קיידנס (Cadence) מרחיבה את השימוש בבינה מלאכותית מתכנון השבב הבודד אל המעגל המודפס ואריזת השבבים. החברה השיקה את AuraStack, מערכת המבוססת על בינה מלאכותית סוכנית ומתאמת בין כלי תכנון, סימולציה ואימות לאורך תהליך הפיתוח של PCB ואריזות מתקדמות.

AuraStack פועלת על גבי סביבת Allegro AI Studio של קיידנס. היא אינה מחליפה את כלי ה־EDA והסימולציה הקיימים, אלא משמשת שכבת תיאום המקבלת יעד הנדסי ומפעילה סוכנים המתמחים במשימות שונות. בין היתר, המערכת עוסקת בתכנון מבנה המערכת, ניהול אילוצים, שימוש חוזר בבלוקים קיימים, מיקום וניתוב, הכנה לייצור ובדיקות לקראת אישור סופי של התכנון.

המערכת משלבת גם ניתוח רב־פיזיקלי: בדיקה משותפת של ההתנהגות החשמלית, התרמית והמכנית של המוצר. יכולת זו נועדה לאתר בשלב מוקדם בעיות כגון התחממות, הפרעות אלקטרומגנטיות, פגיעה בשלמות האות וההספק, מאמצים מכניים ורגישות לרעידות. איתור בעיות לפני הייצור עשוי להפחית את הצורך בסבבי תכנון וייצור חוזרים של המעגל או האריזה.

הצורך בניתוח משולב גדל עם המעבר למערכות מרובות־שבבים ולאריזות הכוללות שבבונים, זיכרונות ומאיצים המחוברים במארז אחד. במערכות כאלה לא ניתן עוד להפריד לחלוטין בין תכנון השבב, המארז, המעגל המודפס, מערכת אספקת החשמל והקירור.

מייקל ג׳קסון, סמנכ״ל המו״פ לתכנון וניתוח מערכות בקיידנס, אמר כי תשתיות הבינה המלאכותית ייקבעו לא רק על ידי הסיליקון, אלא גם באמצעות המערכות המחברות, מספקות חשמל ומקררות אותו.

AuraStack מתבססת על מעבדי NVIDIA Blackwell ועל ספריות CUDA-X. לפי קיידנס, NVIDIA כבר משתמשת בכלי החברה כדי לבצע אוטומציה ומיטוב של תזרימי תכנון. קיידנס משתפת פעולה גם עם TSMC בהתאמת הכלים לתכנון מארזים המבוססים על טכנולוגיות 3DFabric של היצרנית הטייוואנית.

קיידנס טוענת כי AuraStack עשויה לקצר עד פי שניים את זמן ההגעה לשוק ולשפר עד פי 15 את תפוקת עבודת התכנון. החברה מציינת גם שיפור של עד פי 20 במהירות ניתוחים רב־פיזיקליים כאשר המערכת מופעלת עם מחשב Millennium M2000 שלה. אלה נתונים שפרסמה קיידנס על בסיס תרחישי שימוש נבחרים, ולא תוצאות של בדיקה בלתי תלויה; הביצועים בפועל צפויים להשתנות בהתאם לגודל ולמורכבות התכנון. ההכרזה הרשמית של קיידנס

AuraStack מצטרפת ל־ChipStack לתכנון ואימות שבבים דיגיטליים, InnoStack למימוש פיזי ו־ViraStack לתכנון אנלוגי ומותאם. קיידנס מבקשת ליצור באמצעותן רצף כלי Agentic AI המכסה את הדרך מתיאור השבב ועד למארז ולמערכת האלקטרונית השלמה.

המהלך משקף שינוי רחב יותר בענף ה־EDA: מעבר משימוש ב־AI לשיפור משימה בודדת, כגון מיקום רכיבים, למערכות שמתכננות ומבצעות רצף של פעולות הנדסיות. האחריות לאישור התכנון הסופי נשארת בידי המהנדסים וכלי ה־signoff הפיזיקליים.

הפוסט קיידנס מציגה מערכת Agentic AI לתכנון מעגלים מודפסים ואריזות שבבים הופיע לראשונה ב-Chiportal.

אפל מבצעת שינוי בצמרת מרכז המחקר והפיתוח שלה בישראל: רוני פרידמן, שניהל את הפעילות המקומית במשך כתשע שנים וחצי, יעבור להוביל את קבוצת Chip‑AI הגלובלית של החברה. את ניהול המרכז בישראל יקבל טל ענבר, מבכירי פעילות פיתוח השבבים של אפל בארץ.

על השינויים נמסר לעובדי החברה בהודעה פנימית ששלח סרי סנתנאם, סגן נשיא להנדסת סיליקון באפל. פרידמן וענבר ימשיכו לדווח לסנתנאם, כך שהמהלך אינו מסמן את עזיבתו של פרידמן אלא הרחבה של אחריותו מפעילות מקומית לתפקיד כלל־חברתי.

לדברי סנתנאם, בתקופת פרידמן השתתפו צוותי המרכז בישראל בהשקת שישה דורות של שבבי Apple Silicon למחשבי Mac, בתכנון השבב הייעודי הראשון של אפל למרכזי נתונים ובפיתוח פתרונות אחסון המשולבים במוצרי החברה. פרידמן היה גם בין מקימי פעילות Chip‑AI במהלך 2025, וכעת יתמקד בה במשרה מלאה.

AI ככלי לתכנון שבבים

למרות שמה, מהמידע הפומבי עולה כי Chip‑AI עוסקת בראש ובראשונה בשימוש בבינה מלאכותית כדי לשפר את עבודתם של מהנדסי השבבים — ולא בהכרח בפיתוח מאיץ AI חדש כמוצר נפרד. הקבוצה מפתחת מערכות המבוססות על מודלים גנרטיביים וסוכני תוכנה, שנועדו לבצע או להאיץ חלק מהמשימות המורכבות בתכנון, באימות ובבדיקת שבבים.

מודעות גיוס שפרסמה אפל בדצמבר 2025 בחיפה ובהרצליה מספקות הצצה לפעילות. החברה חיפשה מהנדסי למידת מכונה שיתכננו ויפרסו מערכות GenAI סוכניות לשימושם היומיומי של מהנדסי תכנון שבבים. התפקיד כלל פיתוח סוכנים, מערכות אחזור מידע ומסגרות להערכת אמינות וביצועים — במטרה להפוך מודלי שפה מכלי ניסיוני למערכת שאפשר להסתמך עליה בתהליכי הנדסה. מודעת הגיוס של אפל

המהלך תואם את הכיוון שסימן ג׳וני סרוג׳י, העומד בראש פעילות החומרה והשבבים של אפל. בנאום שנשא ב־2025 אמר סרוג׳י כי טכניקות של בינה מלאכותית גנרטיבית עשויות לאפשר לבצע יותר עבודת תכנון בזמן קצר יותר ולהגדיל משמעותית את פריון המהנדסים. הוא הדגיש גם את חשיבותן של מערכות EDA מתקדמות, דוגמת אלה שמפתחות קיידנס וסינופסיס, אשר משלבות בעצמן יכולות AI בתכנון ובאימות שבבים. רויטרס

מאנוביט לניהול המרכז הישראלי

טל ענבר הצטרף לאפל ב־2012, בעקבות רכישת חברת אנוביט הישראלית, שפיתחה בקרים וטכנולוגיות לעיבוד אותות עבור זיכרונות פלאש. מאז מילא שורה של תפקידי ניהול בפעילות הסיליקון המקומית.

לפי הדיווחים, ענבר הוביל פיתוח של כמה דורות של בקרי אחסון, מערכות על־שבב עבור Apple Watch ודגמי Pro, Max ו־Ultra ממשפחת מעבדי M. בתפקידו האחרון היה אחראי גם על פעילות הנדסת ה־SoC למרכזי נתונים. לאחר המינוי הוא ימשיך להוביל את קבוצות ה־SoC והאחסון, לצד האחריות הכוללת על מרכז המו״פ הישראלי.

המינוי משמר אפוא את הדגש ההנדסי בניהול המרכז הישראלי. ענבר מגיע מליבת פעילות השבבים והאחסון של אפל, בעוד פרידמן מקבל אחריות על תחום שהחברה מבקשת להטמיע לרוחב ארגון הסיליקון שלה.

אפל עדיין לא חשפה אילו מודלים מפעילה Chip‑AI, כמה עובדים משתייכים לקבוצה או באילו שלבים בתהליך תכנון השבב כבר נעשה שימוש בכלים שפיתחה. עם זאת, המינוי של מנהל מרכז המו״פ הישראלי להובלת הפעילות הגלובלית מצביע על כך שהחברה רואה בשילוב AI בתכנון שבבים תוכנית הנדסית ארוכת טווח ולא ניסוי נקודתי.

הפוסט רוני פרידמן יוביל את Chip‑AI באפל; טל ענבר ינהל את מרכז המו״פ בישראל הופיע לראשונה ב-Chiportal.

ממשלת הודו אישרה תקציב חדש של 1.28 טריליון רופי, שהם כ־13.3 מיליארד דולר, להרחבת התוכנית הלאומית לפיתוח תעשיית השבבים. ההחלטה התקבלה במסגרת השלב השני של India Semiconductor Mission, כחמש שנים לאחר שהמדינה השיקה תוכנית תמריצים ראשונה בהיקף של כ־10 מיליארד דולר.

שר האלקטרוניקה וטכנולוגיות המידע של הודו, אשוויני וישנאו, מסר כי התקציב ישמש להקמת מפעלי ייצור נוספים, פיתוח תכנוני שבבים וקניין רוחני, תמיכה במחקר ופיתוח וחיזוק שרשרת האספקה המקומית. הודו מבקשת לעבור בהדרגה ממעמדה כמרכז גדול לתכנון תוכנה ושבבים למדינה המחזיקה גם בתשתיות ייצור, הרכבה ובדיקה.

תוכנית ISM 2.0 מבוססת על שישה תחומי פעילות. הראשון הוא הרחבת תעשיית תכנון השבבים המקומית, לרבות פיתוח קניין רוחני, מערכות על שבב ומוצרים המיועדים לשוק המקומי והעולמי. התחום השני הוא תמיכה ביצרני ציוד, חומרים, כימיקלים וגזים הדרושים להפעלת מפעלי שבבים.

תחום נוסף הוא משיכת השקעות במפעלי ייצור לפרוסות סיליקון, מוליכים למחצה מרוכבים, רכיבים בדידים וצגים. במקביל מתכננת הממשלה להרחיב את פעילות ההרכבה, הבדיקה והמארזים, לרבות טכנולוגיות מארזים מתקדמות, תחום שבו הודו כבר הצליחה למשוך כמה השקעות בינלאומיות.

התוכנית כוללת גם השקעה במחקר ופיתוח, בניסיון להתקדם מעבר לתהליכי ייצור בטווח שבין 28 ל־110 ננומטר, וכן הרחבה של תוכניות ההכשרה. לפי נתוני הממשלה, 315 אוניברסיטאות בהודו כבר מאפשרות לסטודנטים להתנסות בתכנון שבבים באמצעות כלי EDA הנהוגים בתעשייה, וכ־68 אלף סטודנטים עברו הכשרה בתחום.

במסגרת השלב הראשון של התוכנית אישרה הודו 12 יחידות ייצור בהשקעה כוללת של יותר מ־17 מיליארד דולר. הרשימה כוללת מפעל סיליקון אחד, מפעל לסיליקון קרביד, מתקן משולב לייצור רכיבי גליום ניטריד וצגי MicroLED ותשעה מפעלי הרכבה ומארזים. כמה ממתקני ההרכבה כבר החלו בייצור מסחרי, ואילו מפעל השבבים הגדול הראשון במדינה צפוי להתחיל לפעול ב־2028.

בנוסף אושרו 24 מיזמי תכנון שבבים של חברות הזנק ועסקים קטנים ובינוניים. 105 חברות קיבלו גישה לכלי תכנון מקצועיים, והן מפתחות בין היתר רכיבים לתקשורת לוויינית, רחפנים, מצלמות, האינטרנט של הדברים, בינה מלאכותית, תקשורת ומונים חכמים.

הודו עדיין רחוקה מהיקפי הייצור של טאיוואן, דרום קוריאה וסין, והקמת תעשיית שבבים מלאה תחייב לא רק סבסוד מפעלים אלא גם פיתוח ספקים, תשתיות, כוח אדם וניסיון תפעולי. עם זאת, התקציב החדש מצביע על כך שהממשלה אינה רואה בתוכנית מהלך זמני, אלא מדיניות תעשייתית ארוכת טווח שנועדה להפחית את התלות ביבוא ולהגדיל את חלקה של הודו בשרשרת האספקה העולמית.

הפוסט הודו מקצה 13.3 מיליארד דולר להרחבת תעשיית השבבים הופיע לראשונה ב-Chiportal.

חברת ה־IP לשבבים סיוה (Ceva) הודיעה כי חברת תוכנה ופלטפורמת בינה מלאכותית אמריקנית גדולה, ששמה לא נמסר, בחרה בארכיטקטורת NeuPro-M שלה כבסיס למאיץ עצבי — NPU — בשבב AI מותאם אישית. השבב מיועד לדור הבא של התקני מחשוב חכמים, שבהם יופעלו מודלים של בינה מלאכותית ישירות במכשיר. (Ceva)

לפי סיוה, הלקוחה שולטת הן במערכת ההפעלה והן בפלטפורמת החומרה, ולכן מבקשת לבצע אופטימיזציה משותפת של כל המערכת — ממערכת ההפעלה והתוכנה ועד למאיץ ה־AI בשבב. NeuPro-M מיועד להרצת בינה מלאכותית יוצרת, מודלים רב־אופניים ויישומי AI סוכנית, תוך מגבלות הספק, שטח סיליקון ופיזור חום של התקני קצה.

מנכ"ל סיוה, אמיר פנוש, הגדיר את ההסכם כאחת מעסקאות רישוי ה־AI החשובות מבחינה אסטרטגית בתולדות החברה. חשיבות נוספת היא שהלקוח אינו יצרן שבבים מסורתי, אלא חברת תוכנה ו־AI שנכנסת לתכנון שבבים ייעודיים — מגמה המזוהה עם חברות כמו גוגל, מיקרוסופט, אמזון ומטא, אף שאין כרגע בסיס לזהות מי מהן היא הלקוחה.

הפוסט סיוה זכתה בעסקת רישוי לפיתוח שבב AI מותאם לחברת תוכנה אמריקנית גדולה הופיע לראשונה ב-Chiportal.

במכון להנדסת חשמל ופיזיקה יישומית באוניברסיטה העברית יקיים ביום ראשון ושני הקרובים האקתון VLSI, הממוקד בתכנון שבבים ובפיתוח חומרה להאצת חישובים. את האירוע מוביל פרופ' פרדי גבאי, חבר סגל המכון. זו השנה השנייה שבה מתקיים ההאקתון, שנועד לחשוף סטודנטים באופן מעשי לאחד התחומים המבוקשים בתעשיית השבבים: תכנון משולב חומרה־תוכנה.

בהאקתון ישתתפו כ-60 סטודנטים, שיתחלקו ל-30 צוותים. המשתתפים הם סטודנטים משנים ג' וד' ותלמידי תואר שני. במהלך 24 שעות הם יקבלו סביבת עבודה מבוססת FPGA, הכוללת מעבד RISC-V פתוח, ויידרשו לזהות רכיבים קריטיים באלגוריתם נתון — למשל ברשת נוירונים או בחישוב קריפטוגרפי — ולהעביר אותם למימוש חומרתי כמאיץ ייעודי.

האתגר אינו מסתכם בהשגת תוצאה עובדת. הצוותים ייבחנו גם לפי זמן הריצה, יעילות צריכת ההספק, ניצול שטח ה-FPGA, רמת היצירתיות ואיכות הפתרון ההנדסי. בכך מדמה ההאקתון, בקנה מידה לימודי, את המתח הקיים בתכנון שבבים אמיתי: הרצון לשפר ביצועים, תוך עמידה באילוצי שטח, הספק ולוחות זמנים.

לקראת ההאקתון התקיימו כמה מפגשי הכנה, שבהם הסטודנטים הכירו את סביבת העבודה, כלי הפיתוח, עקרונות תכנון המאיצים ושלבי התכנון. ההאקתון מוכר גם כקורס אקדמי בהיקף של שתי נקודות זכות, משום שהוא משלב כמה תחומים הנלמדים בדרך כלל בנפרד: ארכיטקטורת מחשבים, תכנון ב-Verilog, וריפיקציה, סינתזה ותכנון פיזיקלי.

לצד ההיבט האקדמי, האירוע נועד גם לחזק את הקשר בין האוניברסיטה לתעשייה. חברות ובהן אנבידיה, גוגל, AWS, אינטל וטוגה משתתפות כנותנות חסות וכמנטוריות, ונציגיהן ילוו את הסטודנטים במהלך העבודה. עבור הסטודנטים זו הזדמנות להתנסות בפתרון בעיה הנדסית תחת לחץ זמן; עבור התעשייה זו דרך להיחשף לכישרונות צעירים בתחום שבו קיים מחסור מתמשך במהנדסים מנוסים.

לדברי גבאי, החשיבות המרכזית של ההאקתון היא בכך שהוא מחבר בין הידע התאורטי שנלמד בקורסים לבין חוויית תכנון מלאה, שבה הסטודנטים צריכים לקבל החלטות הנדסיות, לעבוד בצוות ולהתמודד עם מגבלות מערכת אמיתיות. נתוני ההאקתון הקודם מצביעים על השפעה חיובית: 80% מהסטודנטים דיווחו כי ההשתתפות הגבירה את העניין שלהם ב-VLSI, וכמעט 90% המליצו לחבריהם להשתתף באירועים דומים בעתיד. ממצאי הפעילות הקודמת אף הוצגו במאמר בכנס ISCAS, אחד הכנסים המרכזיים בתחום המעגלים והמערכות.

ההאקתון משקף מגמה רחבה יותר באקדמיה להנדסה: מעבר מהוראה המבוססת רק על הרצאות ותרגילים ללמידה מבוססת פרויקטים. בתחום תכנון השבבים, שבו ההפרדה בין תוכנה, חומרה ותכנון פיזיקלי הולכת ומיטשטשת, התנסות כזו עשויה להיות מרכיב חשוב בהכשרת הדור הבא של המהנדסים.

הפוסט האקתון VLSI באוניברסיטה העברית: הסטודנטים יתכננו מאיצי חישוב על FPGA הופיע לראשונה ב-Chiportal.

רשות החדשנות ומפא"ת במשרד הביטחון מפרסמות קול קורא להקמת תשתית מחקר ופיתוח בתחום הפוטוניקה המשולבת, בהשקעה כוללת של עד 150 מיליון שקל. המהלך נועד לצמצם פער מרכזי בתעשיית הדיפטק והשבבים בישראל: הפער בין יכולות מחקר ותכנון מתקדמות לבין גישה מוגבלת לתשתיות ייצור, אינטגרציה, בדיקה ואימות.

פוטוניקה משולבת היא טכנולוגיה המאפשרת לשלב על גבי שבב אחד רכיבים אופטיים כגון לייזרים, מוליכי גל, מאפננים וגלאים. במקום להעביר ולעבד מידע רק באמצעות אותות חשמליים, שבבים פוטוניים עושים שימוש באור. היתרון הפוטנציאלי הוא מהירות גבוהה, צריכת אנרגיה נמוכה יותר, מיזעור, אמינות גבוהה ויכולת להשתלב במערכות תקשורת, מרכזי נתונים, חישה, עיבוד מידע ומכונות ייצור בתעשיית השבבים.

מתכנון וסימולציה עד אבטיפוס

הקול הקורא מיועד לתאגידים תעשייתיים או לקבוצות חברות. הגופים שיגישו הצעות יידרשו להציג תוכנית טכנולוגית, תוכנית עסקית, מודל הפעלה, מבנה שיתופי פעולה ותוכנית להנגשת התשתית למשתמשים מהתעשייה ומהאקדמיה. התשתית שתיבחר אמורה לספק מעטפת מלאה: תכנון, סימולציה, פיתוח אבטיפוס, אפיון, בדיקות, אריזה ותמיכה במעבר לייצור סדרתי בישראל או מחוץ לה.

לפי תנאי המהלך, תקופת ההקמה לא תעלה על 18 חודשים. בתוך 12 חודשים ממועד האישור תידרש התשתית להתחיל לספק חלק משירותי המו"פ, עוד לפני השלמתה המלאה. הדרישה הזאת חשובה במיוחד בתחום שבו זמני סבב ארוכים ועלויות ייצור גבוהות עלולים לעכב חברות צעירות כבר בשלבים מוקדמים.

התמיכה תינתן במסגרת קרן תשתיות המו"פ של רשות החדשנות. המענק יכסה 55% או 66% מהתקציב, למשך שלוש שנים. לאחר מכן צפויה התשתית לפעול כחברת שירותי מו"פ למטרות רווח.

פער תשתיתי בתעשיית הדיפטק

המשמעות המעשית של המהלך היא לא רק תמיכה במחקר, אלא ניסיון לבנות שכבת תשתית משותפת לתעשייה. חברות בתחום השבבים הפוטוניים זקוקות לגישה לתהליכי ייצור, ציוד בדיקה, יכולות אריזה ואינטגרציה של חומרים והתקנים שונים. ללא תשתית כזאת, גם רעיון מוצלח או תכנון מתקדם עלולים להיתקע בשלב שבין הוכחת היתכנות למוצר מסחרי.

דרור בין, מנכ"ל רשות החדשנות, אמר כי פוטוניקה משולבת צפויה להיות אחת מטכנולוגיות הליבה של תעשיית השבבים בשנים הקרובות. לדבריו, לישראל יש יתרונות במחקר, בפיתוח ובהון האנושי, אך נדרשות תשתיות מתקדמות שיאפשרו להפוך ידע למוצרים ולחברות צומחות.

תא"ל במיל' ד"ר דני גולד, ראש מפא"ת במשרד הביטחון, אמר כי פוטוניקה משולבת פותחת אפשרויות לפיתוח מערכות מתקדמות בעלות ביצועים גבוהים, וכי שיתוף הפעולה נועד לחזק יכולת לאומית שתשרת את המחקר, התעשייה והביטחון לאורך שנים.

תחום אסטרטגי בתעשיית השבבים

ההשקעה מגיעה בתקופה שבה תעשיית השבבים העולמית מחפשת פתרונות חדשים למגבלות ההספק, החום ורוחב הפס של מערכות מחשוב מתקדמות. פוטוניקה משולבת אינה מחליפה את כל עולם המוליכים למחצה, אך היא הופכת לרכיב חשוב יותר במערכות תקשורת מהירות, בחיבורים בין שבבים, במרכזי נתונים ובחישה מתקדמת.

עבור ישראל, המהלך יכול לסייע בבניית חוליה חסרה בין אקדמיה, סטארט־אפים ותעשייה. אם התשתית שתיבחר אכן תהיה נגישה, מהירה ובעלת סטנדרטים תעשייתיים, היא עשויה לקצר את הדרך של חברות ישראליות משלב התכנון לשבב עובד, ולהפחית את התלות בגישה נקודתית ויקרה לתשתיות מחוץ לישראל.

הפוסט רשות החדשנות ומפא"ת ישקיעו עד 150 מיליון שקל בתשתית לשבבים פוטוניים בישראל הופיע לראשונה ב-Chiportal.

Cadence ו־Intel Foundry הודיעו על הרחבת שיתוף הפעולה ביניהן סביב טכנולוגיות הייצור הבאות של אינטל, ובראשן Intel 14A. ההסכם, שנפרש על פני כמה שנים, נועד לחבר בין כלי התכנון, ה־EDA וה־Design IP של Cadence לבין פיתוח תהליך הייצור והאריזה של Intel Foundry, כדי להקל על לקוחות אינטל בתכנון שבבים מתקדמים למחשוב עתיר ביצועים ולמכשירים ניידים.

תכנון וייצור כבר לא מתקדמים בנפרד

במרכז ההסכם עומדת מתודולוגיית DTCO – Design Technology Co-Optimization. במקום לפתח תחילה תהליך ייצור ורק אחר כך להתאים אליו כלי תכנון, DTCO מחבר בין שני העולמות כבר בשלבים המוקדמים: כללי התכנון, ספריות ה־IP, מודלי הסימולציה ודרישות הביצועים נבנים ומתוקנים במקביל.

המטרה היא לשפר את שלושת המדדים המרכזיים של כל תהליך ייצור מתקדם: ביצועים, צריכת הספק ושטח שבב – PPA. ככל שהצמתים נעשים צפופים ומורכבים יותר, הפער בין מה שאפשר לצייר בכלי התכנון לבין מה שאפשר לייצר בפועל במפעל הופך לאחד הסיכונים המרכזיים בפרויקטים של שבבים.

Intel 14A כמבחן לאסטרטגיית הפאונדרי

Intel 14A הוא הדור שאמור להגיע אחרי Intel 18A, והוא חלק מרכזי בניסיון של אינטל לבסס את עצמה מחדש כשחקנית פאונדרי מתקדמת ללקוחות חיצוניים. באירוע Intel Foundry Direct Connect 2025 מסרה אינטל כי חילקה ללקוחות מובילים גרסה מוקדמת של PDK עבור 14A, וכי כמה לקוחות הביעו כוונה לפתח שבבי בדיקה על בסיס התהליך. אינטל גם ציינה כי 14A יכלול את PowerDirect, טכנולוגיית אספקת מתח ישירה הנשענת על PowerVia של Intel 18A.

בהודעת Cadence נאמר כי שתי החברות יעבדו יחד כדי להביא את Intel 14A למצב של PDKs מוכנים לייצור. כלומר, לא רק תמיכה תיאורטית בתהליך, אלא ערכת תכנון שמאפשרת ללקוחות להתחיל פרויקטים אמיתיים בביטחון גבוה יותר. ההסכם יכלול גם שימוש בתזרימי Agentic AI ובמוצרי הליבה של Cadence כדי לקצר זמני תכנון ולהפחית סיכונים.

חיזוק האקוסיסטם סביב אינטל

עבור Intel Foundry, ההסכם חשוב לא פחות מהטכנולוגיה עצמה. לקוחות פאונדרי אינם בוחרים רק תהליך ייצור; הם בוחרים אקוסיסטם שלם של כלי תכנון, ספריות IP, שירותי אימות, תזרים סופי ל־tape-out ויכולת להגיע בזמן לשוק. שיתוף פעולה עמוק עם ספקית EDA גדולה כמו Cadence הוא חלק מהמאמץ של אינטל להראות כי 14A לא יהיה רק צומת מתקדם על הנייר, אלא פלטפורמת תכנון שניתנת לשימוש על ידי חברות שבבים חיצוניות.

אנירוד דווגאן, נשיא ומנכ"ל Cadence, אמר כי הרחבת היחסים עם אינטל לשותפות עמוקה יותר היא “אבן דרך משמעותית” לשתי החברות. נאגה צ'נדראסקארן, סמנכ"ל בכיר ומנכ"ל Intel Foundry, אמר כי שילוב תהליכי הייצור והאריזה של אינטל עם כלי התכנון מבוססי ה־AI של Cadence יאפשר קו־אופטימיזציה עמוקה יותר עבור לקוחות הפאונדרי.

הפוסט Cadence ו-Intel Foundry מרחיבות שיתוף פעולה סביב תהליך Intel 14A הופיע לראשונה ב-Chiportal.

אבי סלמון , אוונגליסט החדשנות של אינטל הציג ב-ChipEx2026 מבט מעשי על אחד השינויים המעניינים שמתחילים להתרחש כיום בתעשיית השבבים: מעבר משימוש בבינה מלאכותית כמילת באזז כללית לשימוש יומיומי יותר בתהליכי תכנון, אימות ופיתוח חומרה. אם הקדימון להרצאה התמקד במקרה העבודה שבו מהנדס אחד הצליח, בעזרת AI, לבצע בתוך כשבועיים משימה שבעבר דרשה כמה סטודנטים במשך שני סמסטרים, ההרצאה עצמה חידדה נקודה רחבה יותר: השינוי אינו רק בקיצור זמן העבודה, אלא בשינוי תפקידו של המהנדס.

המסר המרכזי היה שה-AI אינו הופך את תכנון השבבים לפעולה אוטומטית ופשוטה. להפך. ככל שהכלים חזקים יותר, כך גדלה החשיבות של מי שמפעיל אותם. מהנדס חומרה צריך לדעת להגדיר את הבעיה, לפרק אותה לתת־משימות, לבקש מהמערכת תוצרים מדויקים, לבדוק אם הקוד או הלוגיקה אכן נכונים, ולתקן את הכיוון כאשר המודל מחזיר תוצאה שאינה מתאימה. במילים אחרות, ה-AI יכול להאיץ מאוד את העבודה, אך הוא אינו מחליף את ההבנה ההנדסית.

מהנדס כמכוון, לא רק כמבצע

בתהליכי תכנון שבבים יש שלבים רבים שאינם מסתכמים בכתיבת קוד. יש הגדרת דרישות, בחירת ארכיטקטורה, כתיבת לוגיקה, עבודה מול FPGA או סביבות סימולציה, בניית בדיקות, אימות התנהגות, טיפול במקרי קצה ותיעוד. חלק מהשלבים האלה כוללים עבודה סיזיפית וחוזרת, ולכן הם מתאימים במיוחד לסיוע של כלי AI. אבל דווקא משום שמדובר בתחום שבו טעות קטנה עלולה להיות יקרה מאוד, אסור לוותר על שכבת הבקרה האנושית.

בהרצאה עלו מושגים כמו logic design, validation, software, floating point calculation ו-FPGA. הם ממחישים שהדיון לא עסק רק בכתיבה כללית של טקסט או קוד, אלא באזור שבו תוכנה, חומרה, מתמטיקה ואימות נפגשים. זהו גם המקום שבו יתרונו של מהנדס מנוסה נעשה ברור: הוא יודע מתי תוצר נראה סביר אך אינו נכון, מתי יש צורך בבדיקה נוספת, ומתי המודל “ממציא” פתרון שאינו עומד בדרישות ההנדסיות.

אחד הלקחים החשובים הוא שהעבודה עם AI דומה פחות ללחיצה על כפתור ויותר לניהול תהליך. המהנדס אינו רק מבקש תשובה. הוא מגדיר את גבולות הבעיה, בוחן חלופות, מריץ בדיקות, מחזיר משוב למערכת ומוודא שהתוצאה משתלבת בתהליך התכנון הרחב. לכן, מיומנות העבודה עם AI הופכת בהדרגה לחלק מארגז הכלים של מהנדסי חומרה, לצד כלי EDA, סימולטורים ושפות תיאור חומרה.

בין חשיבה מהירה לחשיבה בודקת

בהרצאה הוזכר גם ההבחנה בין System 1 ו-System 2, המוכרת מספרו של דניאל כהנמן על חשיבה מהירה ואיטית. בהקשר של AI לתכנון שבבים, ההבחנה הזו מועילה במיוחד: כלי AI מסוגלים לייצר במהירות רעיונות, קוד, הסברים ותבניות עבודה. זו שכבת העבודה המהירה. אבל בתכנון שבבים אי אפשר להסתפק בכך. נדרש גם שלב איטי, ביקורתי ומבוקר יותר, שבו המהנדס בודק את ההיגיון, את הכיסוי, את הביצועים ואת ההתאמה לדרישות.

המשמעות היא שהשימוש הנכון ב-AI אינו מבטל את שלב האימות, אלא מעביר אליו משקל גדול עוד יותר. אם בעבר חלק גדול מזמן העבודה הוקדש לכתיבה ידנית של רכיבים, הרי שבעבודה עם AI יותר זמן עשוי לעבור לבדיקה, השוואה, תיקון והכוונה. זהו שינוי תרבותי לא פחות מטכנולוגי: המהנדס הופך ממי שמייצר כל שורה בעצמו למי שמנהל תהליך יצירה מואץ ומוודא שהוא עומד בסטנדרט הנדרש.

כאן גם נמצא ההבדל בין שימוש שטחי ב-AI לבין שימוש מקצועי. מהנדס שאינו מבין את התחום עלול לקבל תוצר משכנע למראה אך שגוי. מהנדס מנוסה, לעומת זאת, יכול להשתמש באותו כלי כדי להאיץ עבודה, להרחיב בדיקות, לנסות חלופות ולשפר תיעוד. לכן, ה-AI אינו מצמצם את הצורך במומחיות; הוא משנה את הדרך שבה המומחיות באה לידי ביטוי.

לא רק שבבים ל-AI, אלא AI לתכנון שבבים

ההרצאה של סלמון משתלבת במגמה רחבה יותר בתעשייה. בשנים האחרונות עיקר השיח עסק בשבבים שמריצים בינה מלאכותית: מעבדים, מאיצים, GPU, רכיבי תקשורת, זיכרון ותשתיות למרכזי נתונים. אבל כעת ה-AI נכנס גם לצד השני של המשוואה – אל תהליכי הפיתוח של השבבים עצמם.

זהו שינוי חשוב במיוחד בתקופה שבה מרכזי נתונים ל-AI דורשים ביצועים גבוהים יותר, רוחב פס גדול יותר, צריכת הספק נמוכה יותר ויכולת הרחבה בין מערכות רבות. מושגים כמו scale up ו-scale out, שעלו בהרצאה, אינם רק עניין של ארכיטקטורת מרכזי נתונים. הם משפיעים גם על סוג השבבים שיש לתכנן, על הממשקים ביניהם, על עומסי התקשורת, על הזיכרון ועל מערכות האימות שנדרשות כדי לוודא שהכול עובד יחד.

במובן הזה, AI יוצר דרישה לשבבים מורכבים יותר, ובמקביל מתחיל לספק כלים שעוזרים לתכנן אותם. התעשייה נכנסת למעגל שבו הבינה המלאכותית גם מגדילה את הצורך בחומרה מתקדמת וגם הופכת לחלק מתהליך העבודה שמאפשר לפתח חומרה כזו.

ההזדמנות והסיכון

עבור חברות כמו אינטל, המשמעות כפולה. מצד אחד, יש כאן אפשרות לשפר את יעילות הפיתוח, לקצר חלק מהשלבים ולסייע למהנדסים להתמודד עם עומס הולך וגדל של משימות. מצד שני, הטמעה לא זהירה של AI בתהליכי תכנון עלולה לייצר תחושת ביטחון מדומה. בתעשיית השבבים, תוצאה שנראית נכונה אינה מספיקה. היא חייבת לעבור אימות, סימולציה ובדיקה מול דרישות ברורות.

לכן, הגישה שהוצגה בהרצאה הייתה מעשית וזהירה. לא חזון שבו AI מתכנן שבב לבדו, אלא תהליך שבו מהנדס משתמש בו ככלי עבודה חזק. זהו כלי שיכול להאיץ כתיבה, להציע מבנים, לסייע בבדיקות, לנסח הסברים ולשפר תיעוד, אך אינו מחליף אחריות הנדסית.

הלקח המרכזי מההרצאה הוא שתעשיית השבבים אינה עומדת רק בפני שינוי במוצרים שהיא מפתחת, אלא גם בשיטת העבודה של מי שמפתחים אותם. מהנדסי שבבים יידרשו להבין לא רק חומרה, תוכנה ואימות, אלא גם כיצד לעבוד נכון עם מודלים של AI. מי שישלוט בשילוב הזה יוכל לעשות יותר, מהר יותר, ובמידת זהירות גבוהה יותר.

בסופו של דבר, השאלה אינה אם AI ייכנס לתכנון שבבים, אלא איך הוא ייכנס. ההרצאה של סלמון הציעה תשובה ברורה: לא כתחליף למהנדס, אלא כמכפיל כוח למהנדס שמבין היטב מה הוא עושה.

הפוסט אבי סלמון, אינטל, ב- ChipEx2026: ה-AI לא מחליף את מתכנן השבבים, הוא משנה את אופן העבודה שלו הופיע לראשונה ב-Chiportal.

קיידנס ואנבידיה הודיעו במסגרת Computex 2026 על שלב חדש בשילוב סוכני בינה מלאכותית בתהליכי תכנון ואימות שבבים. ההכרזה מתמקדת ב-ChipStack AI Super Agent של קיידנס, מערכת סוכני AI שמיועדת לבצע חלקים משמעותיים מתהליך אימות התכנון ברמת RTL, אחד השלבים הארוכים והיקרים בפיתוח שבבים מתקדמים. לפי קיידנס, המערכת הורחבה ליכולת שהיא מכנה Level 5 autonomy – כלומר ביצוע עצמאי של תהליכי תכנון ואימות מורכבים, תוך אפשרות למהנדסים לעקוב, לכוון ולהתערב בעת הצורך.

הטענה המרכזית של קיידנס היא שהמערכת יכולה לקצר מחזור אימות RTL טיפוסי, שאורך כחמישה שבועות, לפחות מיום אחד בסביבות פריסה מתקדמות – האצה של יותר מפי 40. ההדגמה מתבססת על הרצת מאות סימולציות דינמיות באמצעות כלי Cadence, ובהם Xcelium Logic Simulation ו-Jasper Formal Verification, במסגרת תהליכי אימות של אנבידיה. חשוב לציין כי מדובר בנתון שמקורו בהודעת החברה ובהוכחת היתכנות מוקדמת, ולכן הוא אינו בהכרח משקף כל תכנון, כל צוות או כל סביבת עבודה.

לא רק צ’אטבוט למהנדסים

החידוש שעליו מדברות קיידנס ואנבידיה אינו שימוש כללי במודל שפה גדול, אלא שילוב של סוכן AI עם כלי EDA קיימים ומאומתים. שכבת הבינה המלאכותית מנהלת את הרצף: הבנת מפרטים, תכנון בדיקות, הרצת סימולציות, ניתוח תוצאות, איתור כשלים והצעת תיקונים. עם זאת, הפעולות עצמן נשענות על מנועי האימות של קיידנס, ולא על “ניחוש” חופשי של מודל שפה.

המערכת מבוססת על פורטפוליו ה-EDA של קיידנס, על מודלי NVIDIA Nemotron, ופועלת בתוך NVIDIA OpenShell – סביבת הרצה מבודדת לסוכנים אוטונומיים, שנועדה לאכוף בקרת מדיניות, הרשאות וגישה מבוקרת לכלים, לתשתיות ולנתוני תכנון רגישים. עבור תעשיית השבבים, שבה קניין רוחני הוא נכס קריטי, השילוב הזה חשוב לא פחות מהאוטומציה עצמה.

צוואר הבקבוק של אימות השבבים

אימות RTL הוא שלב שבו בודקים אם התכנון הלוגי של השבב אכן מתנהג כפי שנדרש לפני המעבר לשלבים יקרים יותר של מימוש פיזי וייצור. ככל ששבבי AI ומערכות על שבב הופכים גדולים ומורכבים יותר, מספר הבדיקות, התרחישים והחריגות האפשריות גדל במהירות. כתוצאה מכך, צוותי הפיתוח משקיעים זמן רב בהרצת סימולציות, בניתוח תקלות ובתיקון מקרי קצה.

במובן זה, ChipStack אינו מחליף את המהנדסים אלא משנה את נקודת הכובד של עבודתם: פחות כתיבת בדיקות חוזרת, פחות ניהול ידני של רגרסיות ופחות חיפוש ידני אחרי מקור הכשל; יותר הגדרת מטרות, פיקוח על התהליך וקבלת החלטות ארכיטקטוניות. זו גם הדרך שבה קיידנס מציגה את המערכת – מעבר מ-AI שמסייע למהנדס, ל-AI שמבצע משימות הנדסיות מוגדרות תחת בקרה.

ד"ר זיאד חנא, מנכ"ל מרכזי הפיתוח של Cadence בישראל וראש תחום ה-AI בקיידנס העולמית, אמר כי “מורכבות הסיליקון של מערכות הבינה המלאכותית עולה על קצב הגידול של כוח האדם ההנדסי, ולכן האוטונומיה הופכת כיום לצורך קיומי ולא רק לתוספת רצויה. התעשייה שלנו מתמודדת עם מחסור מובנה במהנדסים; הטכנולוגיה החדשה שהצגנו הופכת את העבודה השוחקת והחזרתית של שלב האימות לאוטומטית, ומאפשרת למהנדסים להתמקד בחדשנות, בארכיטקטורה ובאסטרטגיה בעלת ערך גבוה יותר”.

קיידנס ציינה כי יכולות Level 5 של ChipStack, יחד עם מסגרת התיאום AgentStack, צפויות להיות זמינות ללקוחות Early Access במחצית השנייה של 2026. המשמעות היא שהטכנולוגיה כבר עברה שלב הדגמה משמעותי, אך עדיין תיבחן בשטח לפני שתהפוך לכלי סטנדרטי בתהליכי פיתוח שבבים רחבים.

הפוסט קיידנס ואנבידיה מציגות סוכן AI לאימות שבבים: מקצר מחזור RTL משבועות לפחות מיום הופיע לראשונה ב-Chiportal.

בינה מלאכותית משנה במהירות את הדרך שבה כותבים קוד, מנתחים מידע ומפתחים מוצרים. כעת היא מתחילה להיכנס גם לאחד התחומים המורכבים ביותר בעולם ההנדסה: תכנון שבבים. אבי סלמון מאינטל יציג בכנס ChipEx2026, שיתקיים ב-12 במאי באקספו תל אביב, שיטה מעשית לתכנון שבבים בעזרת AI, שבמסגרתה הצליח מהנדס אחד לבצע בתוך כשבועיים עבודה שבעבר דרשה חמישה עד שישה סטודנטים במשך שני סמסטרים.

הדוגמה שסלמון יציג אינה עוד הצהרה כללית על “AI שישנה את העולם”, אלא מקרה עבודה הנדסי. מדובר בתהליך שבו מהנדס מנוסה משתמש בכלי בינה מלאכותית כדי לפרק משימה מורכבת לשלבים, לנסח דרישות, לייצר רכיבי תכנון, לבדוק תוצרים, לתקן שגיאות ולהתקדם במהירות אל תוצאה שימושית. במקום צוות גדול שעובד חודשים על משימה מוגדרת, מתקבל תהליך מהיר בהרבה, שבו ה-AI משמש כמכפיל כוח למהנדס ולא כתחליף לו.

המשמעות עבור תעשיית השבבים עשויה להיות רחבה. תכנון שבב הוא תהליך ארוך, יקר ומרובה שלבים. הוא כולל הגדרת ארכיטקטורה, כתיבת קוד חומרה, בניית סביבות בדיקה, הרצת סימולציות, אימות פונקציונלי, איתור תקלות, אופטימיזציה ותיעוד. כל אחד מהשלבים האלה דורש ידע מקצועי עמוק, ניסיון ותשומת לב לפרטים. לכן, גם קיצור חלקי של משימות תכנון ואימות יכול להשפיע על לוחות הזמנים של פרויקטים, על עלויות הפיתוח ועל היכולת להביא שבבים חדשים לשוק מהר יותר.

הנקודה החשובה בהרצאה של סלמון היא שה-AI אינו מוצג כמהנדס עצמאי שמחליף את אנשי החומרה. להפך. השיטה נשענת על מהנדס שמבין היטב את תחום השבבים, יודע להגדיר את הבעיה, לזהות תוצרים שגויים, לבדוק את ההיגיון ההנדסי ולכוון את הכלים למקום הנכון. ה-AI יכול להאיץ כתיבה, בדיקה, השוואה וארגון של עבודה, אך האחריות המקצועית נשארת אצל האדם.

הנושא הזה מקבל חשיבות מיוחדת בתקופה שבה המורכבות של שבבים ממשיכה לגדול. מעבדים, מאיצי AI, רכיבי תקשורת ומערכות על שבב כוללים כיום מספר עצום של יחידות, ממשקים, מצבי פעולה ותרחישי בדיקה. במקביל, התעשייה מתמודדת עם מחסור במהנדסים מנוסים ועם לחץ גובר לקצר זמני פיתוח. בתנאים כאלה, כלי AI עשויים להפוך לחלק בלתי נפרד מארגז הכלים של מהנדסי חומרה, בדומה לכלי EDA ששינו בעבר את עולם התכנון האלקטרוני.

אחד השינויים המרכזיים הוא המעבר מעבודה ידנית ארוכה לעבודה מונחית יותר. מהנדס השבבים של השנים הקרובות יידרש לא רק לכתוב קוד RTL או לבנות סביבות אימות, אלא גם לדעת להפעיל מודלים של AI, לנסח להם משימות מדויקות, לבדוק את התוצרים, לשלב אותם בתהליך העבודה ולמנוע טעויות. במובן הזה, היכולת לעבוד נכון עם AI עשויה להפוך למיומנות הנדסית בסיסית.

עבור אינטל, הנושא משתלב בשאלה רחבה יותר: כיצד מטמיעים בינה מלאכותית לא רק במוצרים עצמם, אלא גם בתהליכי הפיתוח הפנימיים. אינטל היא אחת מחברות השבבים הגדולות והוותיקות בעולם, ופעילותה בישראל כוללת מרכזי פיתוח וייצור משמעותיים. הכנסת כלי AI לתהליכי תכנון ואימות עשויה לשנות לא רק את הקצב שבו מהנדסים עובדים, אלא גם את הדרך שבה צוותים מתארגנים סביב בעיות הנדסיות מורכבות.

סלמון צפוי להציג גישה מעשית וזהירה: AI יכול לקצר תהליכים, להאיץ משימות ולפתוח אפשרויות חדשות, אך הוא מחייב בקרה אנושית הדוקה. בתחום השבבים, טעות קטנה בתכנון עלולה להתגלות מאוחר מדי ולהפוך ליקרה מאוד. לכן, השימוש ב-AI אינו מבטל את הצורך באימות, בסימולציה ובשיקול דעת הנדסי. הוא משנה את הדרך שבה מגיעים אליהם.

המסר המרכזי הוא שתעשיית השבבים נמצאת בתחילתו של שינוי עמוק גם בצד הפיתוח, לא רק בצד המוצרים. הבינה המלאכותית אינה רק עומס עבודה חדש עבור מרכזי נתונים ומאיצים. היא הופכת לכלי עבודה של המהנדסים שמתכננים את השבבים עצמם. אם משימה שבעבר דרשה חמישה עד שישה סטודנטים במשך שני סמסטרים יכולה להתבצע על ידי מהנדס אחד בתוך כשבועיים, מדובר בסימן ברור לכך שתהליכי התכנון והאימות עומדים להשתנות במהירות.

הפוסט בלעדי: אינטל תציג לראשונה ב ChipEx2026 שיטה מהפכנית לתכנון שבבים באמצעות AI הופיע לראשונה ב-Chiportal.