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.

תעשיית השבבים עומדת בפני שלב חדש במהפכת הבינה המלאכותית: מעבר מהענן וממרכזי הנתונים אל מכונות פיזיות, כלי רכב, מפעלי ייצור, רובוטים ומערכות אוטונומיות. כך אמר סאמיר וואסון, מנכ״ל MIPS העולמית, בהרצאה ששודרה בווידאו בכנס ChipEx2026.

לדבריו, במשך שנים שבבים היו בכל מוצר כמעט, אך רוב הציבור לא הבין עד כמה הם מרכזיים לחיי היום־יום, לכלכלה ולביטחון הלאומי. משבר שרשרת האספקה בתקופת הקורונה שינה את התמונה. מהפכת ה־AI האיצה עוד יותר את ההבנה כי גישה לטכנולוגיית שבבים, יכולת ייצור ושליטה בשרשרת האספקה הן כבר לא רק עניין עסקי. הן חלק מהתחרות על עצמאות טכנולוגית.

מהצ׳אטבוטים אל הרובוטים

וואסון תיאר את השלב הבא כמהלך מ־Chatbots to Robots. עד כה, עיקר תשומת הלב הופנתה למרכזי נתונים ולמאיצים גדולים שמריצים מודלים של בינה מלאכותית. אולם השלב הבא, לדבריו, יגיע כאשר אותה אינטליגנציה תעבור אל הקצה: לרכב, לרחוב, למפעל, לרובוטים, לטלפונים ולמערכות תעשייתיות.

המעבר הזה יחייב שינוי עמוק בעולם השבבים. במרכזי נתונים אפשר להפעיל מערכות גדולות, עתירות הספק ויקרות. במכונה פיזית התנאים שונים לחלוטין. יש מגבלות של הספק, חום, עלות, זמן תגובה ואמינות. לכן, לטענת וואסון, השוק יזדקק לפחות לשבבי מדף כלליים ויותר לשבבים שמותאמים לאלגוריתם, לעומס העבודה ולסביבת הפעולה.

הוא השווה את המהלך למה שכבר קרה במרכזי הנתונים. בעבר חברות רכשו בעיקר מעבדי מדף מספקים גדולים. עם עליית ה־AI, חברות ענק החלו לפתח חלק מהסיליקון בעצמן, משום שאלגוריתמים מותאמים דורשים חומרה מותאמת. לדבריו, תהליך דומה צפוי להתרחש כעת גם ברכב, ברובוטיקה ובתעשייה.

RISC-V כ״לינוקס של החומרה״

אחד המסרים המרכזיים בהרצאה היה המעבר לארכיטקטורות פתוחות, ובראשן RISC-V. וואסון תיאר זאת כ״לינוקסיזציה של החומרה״. כשם שלינוקס פתחה את עולם התוכנה למפתחים רבים יותר, כך RISC-V עשויה לפתוח את עולם החומרה לחברות רבות יותר.

RISC-V מבוססת על סט פקודות פתוח. המשמעות היא שחברות שונות יכולות להשתמש בשפה משותפת מול החומרה, אך עדיין לבנות מימושים ייחודיים ומוצרים מובחנים. לפי וואסון, הדבר יאפשר ליותר חברות לפתח שבבים מותאמים, במקום להסתמך רק על ספקים גדולים ועל קטלוג מצומצם של רכיבים קיימים.

לדבריו, RISC-V כבר אינו פרויקט אקדמי. הוא נמצא בשימוש מעשי במרכזי נתונים, במכשירים ובמערכות רכב. הוא אף ציין כי חלק ממערכות הבקרה של מאיצי Nvidia מבוססות על RISC-V, כדוגמה לכך שהתקן הפתוח כבר חדר לשימושים תעשייתיים משמעותיים.

לחוש, לחשוב, לפעול ולתקשר

וואסון חילק את עולם ה־Physical AI לארבע פעולות בסיסיות: לחוש, לחשוב, לפעול ולתקשר. כל מערכת אוטונומית צריכה לקלוט מידע מהסביבה, לעבד אותו, לקבל החלטה, להפעיל רכיבים פיזיים, ולתקשר עם מערכות אחרות או עם הענן.

ברכב אוטונומי, למשל, שלב החישה כולל מצלמות, מכ״ם ולידאר. שלב החשיבה כולל עיבוד AI וקבלת החלטות. שלב הפעולה כולל שליטה במנועים, בלמים או זרועות מכניות. שלב התקשורת מחבר את המערכת לענן ולמערכות חיצוניות. ככל שהמערכות הופכות חכמות יותר, כך עולה הצורך בשבבים שמסוגלים לבצע את כל הפעולות האלה בזמן אמת, בצריכת הספק נמוכה ובאמינות גבוהה.

להוריד את חסם הכניסה לשבבים מותאמים

וואסון הדגיש כי פיתוח שבבים מותאמים היה בעבר יקר מאוד ואיטי מאוד. לדבריו, פיתוח מיקרו־בקר מותאם יכול היה לעלות כ־50 מיליון דולר ולהימשך כמה שנים. המטרה של MIPS ו־GlobalFoundries היא להוריד את חסם הכניסה באמצעות תקנים פתוחים, פלטפורמות מוכנות, מודלים וירטואליים, שרשרת ייצור מוכחת ושילוב מוקדם בין חומרה לתוכנה.

לדבריו, היעד הוא לצמצם עלות טיפוסית מכ־50 מיליון דולר לכ־5 מיליון דולר, ולהפחית את משך הפיתוח מכארבע שנים לטווח של שישה עד שמונה חודשים. אחת הדרכים לכך היא פיתוח תוכנה עוד לפני שהשבב הפיזי מוכן, באמצעות פלטפורמות וירטואליות שמדמות את החומרה העתידית. כך אפשר להתחיל מוקדם יותר את עבודת התוכנה, שהיא לעיתים צוואר הבקבוק המרכזי במוצרי רכב ותעשייה.

וואסון ציין גם את חשיבות האקו־סיסטם. שבב אינו עומד לבדו. הוא זקוק למערכת הפעלה, כלי פיתוח, דיבאגר, תמיכה בתקני בטיחות, שרשרת ייצור ותוכנה משלימה. לדבריו, MIPS ו־GlobalFoundries פועלות לבנות סביבה כזו עבור שווקים ממוקדים כמו רכב, רובוטיקה ומערכות אוטונומיות.

המסר המרכזי של ההרצאה היה כי AI בקצה אינו רק הרחבה של מהפכת הענן. זהו שלב חדש, שבו יתרון תחרותי ייקבע גם לפי היכולת לפתח סיליקון מותאם, בטוח, יעיל ופתוח יותר. אם העשור האחרון היה העשור של מרכזי הנתונים, העשור הבא עשוי להיות העשור של המכונות החכמות.

הפוסט מנכ״ל MIPS העולמית ב־ChipEx2026: הבינה המלאכותית יוצאת מהענן אל המכונות הופיע לראשונה ב-Chiportal.

אילון מאסק, מנכ"ל טסלה ו־SpaceX, לא הגיע לבסוף לוועידה הבין־לאומית ה־9 לתחבורה חכמה שנפתחה היום באקספו תל אביב, אך השתתף בה מרחוק בשיחת וידיאו. מאסק, שהיה אמור להיות אורח הכבוד של הוועידה, אמר כי הוא מצפה לבקר בישראל בעתיד הקרוב, ושיבח את מעמדה של ישראל בתחום החדשנות. לדבריו, ישראל משיגה תוצאות יוצאות דופן ביחס לגודל האוכלוסייה שלה, והיא נמצאת בחזית העולמית של היזמות והטכנולוגיה.

הוועידה, The Samson International Smart Mobility Summit 2026, מתקיימת ביוזמת משרד התחבורה והבטיחות בדרכים ובשיתוף קרן היסוד. את מאסק ראיינה דניאלה גרא מרגליות, סמנכ"לית חדשנות ותחבורה חכמה במשרד התחבורה. השיחה עסקה בעיקר בעתיד הנהיגה האוטונומית, ברובוטקסי, בבינה מלאכותית וברובוטיקה, אך גלשה גם לחזון הרחב יותר של מאסק על SpaceX, Neuralink וחיים על מאדים.

רובוטקסי בישראל: הבטחה טכנולוגית, לא תאריך השקה

הכותרת המרכזית מבחינת השוק הישראלי היא הצהרתו של מאסק כי טכנולוגיית הנהיגה האוטונומית של טסלה צפויה להתרחב לישראל. לפי הדיווחים מהוועידה, מאסק אמר כי לטסלה כבר יש שירות רובוטקסי שפועל בטקסס, וכי הוא מעריך שהשירות יתרחב בשנה הקרובה למקומות נוספים, ובהם גם ישראל. עם זאת, הוא עצמו ציין כי אינו בטוח מהו מצב החקיקה בישראל, ולכן יש להתייחס לדברים כהצהרת כוונות ולא כהודעת השקה רשמית עם לוח זמנים מחייב.

ההבחנה הזו חשובה במיוחד. מערכת FSD של טסלה מוצגת על ידי החברה כיכולת נהיגה עצמית מתקדמת, אך במדינות רבות היא עדיין מוגדרת כמערכת המחייבת פיקוח של נהג. לפי דיווחים קודמים, משרד התחבורה כבר נתן לטסלה אישור לבחון בישראל את מערכת FSD בתנאים מפוקחים, כאשר נהג חייב להימצא ברכב ולהשגיח על פעולת המערכת.

במילים אחרות, הפער בין ניסוי מפוקח, הפעלה מסחרית של FSD, ושירות רובוטקסי מלא ללא נהג הוא פער רגולטורי, ביטוחי ותפעולי לא קטן. בישראל, עם כבישים צפופים, נהיגה עירונית אגרסיבית, תשתיות לא אחידות וריבוי משתמשי דרך פגיעים, המעבר הזה צפוי לדרוש בדיקות, הגדרות אחריות וחקיקה משלימה.

מאסק: בתוך עשור התחבורה תישען על AI

מאסק חזר בוועידה על הערכתו כי בתוך חמש עד עשר שנים רוב התחבורה תתבסס על בינה מלאכותית. לפי אחד הדיווחים, הוא העריך כי כ־90% מהתחבורה תהיה מונעת בידי מערכות AI. לדבריו, הכיוון ברור: כלי הרכב לא יהיה עוד מכונה שהאדם מפעיל, אלא מערכת חכמה שמסיעה את האדם.

מאסק הסביר כי טסלה בחרה בגישה שונה מזו של חלק ממתחרותיה. במקום להישען בעיקר על לידאר או מכ"ם, החברה מבססת את מערכת הנהיגה שלה על מצלמות ובינה מלאכותית, בדומה לאופן שבו אדם משתמש בראייה כדי להבין את סביבתו. לדבריו, גישה זו צפויה להיות בטוחה יותר מנהיגה אנושית.

במקביל, הדיווחים הבין־לאומיים על התקדמות הרובוטקסי של טסלה מצביעים גם על האתגרים. רויטרס דיווחה כי טסלה מפעילה שירותים אוטונומיים בכמה ערים בטקסס, אך גם ציינה כי לשירות היו קשיים תפעוליים, וכי מאסק ידוע בתחזיות שאפתניות במיוחד לגבי לוחות הזמנים של טכנולוגיות הנהיגה העצמית.

הישראליות של התחבורה החכמה

שרת התחבורה מירי רגב התייחסה בדבריה בכנס למערכת FSD ולתחום הנהיגה האוטונומית, ואמרה כי למערכות אלה עשויה להיות משמעות גדולה בצמצום טעויות אנוש, תאונות דרכים ועומסי תנועה. לדבריה, העומסים עולים למשק הישראלי כ־40 מיליארד דולר בשנה.

ההקשר הישראלי רחב יותר מטסלה בלבד. ישראל נחשבת זה שנים למרכז משמעותי של טכנולוגיות תחבורה חכמה, ראייה ממוחשבת, חיישנים, שבבים לרכב, סייבר לרכב ומערכות ניהול תנועה. מאסק ביקש לחזק את הנקודה הזו כשאמר כי ישראל היא אחת המדינות החדשניות בעולם, וכי היא צריכה להמשיך להיות בחוד החנית.

עם זאת, השאלה המעשית תהיה כיצד ישראל תאזן בין הרצון להיות שדה ניסוי מוקדם לטכנולוגיות תחבורה מתקדמות לבין הצורך לשמור על בטיחות הציבור. הפעלת רובוטקסי אינה רק עניין של תוכנה טובה יותר. היא דורשת הגדרת אחריות במקרה של תאונה, התאמת ביטוח, פיקוח על איסוף מידע, קביעת אזורי פעילות, ניהול תרחישי קיצון ושקיפות לגבי מגבלות המערכת.

מאסק הציג גם חזון רחב יותר שבו רובוטים דמויי אדם יהפכו לחלק מחיי היום־יום, ובינה מלאכותית תגדיל מאוד את התפוקה הכלכלית העולמית. לדבריו, בעתיד יהיו יותר רובוטים תבוניים מבני אדם, והם יוכלו לבצע משימות רבות טוב יותר מבני אדם. אך גם כאן, כמו בתחום הרכב האוטונומי, המרחק בין חזון טכנולוגי לבין יישום בטוח ומפוקח תלוי לא רק בקצב הפיתוח של טסלה, אלא גם ביכולת של מדינות ומוסדות רגולציה לעמוד בקצב השינוי.

הפוסט מאסק: טכנולוגיית הנהיגה של טסלה תגיע לישראל; הרגולציה תהיה מבחן המפתח הופיע לראשונה ב-Chiportal.

נייר עמדה חדש של האקדמיה הלאומית למדעים עשוי להיות בעל חשיבות מיוחדת לתעשיית השבבים והחומרה בישראל. ועדת מפת הדרכים למדע של האקדמיה ממליצה להקים קרן לאומית למדע יישומי, שתפעל לצד הקרן הלאומית למדע ותממן מחקרים אקדמיים בשלב שבו כבר קיים פוטנציאל יישומי, אך עדיין אין הוכחת היתכנות מספקת להשקעה תעשייתית מלאה. מבחינת תעשיית השבבים, זהו בדיוק אזור הדמדומים שבו נתקעים לא מעט רעיונות: חומרים חדשים, רכיבי חישה, ארכיטקטורות עיבוד, פוטוניקה, אלגוריתמים לחומרה, מערכות רובוטיות, בינה מלאכותית בקצה או חומרה חללית.

המסמך אינו עוסק רק בשבבים, ואינו מציע קרן ייעודית לתעשיית הסמיקונדקטורס. אך הוא נוגע בלב אחת הבעיות של התחום: הפער בין מחקר בסיסי מבטיח לבין מוצר הנדסי שאפשר להשקיע בו, לייצר אותו, לבדוק אותו ולשלב אותו במערכת. בתעשיית התוכנה אפשר לעיתים לבנות אב־טיפוס מהיר בתקציב מוגבל. בחומרה ובשבבים, המעבר מרעיון לתכנון, ממדידה במעבדה לאב־טיפוס, ומאב־טיפוס למסלול ייצור, יקר ומסוכן הרבה יותר. לכן שלב הוכחת ההיתכנות הוא קריטי במיוחד.

לפי נייר העמדה, הקרן המוצעת תתמוך במחקרים שעדיין נמצאים בשלב טרום־יישומי, המקביל בערך לרמת מוכנות טכנולוגית 2 בסולם TRL. כלומר, מדובר בשלב שבו הרעיון הטכנולוגי כבר מנוסח, ויש לו פוטנציאל יישומי, אך הוא עדיין לא בשל דיו למסלול מסחור רגיל. ההמלצה היא שהקרן תאפשר לחוקרים להגיש הצעות בתחומים שהם עצמם מציעים, מלמטה למעלה, ולא רק במסגרת אתגרים לאומיים שמוגדרים מראש. ההצעות יישפטו לפי מצוינות מחקרית, אך גם לפי פוטנציאל יישומי, מסחרי, ציבורי או חברתי.

החשיבות לתעשיית השבבים נובעת גם מן ההבחנה שמשרטט המסמך בין הקרן המוצעת לבין רשות החדשנות ומשרד המדע. רשות החדשנות מפעילה כבר היום מסלולים למחקר יישומי באקדמיה ובתעשייה, בתקציב שהגיע בשנת 2025 לכ־400 מיליון שקל. אבל המסלולים הללו מתמקדים בדרך כלל בזיקה לתעשייה, בהגשה דרך חברות היישום ובבחינה של פוטנציאל מסחרי. הקרן החדשה נועדה לתפוס שלב מוקדם יותר: רעיונות בעלי פוטנציאל טכנולוגי שעדיין אינם מוכנים לשותף תעשייתי ברור, אך גם אינם מחקר בסיסי טהור.

במילים אחרות, הקרן עשויה ליצור שכבת ביניים חדשה בין מענקי מחקר בסיסי לבין מסלולי חדשנות תעשייתיים. זהו מרחב חשוב במיוחד לתחומים כמו שבבים וחומרה עמוקה, שבהם פרויקט אקדמי יכול לדרוש ציוד מדידה, סימולציות, תכנון מערכות, בדיקות אמינות, תהליכי ייצור ניסיוניים או שילוב רב־תחומי של פיזיקה, חומרים, אלגוריתמיקה והנדסת חשמל. ללא מימון לשלב הזה, רעיונות רבים נשארים כמאמרים אקדמיים או כפטנטים מוקדמים, ולא מתקדמים למסלול שבו תעשייה יכולה לבחון אותם ברצינות.

הפיילוט שעליו מתבסס נייר העמדה ממחיש עד כמה התחומים הטכנולוגיים שולטים במאגר ההצעות. במחזור הראשון הוגשו 135 הצעות, ומתוכן נבחרו 50. כל הצעה זכתה במענק של עד 350 אלף שקל לתקופה של 18 עד 24 חודשים. התקציב המקורי שתוכנן לתוכנית היה 40 מיליון שקל בשנה במשך שלוש שנים, אך בפועל קוצץ, ולמחזור הראשון הוקצו 17.5 מיליון שקל בלבד.

לפי התרשים המופיע במסמך, רוב ההצעות הגיעו מתחומים בעלי זיקה ישירה או עקיפה לתעשיות טכנולוגיות: 28 הצעות באלגוריתמים, 28 בפיזיקה, מכניקה וחומרים, 15 בדאטה, 8 במים ואנרגיה, 18 במדעי החיים, מזון וחקלאות, ו־38 ברפואה וביוקונברג'נס. עבור CHIPORTAL, הנתונים החשובים במיוחד הם הופעתם של אלגוריתמים, חומרים ודאטה כקטגוריות מרכזיות. אלה תחומים שמזינים כיום את תעשיות השבבים, הבינה המלאכותית, החישה, הפוטוניקה, המחשוב בקצה והמערכות המשובצות.

עוד נקודה רלוונטית לתחום השבבים מופיעה בדיון על קרנות משרד המדע ועל סדרי העדיפויות הלאומיים לשנת 2026. בין התחומים שהוגדרו בעדיפות לאומית נכללים "חומרה מתקדמת", "חומרה חללית מתקדמת", "בטיחות בשימוש בבינה מלאכותית יוצרת" ו"ממשק רובוטיקה–בינה מלאכותית". אלה אינם מנוסחים כ"קרן שבבים", אך בפועל הם נוגעים בשרשרת הערך של תכנון חומרה, רכיבי עיבוד, מערכות חישה, בקרה, תקשורת, רובוטיקה ומערכות קצה חכמות.

הקרן החדשה אמורה להיות עצמאית יותר מן המסגרות הקיימות. לפי ההמלצה, היא תפעל באופן דומה לקרן הלאומית למדע, עם מועצה והנהלה אקדמית, ולא תהיה כפופה ישירות למשרד ממשלתי. זוהי נקודה חשובה לתחומי שבבים וחומרה, מפני שחלק מן המחקרים המעניינים ביותר אינם בהכרח מתיישבים מיד עם יעד לאומי מוגדר או עם צורך תעשייתי קיים. לעיתים דווקא חופש הבחירה של החוקרים הוא שמוליד כיוון חדש: חומר חדש, מבנה רכיב שונה, שיטת בדיקה חדשה או ארכיטקטורת חישוב שלא נולדה מתוך דרישת לקוח מוגדרת.

לצד זאת, המסמך אינו מתעלם מן הצורך במימוש. בחירת ההצעות אמורה להתבסס לא רק על מצוינות אקדמית אלא גם על סיכויי היישום. ועדות השיפוט יהיו מבוססות על אנשי אקדמיה, אך יתבססו גם על הערכות של גורמים מהתעשייה הרלוונטית באשר לסיכויי ההיתכנות. בכך הקרן מנסה לאזן בין שני עולמות שלעיתים מדברים בשפות שונות: האקדמיה, שמודדת איכות לפי חדשנות מדעית, והתעשייה, שמודדת ערך לפי יכולת להפוך ידע לרכיב, מערכת, מוצר או תהליך ייצור.

עבור תעשיית השבבים הישראלית, הקמת קרן כזו עשויה לסייע בכמה נקודות כשל מוכרות. הראשונה היא מימון מוקדם למחקרי חומרה לפני שיש חברה שמוכנה לשים כסף. השנייה היא חיזוק הקשר בין מעבדות אקדמיות לבין חברות תכנון שבבים, ציוד, חומרים ופוטוניקה. השלישית היא הכשרת תלמידי מחקר לא רק למחקר בסיסי, אלא גם לעבודה מול דרישות יישומיות: אבני דרך, מדדי הצלחה, בדיקות מערכת, אמינות, קניין רוחני והבנת שוק. הרביעית היא פתיחת דלת גם למכללות, שבהן עשוי להתפתח מחקר יישומי קרוב יותר לצורכי תעשייה אזורית.

עם זאת, יש גם סימן אזהרה. אם הקרן תישאר קטנה מדי, כפי שקרה בפיילוט לאחר קיצוץ התקציב, היא תתקשה לשנות את מבנה התמריצים באקדמיה. 17.5 מיליון שקל ו־50 מענקים הם התחלה, אך תחומי חומרה ושבבים דורשים לעיתים השקעות גבוהות יותר ממחקרים בתחומים רכים יותר. כדי להשפיע באמת על מעבר ידע מן האקדמיה לתעשיית השבבים, הקרן תצטרך תקציב יציב, מנגנון שיפוט מהיר יותר, יכולת לעקוב אחר אבני דרך, וקישור חכם למסלולי המשך של רשות החדשנות, תעשייה וקרנות השקעה.

המשמעות הרחבה יותר היא שמדינת ישראל מתחילה לזהות את החוליה החסרה בין מדע מצוין לבין טכנולוגיה תעשייתית. בתחום השבבים, החוליה הזו קריטית במיוחד. בלי מחקר בסיסי לא יהיו רעיונות חדשים. בלי מימון יישומי מוקדם, הרעיונות האלה עלולים לא לצאת מהמעבדה. הקרן הלאומית למדע יישומי, אם תוקם ותתוקצב כראוי, יכולה להפוך לכלי חשוב בבניית הצינור שבין מעבדות האוניברסיטאות והמכללות לבין הדור הבא של טכנולוגיות החומרה בישראל.

הפוסט האקדמיה הלאומית למדעים מציעה קרן חדשה לגישור בין מחקר שבבים לתעשייה הופיע לראשונה ב-Chiportal.

אילון מאסק חשף את Terafab, מיזם חדש לייצור שבבים שיוקם ב־אוסטין, טקסס, ויופעל במשותף בידי טסלה ו־SpaceX, עם זיקה גם לצורכי הבינה המלאכותית של xAI. לפי הדיווחים, מדובר במתחם ייצור מתקדם שאמור לתת מענה לביקוש הגדל לשבבים עבור רכב אוטונומי, רובוטיקה ומחשוב עתיר־ביצועים.

לפי רויטרס, המתחם יכלול שני מפעלי ייצור נפרדים. מפעל אחד יתמקד בשבבים עבור כלי הרכב של טסלה ועבור הרובוט האנושי Optimus. המפעל השני יתמקד בשבבים המיועדים לתשתיות בינה מלאכותית בחלל, כלומר מערכות חישוב שצריכות לפעול בתנאים קיצוניים של חום, קרינה וסביבה חללית.

מאסק הסביר כי הסיבה למהלך היא החשש שלו ממחסור עולמי בכושר ייצור שבבים. לדבריו, קצב ההתרחבות של תעשיית השבבים הקיימת אינו מספיק לצרכים העתידיים של טסלה, SpaceX ו־xAI. לכן, במקום להסתמך רק על ספקיות חיצוניות כמו TSMC, סמסונג ומייקרון, הוא מבקש להקים תשתית ייצור עצמאית שתספק לחברותיו שבבים ייעודיים בקנה מידה גדול יותר.

לפי ההצגה של מאסק, Terafab אינו מוצג כמפעל שבבים רגיל בלבד, אלא כחלק מאסטרטגיה רחבה של אינטגרציה אנכית: תכנון, ייצור והטמעה של שבבים בתוך האקוסיסטם של החברות שבשליטתו. הדגש הוא על שלושה תחומים שבהם הדרישה לכוח חישוב צפויה לעלות במהירות בשנים הקרובות: נהיגה אוטונומית, רובוטיקה דמוית־אדם ומערכות בינה מלאכותית גדולות. רויטרס דיווחה כי מאסק אף טען שהתפוקה המתוכננת של הפרויקט אמורה להגיע בסופו של דבר להיקף של טרה־ואט אחד של קיבולת חישוב בשנה.

במקביל להצגת Terafab בטקסס, מאסק רמז גם לחזון עתידי נפרד לגמרי: תשתית תעשייתית על הירח כחלק ממה שהוא מכנה “עיר צומחת מעצמה” על פני הירח, יעד שלדבריו עשוי להיות בר־השגה בתוך פחות מעשר שנים. לפי Axios, בהצגה הוקרנה גם אנימציה של שיגור לוויינים מבסיס ירחי — ניסוח מדויק יותר מאשר “לוויינים מבוססי ירח” — אך נכון לעכשיו לא פורסמה תוכנית מפורטת או מאושרת למפעל שבבים ירחי, ולכן נכון לראות בכך בשלב זה חזון עתידי כללי ולא פרויקט הנדסי קונקרטי כמו שני המפעלים באוסטין.

הפוסט מאסק מציג את Terafab: מתחם ייצור שבבים חדש בטקסס עבור טסלה, SpaceX ו־xAI הופיע לראשונה ב-Chiportal.