אנבידיה הסכימה להעמיד ערבות בהיקף של עד 105 מיליארד דולר כדי לתמוך בהקמת מרכז נתונים גדול עבור OpenAI במחוז פייק שבאוהיו. כך דיווחה רויטרס. בהודעה הרשמית של החברות לא נמסר סכום הערבות, אך נכתב כי אנבידיה תספק תמיכה פיננסית להבטחת הקרקע, אספקת החשמל והקמת מעטפת המבנים בשלב הראשון של הפרויקט.

הקמפוס, PORTS-Pike, יוקם ויופעל בידי SB Energy, חברה הנתמכת בידי סופטבנק, במסגרת חוזה שכירות ל־20 שנה עם OpenAI. הקיבולת הכוללת המתוכננת עומדת על עד 8 ג׳יגה־ואט של עומס מחשוב, כאשר השלב הראשון יכלול 4.25 ג׳יגה־ואט. לאנבידיה ניתנה אפשרות להרחיב את ההתקשרות ב־3.75 ג׳יגה־ואט נוספים.

אנבידיה תהיה הספקית הבלעדית של תשתיות המחשוב באתר. המרכז יתבסס על ארכיטקטורת DSX של החברה, הכוללת מעבדים גרפיים, מעבדים מרכזיים, ציוד תקשורת ותוכנה לניהול “מפעלי בינה מלאכותית”. הקיבולת צפויה להיכנס לפעולה בשלבים החל מ־2028.

לא רק מכירת שבבים

העסקה ממחישה שינוי במודל הפעילות של אנבידיה. החברה אינה מסתפקת עוד במכירת מאיצי AI ללקוחות, אלא משתמשת במאזן ובכוח הפיננסי שלה כדי להבטיח מראש קרקע, חשמל ומבנים שבהם יותקנו מערכותיה.

בנוסף לערבות, אנבידיה תשקיע 1.5 מיליארד דולר ב־SB Energy. ההשקעה מצטרפת למיליארד דולר שהזרימו קודם לכן OpenAI וסופטבנק לחברה לצורך הרחבת תשתיות האנרגיה ומרכזי הנתונים.

לפי רויטרס, הערבות אינה מכסה את מלוא עלות הפרויקט או את כל התחייבויותיה של OpenAI. היא חלה על חלק מתשלומי השכירות והחשמל וכן על התחייבות לשמירת ערך מינימלי של האתר. אם OpenAI לא תעמוד בתשלומים, אנבידיה עשויה להידרש לכסות חלק מהפער שבין הערך המובטח לבין הסכום שבעלת האתר תוכל לקבל ממכירתו או מהשכרתו ללקוח אחר.

המודל מעניק לאנבידיה יתרון נוסף: האתר מתוכנן מראש למערכותיה, ובהסכם נקבע שהיא תהיה ספקית המחשוב הבלעדית. מאחר שחומרת AI מוחלפת ומשודרגת בתדירות גבוהה, שליטה בתשתית ארוכת הטווח עשויה להבטיח לחברה ביקוש למספר דורות של מעבדים, מערכות תקשורת ופלטפורמות מחשוב.

מנכ״ל אנבידיה, ג׳נסן הואנג, העריך כי השלב הראשון של האתר עשוי לייצר לחברה הכנסות של עד 200 מיליארד דולר. לדבריו, מכירת ציוד ל־OpenAI בהספק מצטבר של 16 ג׳יגה־ואט עשויה להניב לאנבידיה הכנסות של עד 600 מיליארד דולר עד 2030. מדובר בתחזית של החברה ולא בהכנסות שכבר הובטחו.

שאלת המימון המעגלי

המעורבות הישירה של אנבידיה במימון לקוחותיה מעוררת גם שאלות בקרב משקיעים. מצד אחד, התמיכה מאפשרת להאיץ פרויקטים שנתקלים במחסור בחשמל ובהון. מצד שני, ספקית השבבים מממנת תשתית שתשמש לרכישת מוצריה שלה, ולכן חלק מהשוק רואה בכך תלות הדדית שעלולה להגדיל את הסיכון אם הביקוש לשירותי AI לא יצדיק את ההשקעות.

הואנג דחה את הטענה שמדובר במימון מעגלי. לדבריו, אנבידיה מנצלת את היקף פעילותה ואת הנראות ארוכת הטווח שלה כדי להבטיח תשתיות שיוכלו לשמש כמה דורות של מערכות מחשוב.

ההסכם מגיע כשבוע לאחר שאנבידיה ושישה גופי השקעה הכריזו על פלטפורמות שנועדו לגייס יותר מ־500 מיליארד דולר לתשתיות AI. העסקה באוהיו מספקת דוגמה מעשית לאופן שבו אנבידיה מבקשת להפוך מרכזי נתונים לנכסים שניתן לממן בדומה לפרויקטי אנרגיה ותשתית.

החשמל הופך לחלק משרשרת אספקת השבבים

כדי לתמוך בקמפוס מתכננות SB Energy וסופטבנק להקים לפחות 10 ג׳יגה־ואט של יכולת ייצור חשמל חדשה ולהשקיע לפחות 4.2 מיליארד דולר בתשתיות רשת אזוריות. היקף האנרגיה הנדרש ממחיש כי צוואר הבקבוק בהרחבת תשתיות AI אינו מוגבל עוד לאספקת מעבדים מתקדמים. קרקע, חיבור לרשת החשמל, קירור ומימון ארוך טווח הפכו לחלק בלתי נפרד משרשרת האספקה של תעשיית השבבים.

עבור אנבידיה, הערבות הגדולה היא הימור על כך שהביקוש למחשוב AI יישאר גבוה במשך שנים. עבור OpenAI, היא מספקת דרך להתחייב לקיבולת מחשוב עצומה בלי לממן מראש את מלוא הקמת האתר. הצלחת המודל תהיה תלויה בקצב הצמיחה של הכנסות OpenAI וביכולת של הקמפוס להצדיק השקעה בהיקף חסר תקדים.

הפוסט אנבידיה תעמיד ערבות של עד 105 מיליארד דולר למרכז הנתונים של OpenAI באוהיו הופיע לראשונה ב-Chiportal.

אנבידיה הכריזה על שותפויות אסטרטגיות עם שישה מגופי ההשקעה הגדולים בעולם, במטרה להרחיב את מקורות המימון הזמינים להקמת מרכזי נתונים ותשתיות מחשוב לבינה מלאכותית. החברה חתמה על מזכרי הבנות עם Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs ו־KKR, שבמסגרתם אמורות לקום פלטפורמות מימון עצמאיות.

על פי אנבידיה, הפלטפורמות נועדו לגייס לאורך זמן יותר מ־500 מיליארד דולר של הון מצדדים שלישיים. חשוב להדגיש כי אין מדובר בהשקעה יחידה בהיקף זה, בהתחייבות שכבר הועברה או בהכנסה ישירה לאנבידיה. זהו יעד מצטבר להון שהגופים הפיננסיים מקווים להעמיד לפרויקטים שונים של תשתיות AI.

כל אחד מהגופים יהיה אחראי לבחון ולממן פרויקטים באופן עצמאי. תהליך החיתום אמור להתבסס בין היתר על זהות הלקוח, הביקוש לשירותי המחשוב, שיעור הניצול הצפוי של התשתית ויכולת הפרויקט לייצר תזרים מזומנים. אנבידיה תספק את פלטפורמות המחשוב, התוכנה והרשת שעליהן יתבססו התשתיות.

השותפות נועדה לפתור את אחד החסמים המרכזיים בהתרחבות שוק הבינה המלאכותית: העלות הגבוהה של הקמת "מפעלי AI". מרכזים אלה דורשים לא רק מספר גדול של מעבדים גרפיים, אלא גם מערכות תקשורת מהירות, מתקני חשמל וקירור, מבנים ייעודיים ולעיתים אף הקמת מקורות אנרגיה חדשים.

המודל שמציגה אנבידיה מבקש להפוך תשתיות מחשוב לנכס שניתן לממן בדומה לפרויקטים גדולים בתחומי האנרגיה, התקשורת והנדל"ן. מאגרי הון ייעודיים שיוקמו בידי השותפים אמורים להציע ללקוחות אנבידיה מסלולי מימון להקמת תשתיות, במקום לדרוש מהם לממן את מלוא ההשקעה מתקציבם.

לדברי מנכ"ל אנבידיה, ג'נסן הואנג, "בעולם ה־AI, מחשוב הוא הכנסה". הטענה היא ששרתים ומעבדים אינם רק הוצאה טכנולוגית, אלא ציוד יצרני שמאפשר להפעיל שירותי AI ולגבות עליהם תשלום. אנבידיה מוסיפה כי פלטפורמת CUDA והיכולת להעביר עומסי עבודה בין מערכות שונות עשויות לסייע בשמירת הערך והשימושיות של ציוד המחשוב לאורך זמן.

המהלך מגיע גם על רקע הטענות בדבר מימון מעגלי בשוק הבינה המלאכותית — מצב שבו ספקיות טכנולוגיה משקיעות בלקוחות, והלקוחות משתמשים בכסף כדי לרכוש מהן ציוד. לפי אנבידיה, העובדה שגופים פיננסיים עצמאיים יבצעו חיתום פרטני לכל פרויקט אמורה ליצור הפרדה ברורה יותר בין ספקית פלטפורמת המחשוב לבין ההחלטה אם הפרויקט מוצדק מבחינה כלכלית.

עם זאת, מזכרי ההבנות עדיין כפופים להסכמים מפורטים ולבחינת הפרויקטים עצמם. היכולת להגיע ליעד של חצי טריליון דולר תהיה תלויה בביקוש בפועל למחשוב AI, בזמינות חשמל וביצועי מרכזי הנתונים, וגם ביכולתם של המפעילים להציג שיעורי ניצול והכנסות שיצדיקו את ההשקעה.

הפוסט אנבידיה ושישה גופי השקעה מקימים פלטפורמות מימון לתשתיות AI ביעד של יותר מ־500 מיליארד דולר הופיע לראשונה ב-Chiportal.

AMD וחברת הרשתות הישראלית DriveNets פרסמו ארכיטקטורת ייחוס משותפת להקמת קלאסטרים גדולים של בינה מלאכותית, המשלבת את מאיצי AMD Instinct מסדרת MI350 עם פתרון התקשורת DriveNets AI Fabric.

ארכיטקטורת ייחוס אינה מוצר אחד הנמכר כמערכת סגורה, אלא תכנון טכני מאומת המגדיר כיצד ניתן לשלב את המעבדים, השרתים, כרטיסי הרשת, התוכנה ותשתית התקשורת למערכת מלאה. המטרה היא לקצר את תהליך ההקמה של קלאסטרים חדשים ולהקטין את הסיכון לבעיות תאימות וביצועים בעת חיבור רכיבים של ספקים שונים.

התכנון המשותף מבוסס על מאיצי AMD Instinct MI350, ובדיקות הביצועים בוצעו על קלאסטרים המצוידים במאיצי MI355X. בצד התקשורת משולבת ארכיטקטורת AI Fabric של DriveNets, המבוססת על Ethernet ומיועדת לחבר מספר גדול של מאיצים למערכת אחת.

לפי החברות, העבודה המשותפת כללה אופטימיזציה של מספר שכבות במערכת: סביבת התוכנה ROCm של AMD, ספריית התקשורת הקולקטיבית RCCL, תוספי הרשת, כרטיסי התקשורת, השרתים ומערכות הניהול והאורקסטרציה. הארכיטקטורה מיועדת הן לאימון מודלים והן להרצת מודלים בשלב ההסקה — Inference.

ניסיון להציע חלופה פתוחה יותר

המהלך משקף את הניסיון של AMD לבנות סביב המאיצים שלה מערכת אקולוגית שתאפשר לספקיות ענן ולמפעילי מרכזי נתונים להקים תשתיות AI מרובות ספקים. זאת, במקום להסתמך על מערך שבו מרבית רכיבי החומרה, התקשורת והתוכנה מגיעים מיצרן יחיד.

הארכיטקטורה תומכת בתקשורת Scale-out בין שרתים באותו קלאסטר, וב־Scale-across לחיבור משאבי מחשוב או קלאסטרים שונים. היא כוללת גם את רשתות החזית והאחסון, כך שניתן להשתמש בתשתית רשת אחת למספר שכבות במרכז הנתונים.

DriveNets מסרה כי היא ו־AMD כבר פועלות עם לקוחות משותפים בפריסות ניסיוניות ובמערכות ייצור, ובהם ספקי תשתיות AI וחברות המכונות NeoClouds — מפעילות ענן המתמקדות באספקת משאבי עיבוד למודלים של בינה מלאכותית. שמות הלקוחות והיקף הפריסות לא פורסמו.

שיפור של 5% בתפוקה

על פי תוצאות הבדיקות שפרסמו החברות, המערכת המשותפת השיגה תפוקה גבוהה בכ־5% וזמן קצר ב־10%–15% עד להפקת הטוקן הראשון — מדד המכונה Time to First Token או TTFT — בהשוואה לתוצאות תעשייתיות הזמינות לציבור.

בבדיקות עומסי הסקה בקנה מידה של מספר שרתים דיווחו החברות גם על השהיה של פחות מ־20 אלפיות השנייה בין טוקנים ועל קצב מינימלי של 50 טוקנים בשנייה למשתמש. בדיקות עמידות הראו, לטענתן, כי הפרעות זמניות בקישורי הרשת לא גרמו לירידה נצפית ברוחב הפס או לעיכוב בהתאוששות.

עם זאת, הנתונים פורסמו בידי DriveNets ו־AMD, וההשוואה נעשתה מול תוצאות ציבוריות ולא במסגרת מבחן בלתי תלוי וזהה מול מערכת מתחרה. לכן יש לראות בהם בשלב זה נתוני יצרן.

ארווינד באלאקומאר, סגן נשיא להנדסת קלאסטרים גלובלית ב־AMD, אמר כי ביצועיו של קלאסטר AI תלויים ביעילות השילוב בין המחשוב, הרשת והתוכנה. לדבריו, התכנון המשותף מספק ללקוחות ארכיטקטורה מאומתת המבוססת על Ethernet, שמטרתה לשפר את ניצול המאיצים ולפשט את פריסת עומסי האימון וההסקה.

עידו סוסן, מייסד ומנכ״ל DriveNets, אמר כי שוק תשתיות ה־AI עובר בהדרגה ממערכות של ספק יחיד למערכות פתוחות ומרובות ספקים, וכי רשת התקשורת היא רכיב מרכזי במעבר הזה.

AMD הצטרפה למשקיעים ב־DriveNets

פרסום ארכיטקטורת הייחוס מגיע פחות מחודשיים לאחר ש־DriveNets השלימה סבב גיוס רביעי בהיקף של 410 מיליון דולר. הסבב הובל בידי Bessemer Venture Partners ו־Atreides Management, ו־AMD הצטרפה אליו כמשקיעה חדשה לצד Red Dot Capital והמשקיעים הקיימים פיטנגו ו־D1 Capital Partners.

הסבב הביא את סך ההון שגייסה DriveNets מאז הקמתה לכמיליארד דולר. החברה לא חשפה את השווי שנקבע לה בגיוס. לדבריה, הכסף מיועד בין היתר להרחבת המלאי וכושר האספקה שלה לנוכח הגידול בביקוש לתשתיות תקשורת עבור קלאסטרי AI גדולים.

DriveNets נוסדה בשנת 2015 ומפתחת מערכות תוכנה ותקשורת המאפשרות להפעיל רשתות גדולות באמצעות חומרה סטנדרטית, במקום מערכות קנייניות שבהן החומרה והתוכנה מגיעות מאותו ספק. החברה החלה את פעילותה בשוק מפעילות התקשורת, ובשנים האחרונות הרחיבה את המיקוד שלה לתשתיות עבור מרכזי נתונים ובינה מלאכותית.

הפוסט AMD ו־DriveNets מציגות ארכיטקטורת רשת לקלאסטרי AI מבוססי MI350 הופיע לראשונה ב-Chiportal.

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

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

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

מערכות Vera Rubin ורשת Spectrum-X

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

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

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

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

44 חברות וארגונים משתתפים

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

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

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

יפן מבקשת למנף את יתרונה בתעשייה וברובוטיקה

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

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

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

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

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

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

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

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

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

מעמד שאינו ניתן כיום לישראל

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

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

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

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

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

החשש: זליגת טכנולוגיה לסין

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

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

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

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

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

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

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

לא שאילתה אחת אלא שרשרת של הפעלות

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

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

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

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

עד פי 153.7 בזמן התגובה

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

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

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

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

348 ואט־שעה לבקשה

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

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

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

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

תרחיש של כמעט 200 גיגה־ואט

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

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

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

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

תשואה חישובית פוחתת

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

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

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

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

עומס עבודה חדש למרכזי הנתונים

סוכני AI משלבים כמה סוגים של פעילות:

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

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

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

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

השלכות על תכנון שבבים

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

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

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

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

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

לא כל משימה דורשת מודל ענק

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

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

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

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

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

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

DOI:
10.1109/HPCA68181.2026.11408569

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

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

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

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

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

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

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

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

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

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

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

מארוול טכנולוגיות דיווחה על הכנסות שיא של 2.418 מיליארד דולר ברבעון הראשון של שנת הכספים 2027. מדובר בעלייה של 28% לעומת הרבעון המקביל אשתקד ושל 9% לעומת הרבעון הקודם. התוצאות ממחישות את השינוי שמתרחש בשוק השבבים סביב בינה מלאכותית: הצמיחה אינה מתרכזת רק במאיצים ובמעבדים הגרפיים, אלא גם בשכבות התשתית שמאפשרות למרכזי הנתונים להעביר, לנתב ולעבד כמויות מידע גדלות בקצבים גבוהים יותר.

ברמת הרווחיות, מארוול דיווחה על רווח נקי GAAP של 34.5 מיליון דולר, או 0.04 דולר למניה בדילול מלא. במונחי Non-GAAP דיווחה החברה על רווח נקי של 718 מיליון דולר, או 0.80 דולר למניה בדילול מלא. תזרים המזומנים מפעילות שוטפת הגיע ל־638.8 מיליון דולר, שיא רבעוני עבור החברה.

הנתון המרכזי בדוחות הוא המשך ההתרחבות של עסקי הדאטה סנטר. הכנסות התחום הגיעו לכ־1.833 מיליארד דולר, עלייה של 27% לעומת השנה שעברה ושל 11% לעומת הרבעון הקודם. תחום זה היווה ברבעון כ־76% מהכנסות החברה. לפי מארוול, הביקוש מונע על ידי הצורך בקישוריות מהירה יותר בין שרתים, מאיצים, זיכרון ורשתות, לצד פתרונות אופטיים ומתגי Ethernet לדאטה סנטרים גדולים.

לא רק מאיצי AI

הדוחות של מארוול מצטרפים למגמה רחבה יותר בתעשייה: ככל שמודלי AI ומרכזי הנתונים שמריצים אותם גדלים, נוצר צוואר בקבוק סביב תנועת הנתונים עצמה. מערכות AI גדולות דורשות חיבור מהיר בין אלפי ולעיתים עשרות אלפי רכיבי חישוב. לכן, לצד הביקוש למאיצי AI, עולה גם הביקוש לרכיבי אופטיקה, מיתוג, Ethernet, DCI ופתרונות מותאמים אישית.

מאט מרפי, יו"ר ומנכ"ל מארוול, אמר כי החברה רשמה ברבעון הכנסות שיא של 2.418 מיליארד דולר, וצופה הכנסות של כ־2.7 מיליארד דולר ברבעון השני. לדבריו, החברה רואה הזמנות חריגות הקשורות ל־AI, ולכן מעלה את תחזית ההכנסות לשנות הכספים 2027 ו־2028.

בין התחומים שמארוול מציינת כמנועי צמיחה נמצאים אופטיקה בקצבי 800G ו־1.6T לתשתיות Scale-out, מתגי Ethernet בקצב 51.2T, פתרונות אופטיים ל־Scale-up, מודולי קישוריות בין מרכזי נתונים, וכן פתרונות Custom XPU ו־XPU-attach.

רכישות לחיזוק פלטפורמת ה־AI

במהלך הרבעון השלימה מארוול את רכישת Celestial AI ואת רכישת XConn Technologies. שתי הרכישות משתלבות באסטרטגיה של החברה להרחיב את יכולותיה סביב קישוריות מתקדמת ותשתיות AI. בנוסף, החברה הודיעה לאחרונה על רכישת Polariton Technologies, שנועדה לחזק את פעילותה בתחום האופטיקה המתקדמת.

מארוול גם הודיעה על שיתוף פעולה אסטרטגי עם אנבידיה בתחומי אופטיקה, NVLink Fusion ו־AI-RAN. שיתוף הפעולה מציב אותה באחד האזורים הצומחים של שוק הדאטה סנטרים: החיבור בין תשתיות חישוב, תקשורת מהירה ורשתות מבוססות AI.

תחזית גבוהה יותר ל־2027 ו־2028

מארוול צופה כי ההכנסות ברבעון השני של שנת הכספים 2027 יעמדו על כ־2.7 מיליארד דולר, עם סטייה אפשרית של 5% למעלה או למטה. לפי נקודת האמצע של התחזית, מדובר בצמיחה של כ־35% לעומת השנה שעברה. החברה מעריכה כי קצב הצמיחה ימשיך להאיץ לאורך שנת הכספים 2027.

בנוסף, מארוול עדכנה כלפי מעלה את התחזית לשנת הכספים 2028 וצופה הכנסות של כ־16.5 מיליארד דולר, כ־1.5 מיליארד דולר מעל התחזית הקודמת. החברה מעריכה כי עסקי הדאטה סנטר יובילו את ההאצה, וכי תחום הקישוריות יצמח בקצב גבוה במיוחד.

במבט קדימה, מארוול מציינת ביקוש חזק ל־800G PAM4, האצה של פתרונות 1.6T בתשתיות Scale-out, צפי להכנסות שנתיות של יותר ממיליארד דולר בתחום רכיבי TIA ו־Driver בתוך כמה רבעונים, והתקדמות במודולי DCI ובפתרונות Switching לדאטה סנטרים.

התמונה שעולה מהדוחות היא של חברה שמנסה למצב את עצמה כספקית תשתית מרכזית בעידן ה־AI, לא דרך המאיץ עצמו בלבד אלא דרך שכבות הקישוריות, האופטיקה והמיתוג שמאפשרות למערכות AI גדולות לפעול בקנה מידה רחב.

הפוסט מארוול מדווחת על הכנסות שיא: תשתיות AI ממשיכות להזיז את מרכז הכובד של שוק השבבים הופיע לראשונה ב-Chiportal.

אנבידיה פרסמה תוצאות שיא לרבעון הרביעי של שנת הכספים 2026, שהסתיים ב־25 בינואר 2026. החברה דיווחה על הכנסות של 68.1 מיליארד דולר ברבעון, עלייה של 20% לעומת הרבעון הקודם ועלייה של 73% לעומת הרבעון המקביל אשתקד. בסיכום השנה כולה הגיעו ההכנסות ל־215.9 מיליארד דולר, עלייה של 65% לעומת שנת הכספים הקודמת.

המנוע המרכזי של הצמיחה היה שוב תחום מרכזי הנתונים. הכנסות החטיבה הגיעו ברבעון ל־62.3 מיליארד דולר, עלייה של 75% לעומת השנה שעברה. בסיכום שנתי הגיעו הכנסות מרכזי הנתונים ל־193.7 מיליארד דולר. המשמעות היא שרוב מוחלט של פעילות אנבידיה כבר אינו מגיע מכרטיסים גרפיים לצרכנים, אלא ממערכות חישוב, מאיצים, רשתות ותשתיות למרכזי נתונים של בינה מלאכותית.

גם הרווחיות נותרה חריגה. שיעור הרווח הגולמי לפי GAAP עמד ברבעון על 75%, והרווח המדולל למניה לפי GAAP הגיע ל־1.76 דולר. שיעור רווחיות כזה מצביע על ביקוש גבוה, על יתרון טכנולוגי ועל יכולת תמחור חזקה בשוק שבו לקוחות הענן וחברות הבינה המלאכותית ממשיכות לרכוש כמויות גדולות של חומרה.

הנתונים ממחישים את עומק השינוי שעברה אנבידיה. החברה, שהייתה מזוהה במשך שנים עם כרטיסים גרפיים לגיימרים ולתחנות עבודה, הפכה לספקית תשתית מרכזית של מהפכת הבינה המלאכותית. תחום הגיימינג עדיין צמח, אך הוא כבר משני בהיקפו לעומת פעילות מרכזי הנתונים. לפי ניתוח Tom’s Hardware, תחום הגיימינג היווה בשנת הכספים 2026 רק כ־11.45% מהכנסות החברה.

לצד המאיצים הגרפיים, אנבידיה מוכרת כיום מערכות שלמות הכוללות שבבים, רשתות, תוכנה וארכיטקטורות שרתים. כך היא נהנית לא רק ממכירת שבב בודד, אלא מהקמת שכבה שלמה בתשתית ה־AI. המגמה הזו בולטת במיוחד במעבר של השוק מאימון מודלים גדולים להרצתם בפועל, תהליך שמגדיל את הצורך במערכות חישוב יעילות, מהירות וחסכוניות יותר באנרגיה.

התוצאות גם מצמצמות, לפחות בטווח הקצר, את החשש מפני האטה חדה בביקוש לתשתיות בינה מלאכותית. לפי דיווחים כלכליים, החברה עקפה את תחזיות האנליסטים והציגה תחזית הכנסות של כ־78 מיליארד דולר לרבעון הבא. תחזית זו מצביעה על כך שהלקוחות הגדולים עדיין ממשיכים להשקיע בבניית מרכזי נתונים חדשים ובשדרוג תשתיות קיימות.

עם זאת, התלות של אנבידיה בשוק מרכזי הנתונים יוצרת גם ריכוז סיכונים. האטה בהשקעות הענן, מגבלות יצוא, תחרות מצד שבבים ייעודיים של ענקיות טכנולוגיה, או לחץ על מחירי המאיצים עלולים להשפיע על קצב הצמיחה בעתיד. בשלב זה, הנתונים מלמדים כי הביקוש עדיין חזק מאוד, אך גם כי החברה תלויה יותר מאי פעם בהמשך ההתרחבות של תשתיות הבינה המלאכותית.

בסיכום הרבעון והשנה, אנבידיה מציגה תמונה ברורה: הבינה המלאכותית אינה עוד תחום צומח בתוך החברה, אלא ליבת פעילותה. ההכנסות, הרווחיות והתחזית קדימה מציבים אותה במרכז שרשרת הערך של תעשיית ה־AI, משבבים ורשתות ועד מערכות מחשוב שלמות למרכזי נתונים.

הפוסט אנבידיה מסכמת שנת שיא עם הכנסות של 216 מיליארד דולר הופיע לראשונה ב-Chiportal.

חברת Niv-AI מתל אביב יוצאת מהפיתוח החשאי ומדווחת על גיוס סיד בהיקף של 12 מיליון דולר, במהלך שממקם אותה באחד מצווארי הבקבוק המרכזיים של עידן ה־AI: הפער בין עוצמת החישוב של מאיצי GPU לבין היכולת לספק להם חשמל באופן יעיל, מדויק ורציף. את הסבב הובילו Glilot Capital Partners ו־Grove Ventures, ובהשתתפות הקרנות האמריקאיות Arc VC, Encoded VC, Leap Forward ו־Aurora Capital Partners. לפי החברה, ההון ישמש להשקת פלטפורמת Power-Compute AI Stack, להרחבת צוות הפיתוח ולהקמת מעבדת מחקר בתל אביב שתדמה עומסי AI בתנאי חשמל מציאותיים.

הבעיה ש־Niv-AI מנסה לפתור אינה מחסור כללי בחשמל, אלא חוסר היכולת של מפעילי מרכזי נתונים להבין מהי צריכת החשמל האמיתית של עומסי AI. בניגוד לעומסי מחשוב מסורתיים, מאיצי GPU מודרניים מאופיינים בזינוקים חדים ומהירים מאוד בצריכת ההספק, לעיתים בפרקי זמן קצרים כל כך שמערכות הניטור הסטנדרטיות כלל אינן “רואות” אותם. התוצאה היא שמפעילי דאטה־סנטרים נערכים תמיד לתרחיש הקיצון, רוכשים קיבולת חשמל גבוהה יותר מזו שנחוצה בפועל, אך אינם מצליחים לנצל אותה באופן מלא. לפי החברה, לעיתים מדובר בכ־20%–30% מקיבולת החשמל שנותרת “כלואה” ובלתי מנוצלת.

כדי להתמודד עם הפער הזה פיתחה החברה שכבת מדידה ייעודית, המבוססת על חיישני הספק בתדר גבוה, שמסוגלים ללכוד את התנודות המהירות בצריכת החשמל של עומסי AI. על בסיס הנתונים האלה מייצרת המערכת פרופיל צריכה לכל יישום, מעין “חתימה אנרגטית” או “טביעת אצבע חשמלית”, ולאחר מכן מפעילה שכבת תוכנה שאמורה לתאם בזמן אמת בין עומסי החישוב לבין אספקת האנרגיה. במקום להאט את ה־GPU או “לחנוק” את הביצועים, המערכת מנסה להחליק את צריכת ההספק באמצעות הסטה מדורגת של עומסי העבודה, כך שניתן יהיה לנצל טוב יותר את התשתית הקיימת בלי לפגוע בתפוקה.

זהו ניסיון לגעת בבעיה שהופכת למרכזית יותר ויותר ככל שמרכזי AI גדלים. בשנים האחרונות הדיון סביב תשתיות בינה מלאכותית מתמקד לא רק בביצועי המעבדים או בזמינות של שבבים מתקדמים, אלא גם בעלות האנרגטית של הרצת המודלים. Niv-AI מבקשת לתפוס נישה שנמצאת בדיוק בתפר שבין תוכנה, חומרה ופיזיקה יישומית: לא עוד כלי לניהול עומסים בלבד, ולא עוד רכיב חשמלי, אלא מערכת בקרה מלאה שמחברת בין רשת החשמל לבין עומס ה־AI עצמו.

החברה הוקמה במאי 2025 בידי המנכ"ל תומר טימור וה־CTO אדוארד קיציס. לפי הדיווחים, השניים הם יוצאי יחידה 81 וסיירת מטכ"ל, ובצוות החברה עובדים מומחים בפיזיקה יישומית, הנדסת חשמל וארכיטקטורת מערכות מורכבות. בחברה מציגים את היתרון המרכזי שלה כיכולת לאחד באותו פתרון מומחיות מתחומי התשתיות החשמליות, שכבת ה־bare metal, עומסי ה־AI ומדידה פיזיקלית ברזולוציה גבוהה.

אם הטכנולוגיה של Niv-AI אכן תעמוד בהבטחה, היא עשויה לאפשר למפעילי דאטה־סנטרים להפיק יותר תפוקה מהקיבולת שכבר נרכשה והותקנה, במקום להמשיך ולהגדיל תשתיות חשמל בקצב יקר ואיטי. בעולם שבו כל GPU נחשב משאב יקר וכל מגה־ואט הפך למשאב אסטרטגי, לא בטוח שהמרוץ הבא יהיה רק על עוד שבבים — אלא על מי יידע להוציא מהם יותר, בלי לשלם בעודף על חשמל שלא באמת מנוצל.

הפוסט Niv-AI גייסה 12 מיליון דולר לפתרון צוואר הבקבוק האנרגטי של מרכזי AI הופיע לראשונה ב-Chiportal.