“בלי סיליקון, AI היה נשאר מושג תיאורטי” פרקש נאריין, מנכ״ל Real Intent בפאנל בהנחיית מנכ"ל ASG שלמה גרדמן, השתתפו דב מורן ,מנהל קרן גרוב ונצ'רס, ד"ר פרקש נאריין, מנכ"ל חברת Real Intent ואורי תדמור, נשיא KLA ישראל וסגן נשיא KLA העולמית. במסגרת הפאנל המיוחד על בינה מלאכותית (AI) בכנס ChipEx2025, נשאלו שלושת בכירי תעשיית השבבים סדרת שאלות מפתח על ההשפעות ההדדיות בין AI לסיליקון, האתגרים בהטמעת טכנולוגיות חדשות, והעתיד של הענף כולו.

מה משפיע יותר – AI המוטמע בשבבים או השבבים המאפשרים AI?

דב מורן: “אי־אפשר להפריד בין שני הגורמים הללו, שכן הם מהווים מערכת אקולוגית משולבת. מצד אחד, ללא שבבים חזקים המסוגלים לבצע חישובים בקצב גבוה, אין יישום מעשי של אלגוריתמים מתקדמים שיוגדרו כ-AI. מצד שני, אלגוריתמים חכמים שמשתמשים בלמידת מכונה ובאינטליגנציה מלאכותית משפיעים עמוקות על תכנון חומרה, אופטימיזציה של תהליכים ופיתוח חומרים וחלקיקים חדשים. לכן, כל שינוי בתכנון השבב—בין אם מדובר בארכיטקטורת מעבד או במימוש הנדסי של רכיבי זיכרון—מניע שיפורים ביכולות ה-AI. במקביל, כל פיתוח אלגוריתמי חדש דורש התאמות בתשתית הסיליקונית, כך שכל אחד מעצבי התחום חייב לפעול בשיתוף פעולה הדוק עם חוקרי האלגוריתמים כדי למקסם את פוטנציאל החדשנות.”

ד"ר נאריין: “בימים אלה הסיליקון הוא ‘הדלק’ שמפעיל את מנועי ה-AI: ללא פלטפורמות חומרה המסוגלות לבצע עשרות טריליוני חישובים בשנייה, רוב אלגוריתמי הלמידה העמוקה היו נשארים בגדר ניסוי מדעי. בטווח הקצר, אין AI מעשי ללא שבבים מתקדמים, אך לטווח הארוך צפוי מצב שבו יוכלו אלגוריתמים חכמים להשפיע גם על תהליכי פיתוח וייצור השבבים עצמם—בעזרת ניתוח נתוני ייצור בזמן אמת, זיהוי דפוסים בלתי־אינטואיטיביים ואופטימיזציה דינמית של פרמטרים פיזיקליים. עם זאת, ברגע זה, אנחנו בעיצומו של מחזור שבו הסיליקון מוביל את ה-AI, אך השפעת ה-AI על עולם החומרה תתעצם ככל שנצבור יותר נתוני ייצור ונפתח כלים אנליטיים חזקים.”

אורי תדמור : “ב-KLA אנו עדים להשפעה הדדית ומתמשכת: מצד אחד, לקוחותינו מפתחים שבבים הכוללים HBM, אריזה תלת־מימדית ומבנים מורכבים שדורשים פתרונות yield ו-defectivity מתקדמים. מצד שני, אנו משלבים אלגוריתמים של למידת מכונה בכלי המטרולוגיה והבקרה שלנו כדי לייעל זיהוי פגמים ולחזות כשלי ייצור עוד בטרם קרו. התוצאה היא כי ה-AI שכבר מוטמע בתהליך הייצור מוביל לרמת דיוק ואמינות שנדרשים להמשך פיתוח שבבים מתקדמים, ואילו הצורך בשבבים עם ביצועים גבוהים ומאפייני חישוב מורכבים מדרבן אותנו לשכלל את אלגוריתמי ה-AI שלנו בכלי הניטור.”

אם הייתה לכם “כדור בדולח” ל-AI, כיצד הייתם משתמשים בו?

דב מורן: “בתור משקיע הון סיכון העוסק בטכנולוגיות עמוקות (deep tech), הכדור בדולח שלי היה משמש לחיזוי מגמות שוק חצי־מוליכים בטווח של חמש עד עשר שנים. הייתי שואל את הכדור מתי תגיע הערכת השווי של חברות דוגמת NVIDIA או TSMC לרמות קיצון, אילו טכנולוגיות יצרו מהפכות (כגון מעבר ל-2 ננומטר או שילוב neuromorphic), ואילו שווקים גאוגרפיים יובילו השקעות משמעותיות. הכוח הגדול של ה-VC הוא לראות סטארט-אפים בשלב מוקדם, ולוודא שההשקעה תממש את הפוטנציאל; הכדור בדולח היה מסייע לי לאמוד מראש אילו מיזמים יניבו תשואה גבוהה ואילו יתקעו את ענף ה-AI במבוי סתום.”

ד"ר נאריין: "אם הייתי מקבל מידע אנליטי מדויק מתחום ה-AI, הייתי מנצל אותו כדי לייעל את תהליכי ה-EDA שאנו מספקים ללקוחותינו: אילו תרחישי בדיקה יניבו פחות תקלות בשלב sign-off, באיזו תצורת RTL בשימוש חישובים מקבילים יוביל לביצועים מיטביים, ואיך להפחית את שטח הסיליקון הנדרש למעגל. בין אם מדובר בחיזוי זמן tape-out או באופטימיזציה של אוטומציה אנלוגית מבוססת למידת מכונה, היכולת להניח את הכדור לפני תחילת התהליך תעניק לנו יתרון תחרותי חד–משמעי.”

אורי תדמור: “בכדור הבדולח שלי הייתי מבקש תחזית על התפתחות תהליכי הייצור והבדיקות בעידן ה-3 ננומטר ומטה: באיזו מהירות יטמיעו foundries תהליכים חדשים, באילו תבניות אריזה אקטיביות יפחיתו defectivity בצורה דרמטית, ומה תהיה השילוב האופטימלי בין AI בענן לבין AI המוטמע בכלי הבדיקה. תשובות אלו יאיצו תכנון פיתוח כלים מותאמי AI, ימקמו את KLA בחוד החנית של טכנולוגיית ה-yield control ויספקו ללקוחותינו יכולות תובנה ובקרה לפני שיושקו הדורות הבאים של שבבים.”

אילו רעיונות פורצי דרך ראיתם אצל הסטארט-אפים וכיצד הם מתכננים לנצל AI?

דב מורן: “הרעיון שהכי תפס אותי הוא שילוב AI בפתרונות דיאגנוסטיקה רפואית: חברות שמשתמשות ברשתות עצביות לזהוי מוקדם של מחלות נדירות מתבססות על אוספי נתוני רנטגן, MRI וביוכימיה שמגיעים ממספר בתי חולים עולמיים, ומסוגלות לבצע אבחנה מדויקת בתוך שניות. במקום שמתלמיד רפואה יראה 50–100 חולים ביום, אלגוריתם טרained ב-AI רואה עשרות אלפי מקרים ומשפר את החלטות הרופאים. בנוסף, בחלק מהסטארט-אפים נבחנו פלטפורמות לזרז פיתוח תרופות על ידי חיקוי מולקולרי בינה מלאכותית, כך שתהליך אמריקה מסתיים תוך שנתיים במקום עשור, עם חסכון של מיליארדי דולרים.”

ד"ר נאריין: “בתחום התכנון עצמו, נחשפתי לחברות המפתחות מסלולי אוטומציה אנלוגית מבוססת למידת מכונה, שנותנות מהנדסים אפשרות להגדיר בפרמטרים גבוהי־רמה את מגבלות המעגל, ולקבל בעזרת AI הצעות לתכנון מבנים שמפחיתים רעש חשמלי ושיפור SNR ללא עריכת הסכמה ידנית של תאי ה-layout. הפתרונות הללו משתמשים בכמות אדירה של נתוני ניסוי, ולמידה על־ידי העברת לוחות סיליקון אמיתיים, ופותחים פתח למהפכה שתפחית באופן משמעותי את הזמן הדרוש לאפיון מעגלים אנלוגיים.”

אורי תדמור: “בחברות סטארט-אפ שהצגתי כלי ל-ML-driven defect detection בפאבים, ראינו גידול של למעלה מ-30% בזיהוי מוקדם של פגמים עוד בטרם הם גורמים לכשל. כמו כן, חברות שפיתחו AI-driven metrology adaptive sampling מצליחות להקטין את כמות ההדגימות הפיזיות על ופר על כל wafer ב-40%, תוך שמירה ואף שיפור של ה-yield. הפוטנציאל ליישם אלגוריתם חיזוי פגמים בזמן אמת בעזרת מצלמות תעשייתיות ושבבי עיבוד תמונה מוטמעים בכלי ה-inspection, מציג מהפכה פרוצדורלית ב-fab automation.”

פרקש, מהם האתגרים בהטמעת AI ב-IPs וב-design flow? האם בעתיד AI יעצב שבבים טוב יותר מהמהנדס האנושי?

“האתגר המרכזי הוא ניהול הסיכונים והאחריות: כדי לאמן מודל AI אמין דרושות כמויות עצומות של נתוני RTL והתנהגות post-layout, שהלקוחות לרוב אינם מוכנים לחשוף לספקים חיצוניים. ללא גישה ל-data sets רחבים, המודלים עלולים להציג תוצאות חריגות ולגרום לשגיאות בזיהוי בעיות timing או functional coverage, אך האחריות לכלי ולתקלות שנובעות ממנו נשארת על כתפי הספק. יתרה מזו, תהליך העדכון וה־re-training של המודל צריך להיות מתועד ובקרת איכות עליו קפדנית, כדי למנוע “drift” של הדיוק לאורך זמן. מסיבה זו פיתוח AI אמיתי בעולמות EDA מחייב תשתית שיתוף נתונים סגורה, אבטחת מידע ברמה גבוהה ומתודולוגיות אימות ו־rollback שיקחו בחשבון כישלונות אפשריים.”

“במחקר שהוזכר, העמידו בפני מודלים גנרטבייים הצעות לתכנון מעגל אנלוגי למול 5G שהיו בלתי־אינטואיטיביות ולרוב קרוּעש־המיתרי: מבנים דחוסים במיוחד עם יחסי W/L ייחודיים שנבדקו במעבדה והציגו ביצועים שעקפו תכנונים מסורתיים. עם זאת, מתוך עשרות הצעות רק חלק קטן עבד בפועל, ולעיתים כשל בצורה לא צפויה. זה מדגיש את הצורך ב”האדם שבמעגל” שיאמת, ידרג וישפר את המודל. בטווח של שנתיים–חמש, נראה AI כמשלים כוח עבודה אנושי, אך לא מחליף מהנדסים; הוא יגביר את Skew של ביצועים, יסייע באופטימיזציה מורכבת ויאפשר רעיונות חדשים, אך יידרש תהליך רגולציית ובקרה קפדן כדי לשלב תכנון “לא אינטואיטיבי” תוך שמירה על רמת אמינות וטעות נמוכה מאוד.”

אורי תדמור, כיצד AI ישפר את yield ו-defectivity בכלים שלכם? מה עוד ניתן לשפר בתהליכי ה-AI שלכם מעבר למטרולוגיה ובדיקות?

“ב-KLA אנו ממשיכים להטמיע אלגוריתמים של למידת מכונה במטרולוגיה ובבקרת תהליכים כבר למעלה מעשור. בשנים האחרונות, הוספנו מודולים מתקדמים ל-AI-driven pattern recognition, המסוגלים לזהות דפוסים עדינים של פגמים בתמונות הסורקות של wafers במהירות של מאות אלפי נקודות בדיקה לשנייה, ולא רק לדווח על קיומם אלא גם לדרג אותם לפי חומרת ההשפעה על הגרעין. התוצאה ב-fab היא הפחתה של עד 20% בכמות wafer scrapped ובשיפור של 15% ב-First Pass Yield. בנוסף, אנו משתמשים בטכניקות reinforcement learning כדי לכוונן פרמטרים במכשירים בזמן אמת, כך שהמערכת “לומדת” את האופן האופטימלי להפעלת הלייזר או המיקרוסקופ כדי לצמצם רעש ולשפר רזולוציה. היתרון בשילוב AI הוא היכולת להתעדכן כל הזמן בנתונים ריאל-טיים מהייצור ולאפשר התראות מוקדמות לצוות ה-fab לפני שהבעיה תתפתח לכשל יקר.”

“אנו מתמקדים פיתוח קווי אריזה רובוטיים אוטונומיים, שישמשו כ’מפעל של אחד’—קו ייצור גמיש המאפשר הרכבה של חבילות chiplets מותאמות אישית בלחיצת כפתור, בדומה לאוטומציה במפעלי foundry מודרניים. במקביל, הקמנו Knowledge Hub פנימי, שמאגד תיעוד, מדריכים ודאטה סטים מבוססי AI, כדי להכשיר צוותים בשטח ולהעניק להם תמיכה בזמן אמת באמצעות chatbots חכמים המובנים במכשירים. בנוסף, אנו מיישמים AI־driven Supply Chain Analytics לניהול מיטבי של מלאי חומרים קריטיים (למשל rare earth metals) ולחיזוי זמני אספקה, מה שמאפשר לנו לצמצם עומסי הזמנות ולאזן בין יעילות לעלויות.”

דב מורן, האם סטארט-אפים נפגעים מחוסר יכולת להפעיל AI ברמה של תאגידי הענק?

“להיפך: הפרדיגמה החדשה מאפשרת לסטארט-אפים קטנים לנצל פלטפורמות AI ציבוריות בענן ולהתחרות בשוק גלובלי, גם בלי תקציבי ענק. בזכות APIs לניהול מחזור חיי data pipelines, מודלים מוכנים לתפעול ו־AutoML, חברה שמורכבת ממפתח בודד או צוות מצומצם יכולה לחקור תרחישים מורכבים, לייצר אב-טיפוס במהירות ולהגיע למספרים גבוהים של inference calls ביום, בלי להשקיע במרכז נתונים פרטי. כך נוצרת “מערכת הרגעה” לטכנולוגיות עמוקות: במקום להשקיע מיליוני דולרים ב-GPU farms, סטארט-אפ יכול להתחיל עם Tier קטן בענן ולהגדיל משאבים ככל שהמודל מוכח. בנוסף, החברות הקטנות גמישות יותר באימוץ טכנולוגיות חדשות, בעוד תאגידים בכורים להגן על השקעות קיימות ומתקשים לבצע פריצות דרך מהירות.”

האם אתם אופטימיים לגבי עידן הבינה המלאכותית?

דב מורן: “בהחלט. בהשוואה למהפכות טכנולוגיות קודמות—המצאת המחשב, הרשת, הענן—AI מביא קפיצה קוונטית ביכולת עיבוד, ניתוח נתונים וקבלת החלטות אוטונומטיות. בדומה לאופן שבו חוקקו תקנות תעבורה והטמיעו טכנולוגיות בטיחות בכבישים כדי להפחית תאונות, אני צופה שממשלות ואיגודים מקצועיים יגבשו מסגרות רגולטוריות ואתיות שיבטיחו שימוש אחראי ב-AI. לאחר מכן, נוכל לראות צמצום דרמטי במקרי כשל קריטיים (כגון תאונות דרכים) ובאקלים החברתי-כלכלי. כמי שהשקיע וחי בלב תעשיית deep tech בישראל ובארה״ב, אני משוכנע שעם כלים רגולטוריים מתאימים, AI יוביל לשגשוג כלכלי, לדחיית מחלות ולפריצות דרך בתחומי אנרגיה וסביבה.”

ד"ר נאריין : “כניסיוננו בתחום ה-EDA, אני רואה ב-AI מנוע לייעול תהליכי בדיקה ואימות המבוססים על חזרות רבות, אך התלות בנתונים מדויקים ומאומתים יוצרת דילמות אחראיות. מצד אחד, זה תחום מלא הזדמנויות: פתרונות לזיהוי סביר של כשלים, אופטימיזציה אוטומטית של timing closure והמלצות תכנוניות בזמן אמת. מצד שני, קיים חשש ש-AI יאמן את עצמו על פלטפורמות של AI, דבר שייגרום ל’drift’ של איכות התוצאות ולטשטוש גבולות האחריות. כדי לשמר את האופטימיות, נחוץ פיתוח מסגרות וניהול מחמירים של חיי המודל (model lifecycle), כולל audit trails ו-mechanisms ל־rollback במקרה של תקלות בלתי צפויות.”

אורי תדמור : “בהחלט. היישומים כבר מחוללים שינויים מהותיים בכל שלב של ייצור שבבים, החל ממטרולוגיה, דרך בקרה על תהליכים ועד בניית מאגרי ידע לתפעול ואחזקה. עם כל גל אימון חדש, המודלים שלנו לומדים מדאטה ריאלי מהפאבים וממדגמי הייצור, מה שמאפשר לייעל קטן raw data ולהפיק insights שמייקרים את ערך המידע. אני מאמינה שבשנים הקרובות נראה פריצות דרך נוספות באריזה תלת־מימד, בניהול מלאי חכם ומתודולוגיות דיאגנוסטיקה מהירה יותר, שיביאו לעלייה משמעותית ב-yield, לירידה בעלות הייצור ולהגדלת קצב ההגעה לשוק.”

פרקש, אילו חששות יש לך לגבי AI בעתיד?

“אחד החששות המרכזיים הוא שבשנים הבאות AI יתאמן לא רק על תכנים אנושיים, אלא גם על תוכן שיוצר על־ידי מערכות AI אחרות, מה שעלול להוביל ל״boulevard of mirrors״ שבו המודל מאבד יכולת אבחנה בין אמת לשגיאה. בנוסף, ככל שהמודלים יהפכו מורכבים יותר, יגדל קושי להסביר את ההחלטות שלהן (explainability), מה שיכול להוביל לביטחון יתר או חוסר אמון כאשר המערכת מבצעת החלטה קריטית שאין לגביה תימוכין אנושיים. כדי להתמודד עם זאת, חשוב להמשיך בפיתוח שיטות בקרה, audit ו־ethics-by-design שיעצימו את האמון במערכות ה-AI ויבטיחו שהן נשענות על מקורות מידע אמינים, מגוונים ומבוקרים.”

הפוסט ד"ר פרקש נאריין ב- ChipEx2025: “בלי סיליקון, AI היה נשאר מושג תיאורטי” הופיע לראשונה ב-Chiportal.

בכנס ChipEx2025 שנערך בתל אביב הציג אנדריאס אולופסון, מנכ"ל חברת Zero ASIC מבוסטון, חזון חדש למידול תכנון שבבים בדמות פלטפורמה מודולרית וחסרת תלות בתהליך tape-out. אולופסון פתח בדברי רקע על מצבה של תעשיית הסיליקון: “הלב הפועם של התעשייה נשען היום על mask-sets עיקריים שדורשים השקעה של עשרות מיליוני דולרים וזמן המתנה של חודשים”, וציין כי “למרות ההתקדמות בטכנולוגיות וותיקות, המחסום הכלכלי והלוגיסטי מונע מיזמים קטנים — מהנדסים בודדים או סטארט-אפים — להיכנס למשחק”.

לאחר מכן תיאר אולופסון את התשתית אותה בנתה Zero ASIC:

“במקצה ראשון פיתחנו ספריית chiplets קנונית, הכוללת כ־15–20 רכיבים מרכזיים — ליבות CPU, מאיצי AI, בקרי זיכרון HBM, רכיבי I/O ואנלוג — כולם מוגדרים עד לרמת ה-footprint וה-pin-out, כך שניתן להרכיב מהם כל שילוב שדורש כ-80% מהיישומים בענף”.

על גבי ספריה זו הוטמע interposer אקטיבי:

“ה-interposer שלנו מספק רוחב פס גבוה ושיהוי נמוך בין ה-chiplets, וכך מאפשר להטמיע תצורות מורכבות בפס רחב בלי לוותר על ביצועים”, הסביר.

השלב הבא בפלטפורמה הוא הסביבה האינטראקטיבית בענן, המאפשרת למשתמשים לאמת ולסמלץ כל שילוב של chiplets ברמת RTL, ללא צורך בייצור פיזי:

“באמצעות שירות FPGA מבוסס AWS F1, הלקוח יכול לגרור ולשחרר רכיבים בסביבת הדפדפן, להפעיל סימולציה בזמן אמת בתוך פחות מדקה ולבדוק את התוכנה שלו על החומרה הווירטואלית — כל זאת בלי להזמין wafer אחד”, אמר.

הדגש העיקרי של אולופסון היה על העברת חלק מתהליך האימות אל הלקוח עצמו:

“Verification הוא כיום אחד העלויות הגבוהות ביותר בתכנון שבבים. כדי להתגבר על כך, הפכנו את המשתמש לחלק בלתי נפרד מתהליך האימות — הוא כבר בודק את הקומבינציות שמעניינות אותו, במקביל לפיתוח », ציין.

בהמשך חשף אולופסון תכניות להקמת קו אריזה רובוטי אוטונומי, שישמש כ”מפעל של אחד” ל־chiplets:

“המטרה היא לאפשר אריזה ופריסת chiplets בכל קונפיגורציה שיידרש, במחיר ונפח ייצור תחרותי, בדומה לאקטואציה המלאה שקיימת במפעלי foundry”, ציין.

על השפעת פלטפורמת chiplets על מפת ה-foundry העולמית אמר:

“המודל המונוליטי הנוכחי יוצר בור נשכח של foundries שאין להן גישה לאקו־סיסטם רחב. ברגע שתהיה ספריה פתוחה ונגישה, כל מפעל יוכל לספק רכיבים ולהתממשק לפלטפורמה — כך ייווצר שוק מבוזר, תחרותי ודינמי יותר”.

אולופסון סיכם את דבריו בתקווה שהפלטפורמה תוזיל עלויות ותקצר לוחות זמנים עבור כל מפתח חומרה:

“אנו מציעים מהפכה תכנונית: בתוך שבוע אחד בלבד ניתן להפוך רעיון שבב לניסוי תוכנתי בענן, בלי ההוצאות הכבדות והסיכונים הגבוהים של mask-sets — וכך לפתוח את הדלת לעולם שלם של חדשנות חומרתית”.

ההרצאה לוותה בהדגמות חיות והדגמת סביבת הענן של Zero ASIC, וברובה נשענה על דבריו של אולופסון, שהבהיר כי העתיד של תכנון הסיליקון עובר מהמונוליטיות של wafer יחיד לפלטפורמות מודולריות ברמה של chiplet.

הפוסט Zero ASIC משיקה פלטפורמת chiplets בענן לפיתוח שבבים ללא tape-out הופיע לראשונה ב-Chiportal.

ביום רביעי ה־14 במאי 2025, במרכז פרס לשלום ביפו, התקיים במהלכו מפגש בכירים נפרד במסגרת כנס ChipEx 2025, שבו נשא דברים ד”ר אלון סטופל, יו"ר רשות החדשנות וכמדען הראשי לחדשנות במשרד המדע, הטכנולוגיה והחדשנות. הפורום, אליו הוזמנו בכירים בתעשייה, נציגי ממשל, אקדמיה ומשקיעים בינלאומיים, התרכז בצורך האסטרטגי למיצוב ישראל כמובילה עולמית בשרשרת הערך של תעשיית הסמיקונדקטור.

“עוצמתה של ישראל נובעת מיכולותיה האנושיות, מהמצוינות המדעית ומהיכולת להפוך רעיונות חדשניים לפריצת דרך בעלת השפעה עולמית”. לדבריו, שבב אינו עוד חלק רכיבני במערכת, אלא היסוד שעליו נבנות מהפכות בטכנולוגיות מתקדמות – מבינה מלאכותית ומחשוב קוונטי, דרך ביוטכנולוגיה ופוטוניקה ועד מערכות הגנה צבאיות." כך אמר ד”ר אלון סטופל, יו"ר רשות החדשנות וכמדען הראשי לחדשנות במשרד המדע, הטכנולוגיה והחדשנות במפגש הבכירים במסגרת כנס ChipEx 2025.

"בעשור האחרון פיתחה ישראל אקוסיסטם סמיקונדקטורי נרחב, מבלי להסתמך על השקעות ממשלתיות בסדר גודל ענק: בעוד עצמה הפיננסית של מדינות רבות מאפשרת להן לשפוך מאות מיליארדי דולרים בתשתיות שבבים, גישתנו מבוססת על ‘להשתרע במוח, לא בכיס’ – יצירת יתרון תחרותי באמצעות חשיבה, שיתופי פעולה וחדשנות מתמדת.”

כדי להעצים מגמה זו חשפו ברשות החדשנות מספר יוזמות מרכזיות: הקמת חממת שבבים לאומית שתעניק לסטארט-אפים גישה לתשתיות בדיקה ופיתוח מתקדמות (shared infrastructure); הקמת קונסורציום אקדמיה-תעשייה לפיתוח טכנולוגיות בהן ישראל כבר מחזיקה ביתרון יחסי, כגון פוטוניקה אינטגרטיבית, מיחשוב קוונטי, מחשוב נוירומורפי ו־advanced packaging; והרחבת מסלולי המענקים הציבוריים במאות מיליוני שקלים לשיתופי פעולה הדדיים בין חברות הזנק ובין מוסדות מחקר מובילים.

סטופל ציין כי המהלך יתמוך בשני מסלולים מקבילים: המסלול האופקי ייכון עבורו מוסדות ומעבדות משותפות, יופחתו חסמי הכניסה ליזמים ויושקו תכניות תמיכה לחדשנות פריצת דרך; המסלול האנכי יתמקד בהעמקת מומחיות ישראלית ויצירת “אשכולי מצוינות” סביב טכנולוגיות חדשות, כאשר הדגש יושם על טיפוח סטארט־אפים קטנים מהירים לצד שיתופי פעולה עם תאגידים בינלאומיים.

בהמשך דיבר סטופל על “צווארי בקבוק” שנתגלו במחקרי הרשות: שיעור הקמת הסטארט-אפים בתחום השבבים עתירי החישוב נמצא בירידה, מחסור במשקיעים המתמחים ב-semiconductor, וכן תלות מופרזת בשרשרת ייצור גלובלית שברירית. לטענתו, הפתרון כולל לגבש כלי מימון ותמרוץ עבור יזמים וקרנות הון־סיכון ישראליות, להרחיב תשתיות פאב (Fab) קטן לבדיקות מהירות של שבבים, וליצור מסלולי העברה מהירה של ידע ופיתוח טכנולוגי בין אקדמיה לתעשייה.

סטופל אף חשף כי בשבועות הקרובים תצא קריאה ציבורית רחבת היקף למענקי מחקר וחדשנות בסכום כולל העולה על חצי מיליארד שקלים, שתקצה משאבים להרחבת תשתיות השבבים ולמימון פרויקטים בשיתוף פעולה חוצה־גופים. בהקשר זה הוסיף כי “העידן שבו השקעות ענק שולטות בהכרעת גורלות הטכנולוגיה מתחלף בעידן של שיתופי פעולה ממוקדים, שנשענים על אקוסיסטם מחקרי־תעשייתי חזק וגישה גמישה ומהירה”.

לקראת סיום דבריו פנה סטופל למנהלי מו”פ, למשקיעים ולשותפים הטכנולוגיים מכל רחבי העולם: “אנו מזמינים אתכם להצטרף אלינו למסע של ייצור שבבים בישראל, להעמיק את השתייכותנו לאורך כל שרשרת הערך ולתמוך בקידום החדשנות הלאומית. ייתכן שאין ביכולתנו להתחרות בתקציבים של המדינות הגדולות, אך אין לנו מתחרים בחזון, בגמישות ובמחויבות להפוך רעיונות לשבבים שמעצבים את העתיד.”

הפוסט אלון סטופל, יו"ר רשות החדשנות: “עוצמתה של ישראל נובעת מיכולותיה האנושיות, מהמצוינות המדעית ומהיכולת להפוך רעיונות חדשניים לפריצת דרך בעלת השפעה עולמית” הופיע לראשונה ב-Chiportal.

בפתח הרצאתה בכנס ChipEx2025 שהתקיים בתל אביב, הציגה אנה ברנוב, מנכ"לית HowHardAI, רעיון מהפכני להפיכת מודלי שפה גדולים (LLM) לסוכנים אוטונומיים המסוגלים לפתור בעיות טכניות מורכבות בזמן אמת. לדבריה, מרבית “Agentic Frameworks” המקובלים כיום – דוגמת Identity AI ואחרים – פועלים כמעין מעטפת תוכנה סביב ה-LLM, שבה היכולות המודליות נשמרות בגדר גנרי, והכוונה למשימות השונות מתבצעת באמצעות prompt engineering בלבד מבלי לשנות את המשקלים הפנימיים של המודל.

HowHardAI מנגישה במקום זאת גישה של Reinforcement Learning המבוססת על תהליך trial-and-error המוכר מעולמות אחרים בבינה מלאכותית. על פי ברנוב, כדי לאפשר למודל ללמוד באמת להפעיל אמצעים חיצוניים או לבצע סדרת פעולות מורכבות, יש לתרגם אתגרים כמו תכנון פריסה (floor planning) לסביבה סימולטיבית שסולקת ציון מוצקות לפעולותיו של המודל בכל איטרציה. רק כך ניתן לעדכן את המשקלים שלו באופו איטרטיבי, ולא להסתפק בפקודות טקסט בלבד

בתיאור הניסוי שהציגה, המודל התחיל במיקום ראשוני של שני רכיבי מפתח (MR ו-ML) וזכה לפידבק סביבתי שכלל דירוג תלוי־פעולות. באיטרציה הבאה הוא הריץ פעולת “rotate” לשיפור המיקום, ובאיטרציה השלישית הציע התאמות נוספות עד שהסביבה קבעה כי האופטימיזציה הושלמה ואתרו את נקודת העצירה האופטימלית. התהליך כולו נעשה ב–one shot גנרטיבי, ללא צורך בארגון המודל בפרדיקציה מוקדמת.

יתרונן של שיטות RL במרחב זה הוא ביעילות האימון ובהסתמכות על reasoning פנימי של ה-LLM, שאיננו מוגבל עוד למערכת חיצונית המורה לו מה לעשות. ברנוב מתחזקת כי ברגע שמגדירים נכון את הבעיה – את הסט המוגבל של הפעולות ואת אופן החישוב של ה-reward – ניתן להפעיל סוכנים חכמים שיבצעו אופטימיזציה בכל שלב של שרשרת הפיתוח, החל מנתוני post-silicon ועד לניתוב אוטומטי בין תהליכי ייצור בעלי node שונים.

HowHardAI נמצאת כבר כיום בשלבי שיתוף פעולה עם מספר חברות מובילות בתעשיית השבבים בישראל וברחבי העולם, במטרה ליישם את הגישה ולייעל באופן מהותי את שלבי התכנון והייצור. “ההצלחה תלויה קודם כל בפרמליזציה נכונה של הבעיה,” סיכמה ברנוב, “כשהמודל מבין בדיוק אילו פעולות הוא יכול לבצע ואיך לקבל על כך משוב, הוא הופך לכלי אימון רב־עוצמה.”

o4-mini-high

הפוסט “HowHardAI מאמנת LLM לתכנון אוטומטי של Netlist" הופיע לראשונה ב-Chiportal.

בכנס ChipEx2025, שנערך ב–13 במאי באקספו תל אביב, הציג  Kees Joosse , מנהל הפיתוח העסקי של TSMC ב–EMEA, את מפת הדרכים הטכנולוגית של ענקית השבבים לדרישות גוברות של יישומי בינה מלאכותית. לפתיחת דבריו ציין Jooss כי למרות “ימים קשים ואתגרים לוגיסטיים” – כולל ביטולי טיסות – הגיעו נציגי תעשיית השבבים מ־EMEA ונכחו בדיון, ובישראל מתבצע כיום כ־50% מכלל ה-tape-out המתקדמים באזור, נתון הממחיש את עוצמת הפעילות המקומית.

Joosse הדגיש כי אמנם מרכזי נתונים (data centers) הם “לב” יישומי ה-AI מבחינת ביצועים וצריכת הספק, אך הגידול עצום במספר המכשירים המחוברים – מטלפונים חכמים ו-AI PCs ועד למערכות עזר ברכב ו-robotaxis – מציב אתגרים חדשים. “המעבר ל-edge computing דורש שבבים קטנים, יעילים וחסכוניים באותה מידה כמו פתרונות הדאטה־סנטר”, אמר.

בסקירה של מפת הדרכים, הציג Jooss את הפיתווחים העיקריים:

• N5 → N3E / N3X: הדור האחרון של FinFET בגימור 3 ננומטר, עם שיפור תדר גבוהה (ב-15–20%) והפחתת הספק בשיעורים דומים.
• N2 / N2P: המעבר לארכיטקטורת nanosheet בגימור 2 ננומטר, המציע שיפור ביצועים של כ-20% ו־40% הפחתת הספק ביחס ל-N3. גרסת הייצור N2P (לשנת 2026) צפויה להוסיף עוד כ-5% “device uplift”.
• A16: שבב ייעודי ל-AI data centers, עם backside power rail (מתן הספק מאחור), שמספק 8–10% שיפור מהירות או 15–20% חסכון בספק. הדור הבא, A14, ו-A22 (דור שני של nanosheet) יאפו ביצועים עולים של 15–30% וצפיפות לוגית גבוהה יותר.

למרות העלייה בעלויות הפיתוח ובמורכבות התכנון, הדגיש Jooss כי מספר “take-offs” לטכנולוגיות חדשות גדל במהירות: “בשנה הראשונה ל-N2 ראינו כפליים את מספר הפרויקטים שהועלו לייצור בהשוואה ל-N5, ואפילו כ-4x בשנה השנייה.” נתון זה, לדבריו, מעיד על הביקוש הגובר לשבבי AI מתקדמים, ולא על האטה בדרך להמשך קיום חוק מור.

אריזה תלת־ממדית ו-CoWoS, סיליקון פוטוניקס ב-COOP

בתחום האריזה, הציג Jooss את פלטפורמת 3D Fabric של TSMC, הכוללת טכנולוגיות InFO (Integrated Fan-Out) ו-CoWoS (Chips on Wafer on Substrate). בגרסה המתקדמת CoWoS-R, מחולק ממסך הסיליקון לגשרים קטנים, שמקצרים מרחק בין מערכת השבבים לזיכרון HBM ומאפשרים רוחב פס גבוה ותפוקה מיידית – מרכיב קריטי לאימון מודלים גדולים.

שילוב אלקטרוניקה ואופטיקה הוא התחום הבא שעומד לצאת לשוק: פרויקט COOP (Compact Universal Photonic Engine) יאפשר הארכה של סיבי אור לפוטוניקת die המונחת על die אלקטרוני, והכל בחבילה אחת על גבי substrate. לפי Jooss, PDK מסחרי יפורסם לקראת סוף 2026, מה שיאפשר ללקוחות לשלב תקשורת אופטית מהירה וחסכונית ישירות בשבבים.

הזמנה לשיתוף פעולה
“אנחנו ממשיכים לדחוף קדימה – התעשייה רק מתחילה”, אמר, והזמין את חברות ישראל לקחת חלק במימוש הטכנולוגיות החדשות.

הפוסט Kees Joosse ב-ChipEx2025:“חוק מור לא מת” הופיע לראשונה ב-Chiportal.

בכנס ChipEx2025 שהתקיים בתל אביב, הציג ד"ר זיאד חנא, סגן נשיא בכיר ב-Cadence ומי שמוביל את תחום הבינה המלאכותית בחברה, את חזונה של קיידנס למהפכת העיצוב הבאה: מעבר מהנדסה קלאסית להנדסה מונחית AI באמצעות סוכנים סיליקוניים.

מול גל עצום של פרויקטים – המחסור בכוח אדם הופך לצוואר בקבוק

"חווינו בעבר גלים טכנולוגיים", פתח ד"ר חנא, "כעת מדובר בצונאמי." גידול חד בפרויקטים של עיצוב שבבים צפוי בשנים הקרובות, בעיקר עקב מעבר לארכיטקטורות ייעודיות לכל עומס עבודה. לדבריו, העלייה החדה בנפח ובמורכבות העיצובים יוצרת אתגר עצום – במיוחד לאור המחסור המתמשך במהנדסים מיומנים. גם האוניברסיטאות, לדבריו, אינן מצליחות להדביק את קצב הביקוש.

ממיליארדים לטריליונים – והצורך בקפיצה פרודוקטיבית חדשה

תחום השבבים צועד לעבר שוק של טריליון דולר, וביחד עם מערכות שלמות מדובר בשוק של 3 עד 5 טריליון דולר. כדי לעמוד בקצב, עברה התעשייה בעשורים האחרונים מהפכות של אוטומציה, הפשטה, מקביליות ומחזור – כל אחת מהן הביאה קפיצת פריון של פי עשרה. כעת, הבינה המלאכותית צפויה להביא את הקפיצה הבאה.

AI כבר כאן – וכבר בשימוש ברוב הפרויקטים

יותר מ-50% מפרויקטי השבבים המתקדמים בעולם כבר עושים שימוש בבינה מלאכותית. קיידנס עוקבת מקרוב אחרי התפתחות המודלים, ממודלים טקסטואליים ועד מודלים מרובי-מודל (Multimodal) המסוגלים לנתח תמונות, סרטונים ואודיו. לדברי חנא, הפלטפורמה שקיידנס פיתחה – JEDI (ראשי תיבות של Joint Enterprise Data & AI) – מאפשרת אינטגרציה של מודלים, כלי מחשוב עתירי ביצועים (GPU, TPU) ושרשראות מידע ארגוניות, עם דגש על פתיחות ואינטראופרטיביות עם פלטפורמות קיימות של לקוחות.

חמישה שלבים לאבולוציה של AI בעיצוב שבבים

1. AI אופטימיזציוני – שימוש במודלים של למידת מכונה (ML) לשיפור מנועי סימולציה, פריסה, אימות ועוד. נמצא בשימוש כבר חמש-שש שנים.
2. AI שיחתי – אינטראקציה עם הכלים בשפה טבעית במקום כתיבת סקריפטים. מייעל תהליכים מורכבים דרך ממשק שיחתי.
3. הסקה מורכבת – שימוש ב-AI לביצוע ניתוחים מורכבים כמו חישוב הספק של תא או בחירת מסלולי זמן קריטיים.
4. סוכנים אוטונומיים (Agentic AI) – כלים בעלי יכולת קבלת החלטות עצמאית בהתאם להקשר, הפועלים כשרשרת של סוכנים חכמים.
5. סוכן סיליקוני (Silicon Agent) – אבולוציה שלמה של מערכות שבהן סוכנים יודעים לתכנן, לבצע, ולהעריך בעצמם תוך שילוב AI, כלי עיצוב וממשק משתמש שיתופי.

הסוכן הסיליקוני – גוגל דסקטופ למהנדס שבבים

ד"ר חנא הדגים כיצד ניתן לעצב רכיב IP מלא בעזרת אינטראקציה שיחית בלבד. מהגדרת ממשק, דרך גנרציית קוד RTL, יצירת floorplan, ועד לסכמות ולסימולציות – הסוכן הסיליקוני מפעיל סוכני משנה בהתאם לשאילתות המשתמש. כל זאת בסביבת עבודה המשלבת קונטקסט הנדסי, מתודולוגיה, קוד וסקריפטים.

לדבריו, הוא עצמו עיצב רכיב IP שכלל כמיליון שערים תוך שש שעות עבודה ליליות בלבד – הישג שבעבר דרש שבועות.

קיידנס ישראל – במוקד הפיתוח של AI עולמי

ד"ר חנא חתם את הרצאתו בקריאה ברורה: "אנחנו כבר בתוך המהפכה הזו. לא מדובר בעתיד רחוק. הבינה המלאכותית תשלוט באופן שבו נבצע תכנון ואימות שבבים מעתה והלאה – ורבים מהפתרונות המובילים בעולם מפותחים ממש כאן, בישראל."

בסיום ההרצאה אמר ד"ר חנא: "כל מי שעדיין ספקן – לא מאוחר להצטרף. "המסע הזה רק החל, וההזדמנויות עצומות."

הפוסט קיידנס חושפת: מהפכת הסוכנים הסיליקוניים בעיצוב שבבים מונעי בינה מלאכותית הופיע לראשונה ב-Chiportal.

בכנס ChipEx2025 שנערך בתל אביב, הציג רוני פרידמן, מנכ"ל אפל ישראל, לראשונה בפני קהל מקומי סקירה טכנולוגית מקיפה של מחשב המציאות המרחבית החדש של אפל – Vision Pro. מדובר באירוע יוצא דופן, שכן חברת אפל, הידועה במדיניותה הקפדנית לשמירה על סודיות, בחרה לחשוף לראשונה בישראל פרטים טכניים מהותיים אודות אחד ממוצריה החדשניים ביותר.

מהפכה של אינטראקציה – בלי עכבר, בלי שלט

Vision Pro הוא מכשיר עתיר טכנולוגיה – מצלמות מסוגים שונים, חיישנים, אלגוריתמים מתקדמים, מסך ייחודי ומעבדים עוצמתיים. אחד מיעדיו המרכזיים הוא לאפשר למשתמש אינטראקציה טבעית וללא צורך באביזרי קלט חיצוניים כמו שלט או עכבר.

כדי לאפשר זאת, שילבה אפל במכשיר טכנולוגיית מעקב עיניים (gaze tracking): לכל עין מצלמה ייעודית הקולטת את כיוון המבט באמצעות החזרי אור מהקרנית. אלגוריתמים תלת-ממדיים מנתחים את המידע ומאפשרים למשתמש לבחור אובייקטים וירטואליים בדיוק גבוה – רק באמצעות המבט.

המנגנון משמש גם לזיהוי ביומטרי חזותי של המשתמש, ובכך מחליף גם את אמצעי האימות המסורתיים.

שדה ראייה עשיר, מעקב ידיים מדויק ואינטראקציה חלקה

ה-Vision Pro מצויד במצלמות נוספות, שפונות כלפי חוץ ומבצעות תפקידים מגוונים: מצלמות סטריאוסקופיות לקליטת הסביבה בתלת-ממד, מצלמות צד למעקב ידיים, ומצלמות עומק לזיהוי סצנות ומיקום מדויק של אובייקטים וירטואליים בעולם הפיזי.

מערכת מעקב הידיים, שהודגשה על ידי פרידמן, מאפשרת אינטראקציה טבעית ביותר: המשתמש יכול להזיז את ידיו בכל מקום בשדה הראייה, והמכשיר יזהה תנועות עדינות בדיוק תת-מילימטרי – למשל לצורך לחיצה על אייקון או גרירת עצם וירטואלי.

23 מיליון פיקסלים – אבל לא בבת אחת

אחד האתגרים הגדולים בפיתוח היה לשמור על חוויית תצוגה חסרת פשרות לצד ניהול צריכת חשמל אופטימלית. לשם כך יושמה טכניקת foveated rendering, בה המערכת מציגה את הרזולוציה הגבוהה ביותר רק במקום אליו מופנה המבט, ומפחיתה רזולוציה באזורים ההיקפיים. כך ניתן להפחית פי חמישה את כמות הפיקסלים שצריך לעבד בכל רגע – ולחסוך משמעותית באנרגיה.

שבבים ייחודיים – M2 ו-R1 – פועלים יחד בסנכרון מופתי

המכשיר מבוסס על שני מעבדים: M2, שמבצע את החישובים הכבדים, ו-R1, שמטפל בזמן אמת במצלמות, בתצוגה ובחיישנים. שני השבבים מחוברים בקישור מהיר ומבצעים שיתוף פעולה שוטף. לדוגמה, מעבד R1 קולט את כיוון המבט ומעביר את הנתונים ל-M2, שמחשב איזורי רזולוציה לפי המבט ומחזיר את המידע לרכיב התצוגה.

מנגנון תצוגה נוסף שתוכנן כדי למנוע תחושת בחילה בתנועה (motion sickness) מבוסס על כך שהמסך מתחיל להציג את המידע עוד לפני שכל פריים וידאו הושלם – כך המערכת מגיבה מהר יותר לתנועות ראש או עיניים.

מערכת הפעלה ייעודית: visionOS

המכשיר פועל על מערכת הפעלה ייחודית, visionOS, שתפקידה לנצל כל משאב חומרה – מעבדי CPU, GPU, עיבוד תמונה (ISP), מנועים נוירוניים ועוד – כדי לספק את חוויית השימוש האופטימלית תוך שמירה על צריכת חשמל מינימלית, ותזמון מדויק בין משימות בזמן אמת לבין תהליכים ברקע.

התרומה הישראלית לפיתוח

פרידמן ציין כי חלק מהטכנולוגיות שהוצגו פותחו בישראל, על ידי צוות אפל המקומי, בשיתוף פעולה עם צוותי אפל ברחבי העולם. בכך מצטרפת ישראל לשורת מדינות מפתח שמעורבות ישירות בפיתוח מוצרי הליבה של החברה – ומבססת את מעמדה כמרכז פיתוח חשוב בעולמות החומרה וה-AI.

חזון עתידי: מרחב עבודה בלתי מוגבל

בסיומה של ההרצאה הציג פרידמן הדגמה חיה, כולל פנורמה במציאות מדומה. "כשאתה מרכיב את ה-Vision Pro, המסך הופך לאינסופי. אתה שולט בידיים ובעיניים, בלי שלט, בלי מקלדת, פשוט בתוך המרחב," סיכם.

לדבריו, Vision Pro הוא רק תחילתה של קטגוריה חדשה – מחשוב מרחבי (Spatial Computing) – ואפל צפויה להרחיב אותה עוד בעתיד הקרוב.

הפוסט רוני פרידמן, מנהל מרכז הפיתוח של אפל בישראל חושף: כך ישראל תרמה לפיתוח ה-Vision Pro של אפל הופיע לראשונה ב-Chiportal.

"בזמן שאומות ענק ותאגידים בעלי כיסים עמוקים מתחרים זה בזה במרוץ השבבים – ישראל, כמדינה קטנה, לא תוכל להתחרות בכמות ההשקעות. אבל היא גם לא צריכה. הכוח שלנו הוא בחדשנות, בגמישות ובכישרון", כך פתח צבי גולצמן, סמנכ"ל ברשות החדשנות ומוביל תחום השבבים והתוכנית הלאומית לבינה מלאכותית, את דבריו בכנס ChipEx2025 שנערך בתל אביב.

גולצמן פתח בהתייחסות אישית למצב הביטחוני: "58 מאחינו ואחיותינו עדיין מוחזקים בידי חמאס. הם בלבנו בכל רגע. לא ננוח עד שכולם יחזרו הביתה." אך גם בצל אתגרים כבדים, הדגיש, ההייטק הישראלי ממשיך להוביל.

לא בכוח – במיקוד

לדבריו, ישראל מפתחת בימים אלו אסטרטגיה חדה וממוקדת להבטחת מעמדה של המדינה בתחום השבבים, לא באמצעות השקעות של מיליארדים, אלא דרך דיוק והמצאה. "יש לנו מאות חברות פעילות בתחום השבבים, כרבע מהן רב-לאומיות שמעסיקות כ-70% מהמהנדסים בתחום. ישראל היא מרכז לפיתוחי דגל של חברות כמו אינטל, אפל, אנבידיה ואפלייד מטריאלס", הסביר.

תחום השבבים בישראל מניב הכנסות של מיליארדים מדי שנה מייצוא. כ-70% מהפעילות בישראל ממוקדת בתכנון ואימות רכיבים מתקדמים, ולצידה מומחיות גלובלית בתחום המדידה והבדיקה, וכן מספר מפעלים חשובים המובילים ייצוא משמעותי.

"רבים לא יודעים זאת, אבל רשות החדשנות השקיעה כמעט רבע מיליארד שקל בתחום בחמש השנים האחרונות בלבד", ציין גולצמן.

אבל הענף נתקל בקשיים

לצד ההישגים, גולצמן התריע מפני סימני שאלה מדאיגים: ירידה במספר הסטארטאפים החדשים, תלות בייצור וכלים זרים, מימון דל לטכנולוגיה עמוקה וגישה מוגבלת למתקני ייצור מתקדמים.

"הפתרון איננו בהגדלת תקציבים – אלא באסטרטגיה ממוקדת המבוססת על שני צירים: פלטפורמות רוחביות שיפחיתו חסמים ויאפשרו פריצות דרך, ותחומים אנכיים שבהם לישראל יש יתרון יחסי."

אינקובטור לשבבים ותחומים מובילים

הרשות בוחנת הקמה של אינקובטור לסטארטאפים בתחום השבבים, עם גישה לכלים, מעבדות, מנטורים ומרכזי שירות מתקדמים לבדיקות, אב טיפוס ואימות. "המטרה שלנו – להכפיל את מספר הסטארטאפים בתחום מדי שנה", הדגיש.

במקביל, מזוהות מגמות שישראל יכולה להוביל בהן: פוטוניקה משולבת, רכיבי הספק, ואריזה מתקדמת – תחומים שבהם מפגש בין ביקוש עולמי לבין חוזקות מקומיות יוצר פוטנציאל מוביל.

קואליציות בינלאומיות וגיוס כישרונות

האסטרטגיה כוללת גם חיזוק תשתיות המחקר והפיתוח, שיתופי פעולה עם תוכניות בינלאומיות כמו Horizon Europe, קונסורציומים דו-לאומיים, פיתוח כישרונות, הכשרות חדשות, חיבור בין אקדמיה לתעשייה, ומשיכת מומחים מחו"ל.

לסיום, קריאה לשותפות

"ישראל לא צריכה ואינה יכולה להוביל בכמות. נוביל באמצעות מיקוד. באמצעות תשתיות, הון אנושי והשקעות חכמות, נבנה עתיד בו נשמר את מקומנו בחזית פיתוחים מתקדמים בתעשיית השבבים", חתם גולצמן. "יזמים, חוקרים, משקיעים ומקבלי החלטות – עכשיו הזמן לפעול יחד. אני מזמין אתכם לשתף פעולה, ואשמח לשמוע מכם במהלך היום."

הפוסט צבי גולצמן: "ישראל צריכה להוביל את עתיד השבבים – לא בכמות אלא בתכנונים מתקדמים" הופיע לראשונה ב-Chiportal.

דה-בוט תיאר את החידושים בתחומי ניהול צריכת כוח, פיתוח צמתים מתקדמים וטכנולוגיות אריזה חדשניות

ד"ר פול דה-בוט, נשיא TSMC EMEA (אירופה, המזרח התיכון ואפריקה), דיבר בכנס ChipEx2025 בתל אביב על השפעת הבינה המלאכותית על תעשיית השבבים והתפתחויות טכנולוגיות מרכזיות בחברה. דה-בוט הדגיש את המעבר ממובייל לענן ול־AI, הצורך להתמודד עם אתגרי צריכת חשמל הולכת וגדלה, מפת הדרכים של צומת הייצור המתקדם ועוד תהליכים שיקבעו את עיצוב שוק השבבים בשנים הקרובות.

המעבר ממובייל לענן ול־AI
דה-בוט פתח בדגשים על התרחבות שוק השבבים: "בעשור האחרון צמח השוק מתאבי הסמארטפונים לשוק הענן ומחשוב־על, וכעת AI מכתיב את קצב הגדילה". לדבריו, שווי שוק השבבים העולמי צפוי להגיע לטריליון דולר עד שנת 2030 ואף לעלות אף מעבר לכך, בהתאם להערכות אנליסטים שמנבאים שוק של 1.2–1.4 טריליון דולר. אולם, בדומה לכך, תעשיית המכשור האלקטרוני כולה מוערכת ב־3 טריליון דולר, ותעשיית ה־IT הכוללת – בכ־12 טריליון דולר, מה שמעיד על הבסיס הנרחב של תעשיית השבבים בתוך כלכלת המידע הבינלאומית.

צמיחה בהכנסות לפי פלחי שוק
במצגת הוצג גרף שציין את חלוקת ההכנסות של TSMC ב־EMEA לפי פלחי שוק בשבע שנים אחרונות. שבע שנים קודם לכן נתח הסמארטפונים ("Mobile") היווה מעל למחצית מההכנסות, אך כיום נתח השוק של מחשוב־על ו־AI ("HPC & AI") מאגף ענן תופס כבר יותר מ-50% מהרווחים. המגמה מצביעה על פיחות הדרגתי במובייל והתרחבות משמעותית בפלחי הענן והבינה המלאכותית, שבהם עיקר ההשקעות הנוכחיות והעתידיות.

אתגר צריכת החשמל במערכי אימון AI
אחת הנקודות הבולטות הייתה עליית צריכת החשמל במערכות AI: "ב־2023 הוצאנו מערכות אימון AI שצרכו מעל למגה־וואט בודד", אמר דה-בוט, "והיום כבר מדובר במערכות עם עשרות ומאות מגה־וואטים". הוא הזהיר שהקצב הנוכחי (12-fold צמיחה בצריכת החשמל של מערכות אימון בכל שנה) אינו בר־קיימא, ותיאורטית צפוי לגרום לגודש תשתיתי ולהאטת קצב החדשנות. בניסיון לרסן מגמה זו, TSMC משקיעה בפיתוח צמתים (“nodes”) מתקדמים בעלי צריכת חשמל נמוכה יותר ומעודדת גם קידום תיקוני תוכנה (software optimizations) להפחתת עומסי האנרגיה ביישומים השונים.

מפת הדרכים של צומת הייצור המתקדם
דה-בוט הציג את המפת דרכים הטכנולוגית של TSMC, משכבות Bulk CMOS ועד צמתים בעלות תכנון FinFET, ומשם למעבר לגייט־אול־אראונד (gate-all-around) בטכנולוגיית nanosheet. הוא ציין כי צומת N2 (2 ננומטר) ייצא להפקה במחצית השנייה של 2025, ואחריו צפויים A16 (1.6 ננומטר עם super-power rail) בסוף 2026, ואחריו A14 (דור שני של ננו-שיטס) ב-2028. לגבי ביצועים, ציין דה-בוט ש-A14 יציע שיפור במהירות של כ־10–15% וצפיפות טרנזיסטורים של כ־1.2x לעומת N2, ובחסכון צריכת חשמל של כ־25–30%. בנוסף, צמתים קומפקטיים N4C ו-N3C מיועדים לשווקי ייצור סדרתי רחבים יותר, ומאושרים לשימוש החל מ-2025–2026.

השקעה באינטגרציה הטרוגנית ו-3nm ומטה
במקביל לפיתוח צמתים מתקדמים, TSMC מפתחת טכנולוגיות חבילה מתקדמות (advanced packaging) לשילוב של שבב־על נפרדים (chiplets) בסמוך או בחללים אנכיים. דה-בוט הדגיש שתי פלטפורמות מרכזיות:

• CoWoS (Chip on Wafer on Substrate): שימוש ב-interposer אורגני שבתוכו מוטמעים רכיבים ונקודות מגע, כולל ממסרים, קבלים ומודולים פעילים.
• SoIC (System on Integrated Chips): טכנולוגיית חיבור אנכית של dice באמצעות TSVs (true silicon vias), המאפשרת מעטפת עיבוד במתחם קטן ובמהירות תקשורת גבוהה בין רכיבים.

לדוגמה, מערכות HBM (High Bandwidth Memory) יכולות להיאחז ביישום SoIC או CoWoS ולקבל חיבור ישיר לשבבים לוגיים מתקדמים, מה שמאפשר להגיע לעד טריליוני טרנזיסטורים בחבילה בודדת.

קישוריות בתדר גבוה – Wi-Fi על צמתים מתקדמים
בהמשך, התמקד דה-בוט בהיבטי קישוריות: מעבר מ-Wi-Fi 6 ל-Wi-Fi 7 ול-Wi-Fi 8 דורש עלייה בתדר ושיפור יעילות אנרגטית. דה-בוט הציג גרפים שהראו שב־60 ננומטר צריכת הכוח של שבב Wi-Fi כמעט מתהכפלת בכל דגם, בעוד שבצמתים N7 ואפילו N4 ניתן לשמור על צריכת אנרגיה קבועה יחסית ובנפח קטן בהרבה של שבב. כך, ציינה החברה, ניתן לספק קצבי העברה של עשרות ג’יגה־ביט לשנייה גם במכשירי קצה.

השוק הישראלי

בסיום דבריו שיבח דה-בוט את ישראל כאחד מ”יהלומי האזור” של EMEA, בזכות כשרונות בעולם המחשוב וה־AI, הזריזות הלימודית, ומרקם הסטארט-אפ המקומי. לדבריו, ישראל מובילה בתחום ה־HPC וה־AI, הן בתשתית המחקר והן בפיתוח פתרונות יישומיים. הוא עודד את הקהל להמשיך ולפתח קדימה: “המשיכו לחדש ולהקדים את המתחרים”.

הפוסט פול דה-בוט, TSMC הציג ב-ChipEx2025 את התאוצה של חילופי הדורות הופיע לראשונה ב-Chiportal.

בזמן שתעשיית השבבים מספקת  את התשתית למהפכת ה- AI, גם הבינה המלאכותית משפיעה על תהליכי הפיתוח, הייצור והבקרה שמאפיינים תעשייה זו. "השבבים נמצאים בלב מהפכת הAI –   ואנחנו רואים זאת במיוחד במרכזי הנתונים הגדולים ובהתקני הקצה של הרשת. שם בעצם מתרחשת המהפכה הגדולה" אומר אורי תדמור, נשיא KLA ישראל. תדמור ישתתף בכנס ChipEx2025 שיתקיים במרכז הכנסים אקספו ת"א ב- 13 במאי. תדמור עצמו ישתתף בערב הבכירים שיתקיים למחרת במרכז פרס לשלום.

אז מי משפיעה יותר, אחת על השניה: הבינה המלאכותית על תעשיית השבבים או תעשיית השבבים על הבינה המלאכותית?

"מרכזי הנתונים הגדולים מסתמכים היום על שבבי AI בעלי עוצמת עיבוד גבוהה, זאת כדי להתמודד עם מודלים ועם מאגרי נתונים גדולים, לתמוך באפליקציות מבוססות-ענן, כולל אימון והטמעה של מודלי AI  בקנה מידה רחב. לשם כך פותחו בתעשייה שבבים ייעודיים, כמו: GPUs, מאיצי AI וHBM –  המיועדים למשימות עיבוד מורכבות.

אולם קבלת ההחלטות בזמן אמת מתרחשת בקצה הרשת. לשם כך יש צורך בשבבים בעלי ביצועים גבוהים וצריכת חשמל נמוכה, אשר מעבדים מידע באופן מקומי. שבבים אלה מאיצים יישומי AI שדורשים תגובה מיידית, כמו נהיגה אוטונומית, מצלמות, חיישנים וטלפונים ניידים."

כיצד ה- AI יכול לתרום לביצועים של הדור הבא של השבבים?

"אם נתמקד ב- KLA,  הרי שהשימוש שלנו ב- AI מאפשר את הביצועים הגבוהים של הדור הבא של מערכות המדידה ובקרת התהליכים שלנו. המכונות שלנו עושות שימוש ב- AI כדי להפיק תובנות ישימות, והן משפרות את הניצולת ומאיצות את תהליכי ייצור השבבים, אשר מניעים בעצמם את הדור הבא של ה- AI. לדוגמא, בתהליכי ייצור מורכבים משתמשים במערכות מבוססות ה- AI שלנו להפקת  תובנות לגבי מגמות שונות, זיהוי פגמים או חריגות בייצור, ושימוש בידע הזה כדי לקבל החלטות."

ל- KLA יש תפקיד מפתח בבקרת תהליכים וניהול תפוקה בתעשיית המוליכים למחצה. האם אתם מאמינים  כי באמצעות שילוב של AI במערכות  של KLA יוכלו הלקוחות להגיע לאופטימיזציה של תהליכי הייצור?

"הבינה המלאכותית היא חלק מהאסטרטגיה שלנו – לא מדובר במגמה חולפת שכן,  כבר מעל לעשור אנו משלבים אלגוריתמים של AI בכלים שלנו כדי לשפר את התפוקה של הלקוחות.

בהתחלה קראו לזה  'ביג דאטה' ולימוד מכונה, ואילו כיום כל אחת מפלטפורמות המוצרים שלנו כוללת יכולות AI שמנתחות כמויות עצומות של  דאטה, ועל בסיס זה מקבלות החלטות ומבצעות פעולות במהירות. כך לדוגמא, אנו משתמשים ב- AI  במערכות המדידה כדי לשפר את הדיוק שלהן. במסגרת זו  אנו עוזרים ליצרנים לשלוט בשונות של התהליכים, על ידי זיהוי שינויים ברמת אנגסטרמים, מוקדם ככל האפשר בתהליך. יש עוד שורה של שימושים אך חשוב לציין כי AI גם מחבר בין מערכות שונות בתוך הפורטפוליו שלנו."

לאילו מיישומי ה- AI בתעשיית השבבים יש פוטנציאל ליצור שינוי בשנים הבאות?

"כל יישומי ה- AI בתעשייה שלנו צפויים להשתנות בשנים הקרובות. בין התחומים שיושפעו:

• מארזים מתקדמים (Advanced Packaging)  – ימשיכו לשלב אינטגרציה מורכבת שתתבסס על אריזה בתלת מימד,  שימוש בשבבי ליבה (chiplet) להגדלת הפונקציונליות והביצועים מבלי להגדיל את השבב עצמו. ה- AI יתרום לאופטימיזציה  של תהליכי האריזה, לשיפור תפוקות וביצועים.
• GenAI ושבבי סיליקון מותאמים – שימוש ב- GenAI מגדיל את הצורך ב- NPUs וב- GPUs אשר עוזרים לתמוך במחשוב מאסיבי. מגמה זו צפויה להמשיך עם דרישה גוברת לשבבי AI, שבבי סיליקון מותאמים ושבבי זיכרון מועצמים.

"מובן שיש יישומים רבים נוספים שעתידים ליצור שינוי בתעשייה בשנים הבאות," אומר תדמור, "אולם חשוב להבין כי ה- AI לא משפיע רק על החלטות מבוססות-דאטה, אלא עתיד לשנות  את כל החוויה של תהליכי קבלת החלטות."

הפוסט לקראת ChipEX2025 – אורי תדמור, KLA: "ה-AI עתיד לשנות  את כל החוויה של תהליכי קבלת החלטות" הופיע לראשונה ב-Chiportal.