Synopsys ו־OpenAI הודיעו ב־30 בספטמבר על הסכם רב־שנתי לפיתוח GPT-Synopsys, מודל בינה מלאכותית ייעודי לתכנון שבבים. ההסכם כולל שימוש בכלי האוטומציה לתכנון אלקטרוני של Synopsys, פעילות מחקר ופיתוח משותפת, שיווק וחלוקת הכנסות.

לפי החברות, המודל מיועד ללמוד להפעיל את כלי התכנון, לנתח את פלטיהם ולבצע שינויים חוזרים בתכנון. מהנדסים יוכלו להגדיר יעדים כגון אופטימיזציה של הספק, ביצועים ושטח השבב, או השלמת בדיקות תזמון ואימות. סוכני הבינה המלאכותית יבצעו את התהליך, והתוצאות יועברו לבדיקת המהנדסים.

השירות המתוכנן יפעל על תשתיות OpenAI וישולב ב־Synopsys.ai ובפלטפורמת הסוכנים Synopsys Autopilot. הוא צפוי לכלול את משאבי המחשוב, המודל ורישיונות התוכנה בחבילה משותפת. החברות מסרו שכבר מתקיימת עבודה טכנולוגית ראשונית עם לקוחות בתעשיית השבבים.

סוגיית הסודיות משמעותית במיוחד בענף שבו קובצי התכנון מכילים קניין רוחני מרכזי. לפי ההודעה, נתוני הלקוחות לא ישמשו לאימון המודל, ויוצפנו בעת אחסון והעברה. השירות יכלול גם בקרות הרשאה, תיעוד וניהול משך שמירת הנתונים.

ההכרזה מתייחסת למודל ולשירות שבפיתוח. החברות לא מסרו בה מועד לזמינות מסחרית רחבה או מדדי ביצועים כמותיים המאפשרים להעריך את החיסכון בזמן התכנון.

תגיות:

הפוסט המהפיכה של Synopsys: הודיעה על שת"פ עם OpenAI במטרה לפתח כלים אוטונומים לתכנון שבבים הופיע לראשונה ב-Chiportal.

היכולת של בינה מלאכותית לכתוב קוד במהירות מעבירה את מרכז הכובד של הפיתוח אל שאלה ותיקה: איך יודעים שהתוצר עושה את מה שהוא אמור לעשות? לדברי פרופ׳ משה ורדי (Moshe Y. Vardi), מדען מחשבים ישראלי מאוניברסיטת רייס ביוסטון, זו אחת הסיבות לכך ששיטות האימות הפורמלי, שמילאו תפקיד חשוב בתכנון שבבים, זוכות כעת לעניין מחודש גם בעולם התוכנה.

״פעם הקידוד היה החלק הקשה. היום יש מלא קוד, אבל נשאר החלק היותר קשה: איך אתה יודע שהקוד עושה מה שהוא צריך לעשות?״, אומר ורדי בשיחה עם אבי בליזובסקי. ארבעים שנה אחרי המאמר שפרסם עם פייר וולפר (Pierre Wolper) על אימות אוטומטי של תוכניות באמצעות אוטומטים, הוא רואה הזדמנות חדשה לתחום שבו עסק במשך עשורים.

ורדי, זוכה פרס גדל לשנת 2000 עם וולפר, אינו מציע לראות בכתיבת קוד אוטומטית סוף לתהליך ההנדסי. מבחינתו, הקוד שנוצר הוא תחילתה של בעיית בקרת איכות: צריך להגדיר מה מצופה ממנו, לבדוק את התנהגותו ולברר אילו הבטחות באמת אפשר לתת לגביו.

לתכנן עיר עד רמת החלון הבודד

כדי להסביר את מורכבותו של תכנון שבב, ורדי משתמש בדימוי של תכנון עיר שלמה. ״תחשוב שאתה מתכנן את העיר ניו יורק ברמה של כל חלון בודד״, הוא אומר. המורכבות מחייבת דיוק שקשה לבני אדם לשמור עליו לאורך תהליך התכנון.

ורדי כתב את תוכנית המחשב הראשונה שלו בפורטרן ב־1970. כבר אז, הוא מספר, התברר לו הפער בין התחושה שהתוכנית כתובה נכון לבין התוצאה בפועל. אדם שמקבל הוראות יכול לעיתים להבין שהדובר התכוון למשהו אחר ולתקן את הטעות בעצמו. מחשב מבצע את ההוראות כפי שנכתבו.

בדיקות באמצעות הרצת המערכת על קלטים שונים הן חלק חיוני מהפיתוח. אבל בתכנון שבבים, מספר המצבים וצירופי האירועים עצום. לדבריו, אי אפשר לבנות את הביטחון בתקינות המערכת רק על ניסיון להריץ כל תרחיש אפשרי.

מכאן הצורך בשיטות משלימות, המבוססות על תיאור מתמטי של ההתנהגות הנדרשת ועל בדיקה אלגוריתמית שלה. הן מאפשרות לבדוק תכונות מוגדרות של התכנון ביחס למודל ולדרישות שנוסחו, בלי להסתפק באוסף דוגמאות שעברו בדיקה.

להפריד בין מה שהשבב צריך לעשות לבין איך עושים זאת

ההבחנה המרכזית בהסבר של ורדי היא בין מימוש לבין מפרט. שפת תכנות או שפת תיאור חומרה מתארת כיצד המערכת פועלת. מפרט הצהרתי מתאר את התכונות שהמערכת צריכה לקיים.

לדוגמה, אפשר לדרוש שמערכת לא תגיע למצב אסור, או שבקשה תקבל בסופו של דבר תגובה. הדרישה מתארת את ההתנהגות הרצויה, בלי להכתיב את כל צעדי המימוש. הגדרתה באופן מדויק מאפשרת לבדוק אם התכנון אכן עומד בה.

ורדי מדגיש שלא הוא המציא את הרעיון של אימות פורמלי. הוא מצביע על תרומתו של אמיר פנואלי (Amir Pnueli), שהביא את לוגיקת הזמן אל מדעי המחשב. לוגיקה זו מאפשרת לתאר תכונות של התנהגות לאורך רצף אירועים, ולכן התאימה לבדיקת מערכות הפועלות לאורך זמן.

תרומתם של ורדי וולפר הייתה בפיתוח גישה אלגוריתמית המבוססת על תורת האוטומטים. במאמרם מ־1986 הראו כיצד אפשר לתרגם דרישות לוגיות לייצוג שעליו ניתן לבצע בדיקות חישוביות. ורדי מסביר זאת באמצעות ההקבלה למהדר: כשם שמתרגמים שפה עילית לייצוג שהמחשב יכול לעבד, אפשר לתרגם גם דרישות ברמה גבוהה למבנים המתאימים לאימות.

מהמאמר המתמטי לכלי עבודה בתעשיית השבבים

המעבר מן הרעיון לכלי תעשייתי לא התרחש מיד. בתחילה, מספר ורדי, הייתה זו תוצאה מתמטית. בהמשך פותחו דרכי מימוש, והוא עבד במשך שנים עם אינטל כדי להביא את הגישה לרמת כלי פיתוח ולסייע בהפיכת שפות לתיאור דרישות לשפות המתאימות לתעשייה.

לדבריו, התקינה הייתה חלק חשוב בתהליך. כאשר שפה נשארת כלי פנימי של חברה אחת, השימוש בה מוגבל לסביבה מסוימת. תקן מאפשר לספקי כלי תכנון ואימות לתמוך בה ולמשתמשים להסתמך על תשתית רחבה יותר.

״זה מתחיל בפילוסופיה ונגמר בכלי עבודה״, הוא מתאר את המסלול. עבור קוראי תעשיית השבבים, זהו גם סיפור על הזמן שנדרש לרעיון יסודי להגיע לתהליכי עבודה ולכלי EDA, אוטומציה של תכנון אלקטרוני.

האימות הפורמלי אינו הבטחה גורפת שאין במערכת שום טעות. תוקף המסקנה תלוי במודל שנבדק, בדרישות שנוסחו ובהנחות העבודה. היתרון הוא האפשרות לתת תשובה שיטתית ומדויקת לשאלות שהוגדרו מראש.

מדוע היה קל יותר להצדיק את ההשקעה בחומרה

ורדי מסביר כי שיטות פורמליות נתפסו לאורך שנים כטובות אך יקרות. בתעשיית השבבים היה קל יחסית להצדיק את ההשקעה, משום שטעות שהתגלתה אחרי הייצור עלולה להיות קשה ויקרה לתיקון.

תוכנה אפשר לעיתים לעדכן באמצעות תיקון או גרסה חדשה. בחומרה, שינוי בתכנון עשוי לחייב מהלך מורכב הרבה יותר. ורדי מזכיר את פרשת טעות החילוק במעבדי פנטיום של אינטל כדוגמה למחיר של שגיאת תכנון.

לפי התיעוד ההיסטורי של אינטל, הפרשה התרחשה ב־1994 והובילה להחלפת מעבדים ולהוצאה חשבונאית של 475 מיליון דולר. הדוגמה ממחישה כיצד תקלה בחישוב, גם כשהיא מתגלה בתנאים מסוימים, יכולה להפוך לאירוע עסקי משמעותי.

הטענה הרחבה של ורדי היא שהשיקול אינו רק כמה עולה האימות. צריך להביא בחשבון גם את המחיר של תקלה ואת הקושי לתקן מערכת שכבר נמצאת אצל לקוחות.

AI כותבת את הקוד — ואולי תסייע גם לבדוק אותו

הבינה המלאכותית יוצרת כעת מצב שבו אפשר להפיק יותר קוד בפחות זמן, אך הצורך בבקרה אינו מצטמצם בהתאם. ורדי מצביע על הפער בין שטף הייצור לבין היכולת של צוותים לבדוק את התוצרים.

הוא מתאר עניין גובר בשימוש בשיטות פורמליות לבדיקת קוד שנוצר ב־AI. לצד זאת, עולה האפשרות להשתמש ב־AI גם כדי להוזיל את עבודת האימות עצמה. השאלה איננה רק האם מודל יכול לכתוב תוכנית, אלא כיצד אפשר לשלב אותו בתהליך שמפיק תוצאה אמינה ובת־בדיקה.

אין בכך הנחה שאפשר לקבל את תשובתו של מודל שני כהוכחה שהמודל הראשון צדק. במסגרת אימות פורמלי נדרשים מפרט ושיטת בדיקה שנותנים משמעות מוגדרת למסקנה. היכולת של AI לסייע בתהליך והיכולת לאמת את התוצאה הן שתי שאלות הקשורות זו בזו.

ורדי מספר שבכנס על שיטות פורמליות בפורטוגל חש תחושה של שינוי במעמד התחום: ״הרגע שלנו הגיע״. תחום שנחשב לעיתים יקר ומיוחד מקבל, לדבריו, תשומת לב רחבה יותר כאשר ייצור הקוד נעשה מהיר ונפוץ.

מהירות, עלות וחוסן

את שאלת האימות הוא מציב בתוך מתח רחב יותר בין יעילות לחוסן. השוק מתגמל פיתוח מהיר ועלויות נמוכות, אבל מערכות שעליהן נשענים משתמשים וארגונים צריכות להמשיך לתפקד גם כשהתנאים אינם אידיאליים.

״בסוף אנחנו צריכים מערכות שיהיו אמינות״, הוא אומר. היכולת להפיק קוד מהר יכולה להיות מועילה מאוד, אך היא אינה פוטרת מהצורך לברר אם הקוד מתאים לדרישות ואם ניתן להסתמך עליו.

מבחינת תעשיית השבבים, המסר הוא שידע שנצבר במשך עשורים על ניסוח דרישות ואימות התנהגות מקבל משמעות נוספת. כאשר AI מאיצה את שלב יצירת התכנון או הקוד, שאלת התקינות נשארת חלק מרכזי מהעבודה ההנדסית.

— סוף הכתבה —

מקור: שיחה של אבי בליזובסקי עם פרופ׳ משה ורדי, 4 באוקטובר 2026.
רקע מקצועי: הגישה לאימות אוטומטי של ורדי וולפר, 1986: https://www.cs.rice.edu/CS/Logic/Games/Research/index-bib.html
אימות הפרט ההיסטורי על פנטיום: https://timeline.intel.com/1994/pentium%27s-flaw

הפוסט פרופ׳ משה ורדי: AI מייצרת קוד במהירות, אך האתגר הוא לוודא שהוא נכון הופיע לראשונה ב-Chiportal.

מארוול ישראל השלימה תוכנית פנימית רחבת היקף שבחנה כיצד ניתן לשלב כלי בינה מלאכותית בתהליך פיתוח שבבים – מתחילת התכנון ועד לשלבי האימות וההשלמה.

במסגרת האתגר, שנקרא Chip-in-a-Click, השתתפו כ־170 מהנדסים ומהנדסות מ־22 צוותים במשך תשעה חודשים. לדברי החברה, המטרה לא הייתה רק לבנות כלי AI נקודתי, אלא לבדוק באילו שלבים בתהליך פיתוח שבבים יכולה הבינה המלאכותית לספק ערך ממשי מבלי לפגוע בדרישות הדיוק והאמינות של התעשייה.

ארבעה מהצוותים הגיעו לשלב הגמר והציגו את הכלים שפיתחו בפני פאנל שכלל בכירים מתעשיית הטכנולוגיה ומקרנות הון סיכון.

האתגר נערך על רקע החדירה המהירה של כלי AI לעולם פיתוח התוכנה, בעוד שבתכנון שבבים קצב האימוץ איטי יותר בשל הדרישות המחמירות לאימות, דיוק וחזרתיות. טעות שמודל תוכנה יכול לעיתים לתקן לאחר ההשקה עלולה להיות יקרה בהרבה כאשר היא מתגלה לאחר ייצור שבב.

לדברי ערן חרותי, מנכ"ל מארוול ישראל, כלי AI המיועדים לפיתוח שבבים חייבים לעמוד ברמות גבוהות במיוחד של דיוק ואמינות. לדבריו, האתגר נועד לבחון היכן ניתן לשלב את הכלים בצורה מעשית בתהליכי העבודה של מהנדסי החברה.

התוכנית הוצגה במסגרת אירוע CONNECT של מארוול ישראל. לדברי החברה, האירוע נולד בישראל ובהמשך אומץ גם באתרי פיתוח נוספים של מארוול ברחבי העולם.

המהלך משקף מגמה רחבה יותר בתעשיית השבבים: חברות EDA ויצרניות שבבים מנסות להשתמש בבינה מלאכותית כדי לקצר זמני תכנון, לאתר שגיאות מוקדם יותר ולבצע אופטימיזציה של חלקים בתהליך הפיתוח – אך עדיין תחת מערכות אימות קשיחות בהרבה מאלה המקובלות בפיתוח תוכנה רגיל.

תגיות:

הפוסט מארוול ישראל בוחנת כיצד AI יכול לקצר את תהליך פיתוח השבבים הופיע לראשונה ב-Chiportal.

חברת ההזנק Architect Labs חשפה מאיץ בינה מלאכותית בשם Redwood, שלטענתה תוכנן, אומת ותוכנת כמעט כולו בידי מערכת בינה מלאכותית בתוך פחות משבועיים. שני מהנדסי שבבים אנושיים הגדירו את המפרט והיעדים הארכיטקטוניים, ואילו המערכת יצרה את יתר רכיבי התכנון.

החברה טוענת כי המערכת יצרה מאפס את מודל הביצועים, קוד ה־RTL, סביבות אימות המבוססות על UVM, הוכחות פורמליות, קושחה, דרייברים וגרעיני חישוב מותאמים. לדבריה, לא נעשה שימוש בקניין רוחני קיים של מאיץ אחר ולא הייתה התערבות אנושית מתחת לרמת המפרט.

מדובר בטענה חריגה בענף שבו פיתוח מערכת על שבב מורכבת נמשך בדרך כלל שנים, מעסיק עשרות או מאות מהנדסים ועלול לעלות מאות מיליוני דולרים.

גרסה מצומצמת כבר פועלת על FPGA

Redwood מיועד להסקת מודלים בהשהיה נמוכה ובצריכת חשמל מוגבלת, בין היתר ברובוטים, ברחפנים ובמערכות בינה מלאכותית בקצה הרשת.

הארכיטקטורה מבוססת על מערך אריחים. כל אריח משלב ליבת בקרה מסוג RISC-V, מנועי מטריצות, יחידת עיבוד וקטורית וזיכרון מקומי בנפח 512 קילובייט. האריחים מחוברים ברשת פנימית שתוכננה להעברת נתונים בין מנועי החישוב בלי להעמיס על המעבד המארח.

גרסה מצומצמת בשם Redwood Nano הוטמעה על רכיב FPGA מסוג AMD Versal VPK180 ופועלת בתדר של 250 מגה־הרץ. בניסוי החברה היא הריצה את המודל Qwen3-0.6B בקצב ממוצע של 12.1 אסימונים בשנייה.

Architect Labs דיווחה כי כל אחד מבלוקי התכנון הגיע לכיסוי קוד ופונקציונליות של לפחות 95%, וכי המעבר הראשון מהדמיה לחומרת FPGA לא חשף תקלות. כל שינוי ארכיטקטוני נוצר מחדש, אומת והוטמע על ה־FPGA בתוך פחות מ־48 שעות.

ההשוואה לאנבידיה עדיין תיאורטית

Architect Labs מעריכה כי אם Redwood Nano ייוצר בתהליך המקביל ל־8 ננומטר של סמסונג, הוא יספק תפוקת פענוח גבוהה פי 1.75 מ־NVIDIA Jetson Orin Nano, בצריכת חשמל נמוכה פי 1.9. שילוב הנתונים אמור להניב שיפור של פי 3.4 בביצועים לוואט.

אלא שההשוואה מבוססת על הקרנה מתוצאות ה־FPGA אל שבב ASIC עתידי. Redwood עדיין לא עבר tape-out ולא יוצר במפעל שבבים. לפיכך, טרם נבדקו ביצועיו, צריכת החשמל שלו, תפוקת הייצור ואמינותו בסיליקון אמיתי.

החברה אומרת כי היא ממשיכה לפתח את התכנון עד לשלב GDSII ומתכוונת להעבירו לייצור ב־TSMC. היא לא מסרה מועד לביצוע ה־tape-out.

זהו הבדל מהותי: FPGA מאפשר לבדוק פונקציונליות ותוכנה, אך אינו מוכיח שהשבב המיוצר יעמוד בתחזיות התדר, ההספק והשטח.

ניסיון לשנות את תהליך התכנון כולו

כלי בינה מלאכותית כבר משמשים את חברות ה־EDA לשיפור הצבת רכיבים, ניתוב, אימות ואופטימיזציה של צריכת חשמל. Architect Labs מנסה ללכת צעד נוסף ולחבר את כל שלבי הפיתוח למערכת אחת, שבה המפרט הוא מקור האמת וממנו נוצרים במקביל החומרה והתוכנה.

המייסדים מכנים את החזון הזה „designless”: כשם שמודל ה־fabless אפשר לחברות לתכנן שבבים בלי להחזיק מפעל, אוטומציה של התכנון עשויה לאפשר לחברות תוכנה ולמפתחי יישומים ליצור מאיצים מותאמים בלי להקים צוות שבבים גדול.

Architect Labs נוסדה ב־2025 בידי אברהים חוסיין ואדיטיה סובדי. ביוני גייסה החברה 24 מיליון דולר בסבב Seed בהובלת Kindred Ventures, בהשתתפות משקיעים ובהם המדען הראשי של Google DeepMind, ג׳ף דין, ובכירים מ־OpenAI ומאנבידיה.

החברה אף הפעילה מודל Qwen על Redwood והשתמשה בו כדי לחפש שיפורים בתזמון ובגרעיני החישוב של הדור הבא. היא מציגה זאת כצעד ראשון לקראת תהליך שבו מודל AI מסייע לשפר את החומרה שעליה ירוצו דורות עתידיים של המודל.

עם זאת, המבחן החשוב יהיה ייצור השבב. רק לאחר tape-out, בדיקות סיליקון והשוואה עצמאית ניתן יהיה לקבוע אם קיצור זמן התכנון אכן מייצר מאיץ תחרותי ולא רק אב־טיפוס מרשים על FPGA.

סוף הכתבה

מקורות:

ההודעה והפרטים הטכניים של Architect Labs

המאמר הטכני על Redwood

בדיקת הטענות והסתייגויות מומחי תכנון שבבים – Business Insider

שדות התמונה:

מקור התמונה: Architect Labs, מתוך עמוד Redwood

כיתוב: תרשים ארכיטקטורת Redwood. החברה טוענת כי מערכת AI יצרה את תכנון החומרה, סביבת האימות והתוכנה בתוך פחות משבועיים. איור: Architect Labs

טקסט חלופי: תרשים ארכיטקטורה של מאיץ הבינה המלאכותית Redwood שפיתחה Architect Labs

שם הקובץ: architect-labs-redwood-ai-chip-architecture.jpg

הפוסט Architect Labs טוענת: מערכת AI תכננה מאיץ שבבים בתוך שבועיים הופיע לראשונה ב-Chiportal.

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.