Semiconductor. החברה נמכרה לברוקר האמריקנית בשנת 2015.

הפוסט נאנובל קיבלה מענק של 2.5 מיליון אירו למסחור רובוטי קטיף הדרים הופיע לראשונה ב-Chiportal.

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

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

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

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

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

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

חזרה לעצמאות – לפי פחות ממחצית ממחיר הרכישה

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

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

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

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

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

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

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

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

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

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

הגדלת המודל אינה בהכרח הגדלת ההבנה

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

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

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

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

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

גם רובוט אינו בהכרח פותר את בעיית הגוף

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

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

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

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

הסכנה המעשית אינה מחייבת מחשב־על תבוני

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

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

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

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

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

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

חברת השבבים הישראלית היילו (Hailo) הודיעה על פיטורי כ-110 עובדים, כמחצית מכוח האדם שלה. לפי הדיווח בכלכליסט, החברה מעסיקה כיום כ-220 עובדים, והמהלך מגיע בהמשך לשינוי ארגוני שביצעה לפני כמה חודשים כדי להתמקד בתחום ה-Physical AI – יישומי בינה מלאכותית בעולם הפיזי, ובהם רובוטיקה, רחפנים ומכשירי קצה חכמים.

היילו, שהוקמה ב-2017 ונחשבה במשך שנים לאחת ההבטחות הבולטות של תעשיית השבבים הישראלית, מפתחת מאיצי AI למכשירי קצה. מוצרי החברה נועדו להריץ מודלי ראייה ממוחשבת ובינה מלאכותית גנרטיבית קרוב למקור הנתונים, בלי להעביר את כל העיבוד לענן. לפי החברה, מעבדי הקצה שלה מיועדים ליישומי AI במכשירי קצה, ובהם מוצרי צריכה, רכב, מערכות תעשייתיות ורובוטיקה.

מהתלהבות סביב AI Edge לצמצום חריף

הפיטורים הנוכחיים הם סבב הקיצוצים השני של היילו השנה. בינואר 2026 פיטרה החברה כ-10% מעובדיה, אז כ-30 עובדים, והסבירה כי היא ממקדת משאבים בתחומי צמיחה ובהם רובוטיקה ו-Physical AI.

לפי הדיווח, החברה מבקשת להגיע למבנה תפעולי רזה יותר, שיאפשר לה להמשיך לשרת לקוחות קיימים באמצעות רשת שותפים ומפיצים גלובלית, ובמקביל לשפר את הגמישות לקראת השקעה, רכישה או מהלך פיננסי אחר. החברה מסרה כי מוצרי הדגל שלה, מאיצי AI למכשירי קצה, נמכרו ביותר מ-500 אלף יחידות.

ההתמקדות ב-Physical AI משקפת מגמה רחבה יותר בתעשייה: מעבר מחישובי AI גדולים בענן בלבד אל עיבוד מקומי במצלמות, רובוטים, רחפנים, מערכות רכב ומכשירי IoT. עבור היילו, זהו גם ניסיון לבדל את עצמה מול שוק צפוף ותחרותי, שבו פועלות ענקיות שבבים לצד חברות צעירות רבות שניסו לנצל את גל ההשקעות בבינה מלאכותית.

לחץ פיננסי ומחיקת השקעה בדלק רכב

המהלך מגיע על רקע מצוקה פיננסית מתמשכת. לפי כלכליסט, דלק רכב, אחת המחזיקות המשמעותיות בהיילו, דיווחה כי מיזוג SPAC שתוכנן עבור החברה בוול סטריט נקלע לקשיים ואינו מתקדם. בעקבות זאת, דלק רכב צפויה למחוק את מרבית שווי השקעתה בהיילו כבר בדוחות הרבעון השני של 2026, מהלך שעלול להעביר אותה להפסד מהותי באותו רבעון.

בשיאה, באפריל 2024, גייסה היילו 120 מיליון דולר לפי שווי של 1.2 מיליארד דולר, והפכה לאחת מחברות החד־קרן הבולטות בתחום שבבי ה-AI למכשירי קצה. רויטרס דיווחה אז כי החברה גייסה עד אותו שלב יותר מ-340 מיליון דולר מאז הקמתה. לפי הדיווחים האחרונים, שוויה הריאלי של החברה מוערך כעת בפחות מ-500 מיליון דולר.

כלכליסט ציין כי סך החשיפה של דלק רכב להיילו עומד על כ-62.4 מיליון דולר, שהם כ-197 מיליון שקל, וכי בינואר 2026 העמידה דלק מוטורס להיילו הלוואה של 9 מיליון דולר, עם אפשרות להגדלה נוספת של 3 מיליון דולר. לפי הדיווח, ההלוואה נושאת ריבית גבוהה של 1.5% בחודש, שעשויה לעלות ל-3% בחודש אם לא יתרחש אירוע נזילות בתוך 12 חודשים.

חברה עם טכנולוגיה קיימת, אבל שוק קשה יותר

הקושי של היילו אינו נובע בהכרח מהיעדר טכנולוגיה. החברה השיקה בשנים האחרונות כמה דורות של מאיצי AI, ובהם Hailo-8 ליישומי ראייה ממוחשבת ו-Hailo-10H, שנועד להריץ מודלי שפה וראייה גנרטיביים במכשירי קצה. לפי היילו, Hailo-10H מספק 40 TOPS בביצועי INT4, תומך במודלי LLM ו-VLM, ומתוכנן לפעול בהספק טיפוסי של 2.5 ואט.

עם זאת, פיתוח שבבים הוא תחום עתיר הון, והמעבר ממוצר טכנולוגי מרשים להכנסות בהיקף גדול דורש זמן, שרשרת אספקה יציבה, תוכנה בשלה, תמיכת לקוחות רחבה וחדירה לשווקים שמאמצים טכנולוגיה בקצב מספק. במקרה של היילו, הנתונים הפיננסיים שפורסמו סביב דלק רכב מצביעים על פער בין ההבטחה הטכנולוגית לבין צורכי המזומן והקצב העסקי של החברה.

מנכ”ל היילו, אור דנון, מסר כי ענף השבבים בעידן ה-AI הופך לחלק מהתשתיות הקריטיות במדינות רבות, וכי הבינה המלאכותית “עוזבת את הענן ועוברת לעולם הפיזי”. לדבריו, המהלכים הנוכחיים נועדו לשמר את המובילות הטכנולוגית של החברה ולהמשיך לייצר ערך ללקוחות קיימים ועתידיים.

היילו עדיין מחזיקה במוצר, בלקוחות, ברשת שותפים ובמוניטין טכנולוגי בתחום שבו הביקוש עשוי לצמוח בשנים הקרובות. אבל סבב הפיטורים החריף מסמן כי החברה נכנסת לשלב מבחן: האם תצליח להפוך את פעילותה לממוקדת ורזה מספיק כדי לשרוד עד גיוס, רכישה או התאוששות עסקית – או שהלחץ הפיננסי יכריע את אחת ההבטחות הגדולות של שבבי ה-AI בישראל.

הפוסט היילו מפטרת כמחצית מעובדיה ותתמקד ב-Physical AI הופיע לראשונה ב-Chiportal.

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

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

שלב ראשון: צ’אטבוטים וכלכלת הטוקנים

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

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

שלב שני: Agentic AI הופך תשובה לתהליך עבודה

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

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

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

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

שלב שלישי: Physical AI יוצא מהדאטה סנטר

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

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

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

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

המסקנה: AI הופך לארכיטקטורת מערכת

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

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

הפוסט מצ’אטבוטים לרובוטים: שלוש קפיצות המחשוב של עידן ה-AI הופיע לראשונה ב-Chiportal.

אוניברסיטת בן־גוריון בנגב הודיעה על כוונתה לפתוח בשנת הלימודים תשפ"ז תוכנית לתואר ראשון (B.Sc) בבינה מלאכותית, בכפוף לאישור המועצה להשכלה גבוהה. מדובר במהלך שמטרתו להעניק הכשרה ממוקדת בתחום שהפך בשנים האחרונות לאחד ממנועי הצמיחה המרכזיים של תעשיית ההייטק והמחקר.

עד כה נלמדה הבינה המלאכותית ברוב המוסדות האקדמיים בישראל כחלק מתואר במדעי המחשב, באמצעות קורסי בחירה או מסלולי התמחות. התוכנית החדשה מבקשת להפוך את התחום לליבת התואר כולו, תוך שילוב קורסים במדעי המחשב, מתמטיקה, סטטיסטיקה ולמידת מכונה לצד נושאים מתקדמים כגון למידה עמוקה, מודלים גנרטיביים, עיבוד שפה טבעית וראייה ממוחשבת.

התוכנית אמורה לפעול במסגרת הפקולטה למדעי המחשב והמידע באוניברסיטה, ותהיה מבוססת על סגל החוקרים העוסק בבינה מלאכותית בתחומים שונים. בראש התוכנית צפוי לעמוד פרופ' ערן טרייסטר, חוקר בתחום למידת המכונה והחישוב המדעי.

המהלך מגיע על רקע מחסור עולמי באנשי מקצוע בעלי הכשרה מתקדמת בבינה מלאכותית. חברות טכנולוגיה, מוסדות מחקר וגופי ממשל מגבירים בשנים האחרונות את הביקוש למהנדסים וחוקרים בעלי הבנה עמוקה של אלגוריתמים, מודלים גדולים ותשתיות חישוב מתקדמות.

עם זאת, מומחים בתחום מציינים כי השאלה המרכזית אינה רק פתיחת מסלולים חדשים, אלא גם התאמת תוכניות הלימודים לקצב ההתפתחות המהיר של התחום. טכנולוגיות שנלמדות כיום עשויות להשתנות בתוך שנים ספורות, ולכן נדרשת הכשרה המבוססת על יסודות מתמטיים ומדעיים לצד חשיפה לכלים העדכניים ביותר.

לדברי האוניברסיטה, התוכנית תסתמך על תשתיות מחשוב ייעודיות, לרבות אשכול חישוב מבוסס GPU המאפשר אימון והרצה של מודלים מתקדמים, וכן על מעבדות רובוטיקה ושיתופי פעולה עם חברות טכנולוגיה. בנוסף ייכללו בתוכנית קורסים העוסקים בהשלכות החברתיות והאתיות של הבינה המלאכותית, נושא הזוכה לתשומת לב גוברת בעולם האקדמי והרגולטורי.

פתיחת התוכנית משתלבת במגמה רחבה יותר בישראל, שבה מוסדות אקדמיים מנסים להרחיב את ההיצע בתחומי הבינה המלאכותית, מדעי הנתונים והסייבר, במטרה לענות על צורכי המשק ולחזק את מעמדה של ישראל בזירה הטכנולוגית העולמית.

עד לקבלת אישור המל"ג, טרם פורסמו היקף הקליטה הצפוי, תנאי הקבלה הסופיים או מספר המקומות שיוצעו במחזור הראשון.

הפוסט אוניברסיטת בן־גוריון מבקשת לפתוח תואר ראשון ייעודי בבינה מלאכותית 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.

המעבר של הבינה המלאכותית מהענן ומהדאטה סנטר אל העולם הפיזי — מכוניות, רובוטים, חיישנים ומערכות תעשייתיות — עמד במרכז אחת ההרצאות המרכזיות בסימפוזיון הטכנולוגי האירופי של TSMC, שהתקיים באמסטרדם. את ההרצאה נשא ז’אן־מארק שרי, מנכ"ל STMicroelectronics, שהציג את הדרך שבה החברה מתאימה את עצמה לעידן שבו השבב הבודד כבר אינו מספיק: הלקוחות מחפשים פתרונות מערכתיים, תוכנה, קושחה והבנה עמוקה של היישום הסופי.

בפתיחת האירוע הדגיש כריס תומאס, נשיא TSMC Europe, כי הבינה המלאכותית משנה את דרישות התכנון והייצור של שבבים כמעט בכל שכבות השוק. לדבריו, AI כבר אינה מוגבלת למרכזי נתונים ולהדרכת מודלים גדולים, אלא מתרחבת במהירות גם לקצה: סמארטפונים, כלי רכב, רובוטים, אבחון רפואי, חיזוי אקלים ומערכות מדעיות עתירות חישוב. כל אלה דורשים צפיפות חישוב גבוהה יותר, רוחב פס גדול יותר ויעילות אנרגטית טובה יותר.

TSMC הציגה באירוע גם את עומק הפעילות שלה מול השוק האירופי. לפי הנתונים שהוצגו, בשנה האחרונה שלחה החברה ללקוחות אירופיים יותר מ־1.2 מיליון שקולות פרוסות 12 אינץ’, סיפקה כ־900 מוצרים שונים והשלימה יותר מ־100 tape-outs חדשים — קצב השקול לכשני שבבים מורכבים שנכנסים לייצור מדי שבוע. לצד זאת הדגישה החברה את המשך ההשקעה באירופה: הקמת מפעל ESMC Fab 24 בדרזדן מתקדמת לפי התוכנית, ומרכז התכנון האירופי במינכן כבר החל לפעול, בין היתר בתחום פתרונות זיכרון ללקוחות אירופיים.

שרי קשר בין מגמות אלה לבין השינוי שעוברת STMicroelectronics עצמה. החברה, המעסיקה כ־50 אלף עובדים, מהם כ־10,000 במחקר ופיתוח, נפגעה ב־2025 מהאטה בשוק הרכב ומתיקון מלאים, אך לדבריו נמצאת כעת במסלול התאוששות וצמיחה. יעד החברה הוא להגיע להכנסות של כ־20 מיליארד דולר עד סוף העשור.

עם זאת, החלק המרכזי בהרצאה לא עסק רק במספרים, אלא בשינוי האסטרטגי. שרי תיאר מעבר מחברה המונעת בעיקר ממוצרים ורכיבים אל חברה שמבינה יישומים ומאפשרת אותם. במקום להציע רק מיקרו־בקרים, חיישנים, רכיבי הספק או רכיבים אנלוגיים, ST מבקשת להציע ללקוחות פלטפורמות מותאמות לבעיות מערכתיות: רכב חכם, ניידות, אנרגיה, אוטומציה תעשייתית ומכשירים מחוברים.

המונח המרכזי בהרצאה היה “בינה מלאכותית פיזית” — Physical AI. שרי הציג את התחום כשלב הבא לאחר התרחבות תשתיות ה־AI. בעוד שהכנסות רבות כיום קשורות לתשתיות חישוב, תקשורת והספק לדאטה סנטרים, הצמיחה העתידית תגיע לדבריו ממערכות שבהן AI פועל בתוך העולם הפיזי: רכבים חשמליים ואוטונומיים, רובוטים תעשייתיים, ממשקי אדם־מכונה ומערכות אוטומציה.

הנקודה המעניינת מבחינת ST היא הדמיון הארכיטקטוני בין התחומים האלה. רכב חשמלי מתקדם, רובוט תעשייתי ומערכת חכמה במפעל כוללים כולם מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, בקרים ורכיבי הספק. ההתלכדות הזו מאפשרת לחברה להשתמש בידע מערכת אחד בכמה שווקים, ולבנות פלטפורמות שניתנות להתאמה בין תעשיות.

בהתאם לכך, ST שינתה גם את המבנה הארגוני שלה. במקום חלוקה מסורתית לפי משפחות מוצרים בלבד, החברה מחזקת שיווק לפי ורטיקלים ומשלבת הנדסת מערכת בתחומי האנלוג, ההספק, החיישנים והמיקרו־בקרים. המטרה היא לא רק לשפר רכיב בודד, אלא להראות ללקוח כיצד שילוב רכיבים, תוכנה וקושחה משפר מדדי ביצוע של המערכת כולה.

שרי הדגיש גם את השימוש בתאומים דיגיטליים לצורכי פיתוח ואימון. לדבריו, ST משתפת פעולה עם שותפים כדי לאמן ארכיטקטורות של רובוטים ומערכות פיזיות באמצעות מודלים דיגיטליים של המערכת ושל הרכיבים עצמם. כך ניתן לקצר את תהליכי הלמידה והפיתוח, ולבחון מראש כיצד רכיבי ST משפיעים על ביצועי המערכת.

במקביל, החברה ממשיכה לשנות את מערך הייצור שלה. שרי ציין האצה במעבר לטכנולוגיות מבוססות סיליקון על פרוסות 300 מ"מ, התקדמות בטכנולוגיות רחבות פס אסור כמו סיליקון קרביד, והעמקת שיתוף הפעולה עם שותפי foundry, ובראשם TSMC, גם בצמתים מתקדמים יותר. המסר היה ברור: בעידן ה־AI, גם חברה שמחזיקה יכולות ייצור עצמאיות נדרשת לשלב בין ייצור פנימי, שותפויות foundry והבנה מערכתית של שוקי היעד.

המשמעות הרחבה יותר עבור תעשיית השבבים היא שהגל הבא של AI לא יימדד רק במספר מאיצים בדאטה סנטר או בדור הבא של ליתוגרפיה. הוא יימדד ביכולת לחבר חישוב, חישה, הספק, תוכנה וקישוריות למערכות אמינות, חסכוניות וניתנות לייצור בהיקפים גדולים. עבור אירופה, שבה קיימת מסורת חזקה ברכב, תעשייה, אנרגיה וחיישנים, זהו חלון הזדמנות משמעותי — בתנאי שהאקוסיסטם יצליח לחבר בין יצרני שבבים, חברות תכנון, foundries, יצרני מערכות ולקוחות קצה.

הפוסט מנכ"ל STMicroelectronics: הצמיחה הבאה של הבינה המלאכותית תגיע מהרכב, הרובוטיקה והתעשייה 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.