אנבידיה הודיעה היום (ה׳) כי הגיעה להסכם לרכישת Hugging Face תמורת 12.9303 מיליארד דולר. העסקה, מהגדולות בתולדות אנבידיה, מרחיבה את אחיזתה של החברה מעבר למעבדים ולמערכות מחשוב, אל אחת הפלטפורמות המרכזיות שעליהן מפתחים משתפים, בוחנים, מתאימים ומפיצים מודלים של בינה מלאכותית.

לפי פרטי העסקה שפורסמו, כ־11.9 מיליארד דולר ישולמו למשקיעי Hugging Face, ועד מיליארד דולר נוספים יוקצו לתוכנית תגמול מבוססת מניות שנועדה לשמר עובדים שיעברו לאנבידיה.

Hugging Face, שנוסדה בניו יורק ב־2016 בידי קלמן דלאנג, ז׳וליאן שומון ותומא וולף, מכונה לעיתים "GitHub של הבינה המלאכותית". החברה מפעילה מאגר ושירותי פיתוח למודלים, מערכי נתונים ויישומי AI. לדברי אנבידיה, בפלטפורמה משתמשים יותר מ־18 מיליון מפתחים, חוקרים ויוצרים, והיא מארחת יותר משלושה מיליון מודלים, 500 אלף מערכי נתונים ומיליון יישומים. יותר מ־200 אלף חברות משתמשות בה כדי לאתר, להעריך, להתאים ולהפעיל מודלים.

אנבידיה מבטיחה לשמור על ניטרליות הפלטפורמה

אחת השאלות המרכזיות שמעוררת העסקה היא האם Hugging Face תוכל להמשיך לשמש זירה ניטרלית גם לאחר שתעבור לבעלות יצרנית המאיצים הדומיננטית בשוק. מנכ״ל אנבידיה, ג׳נסן הואנג, התחייב כי הפלטפורמה תישאר פתוחה לכל אקוסיסטם הבינה המלאכותית וכי השימוש במעבדי אנבידיה לא יהיה תנאי לפיתוח או להפעלה באמצעותה.

לדבריו, המפתחים ימשיכו לבחור בעצמם את המודלים, מסגרות התוכנה, ספקי הענן, שירותי ההסקה ופלטפורמות המחשוב שבהם ישתמשו. Hugging Face אמורה להמשיך לתמוך בפיתוח ובהפעלה בסביבות מרובות עננים ומרובות מאיצים, לרבות חומרה של מתחרות אנבידיה.

להתחייבות זו חשיבות מיוחדת משום שבין המשקיעות ב־Hugging Face נמצאות גם חברות ובהן AMD, אמזון, גוגל וסיילספורס. בסבב גיוס של 235 מיליון דולר ב־2023 הוערכה החברה ב־4.5 מיליארד דולר בלבד. מחיר הרכישה הנוכחי גבוה כמעט פי שלושה מהערכת השווי ההיא. לפי דיווחים קודמים, קצב ההכנסות השנתי של Hugging Face עומד על כ־150 מיליון דולר, ולכן ברור כי אנבידיה משלמת בעיקר על מעמדה האסטרטגי ועל קהילת המפתחים שלה, ולא על היקף ההכנסות הנוכחי.

מהחומרה אל נקודת המפגש של המפתחים

המהלך מחזק את האסטרטגיה של אנבידיה כספקית פלטפורמה מלאה: שבבים, מערכות, תקשורת, ספריות תוכנה, מודלים ושירותי ענן. שתי החברות כבר משתפות פעולה, בין השאר בשילוב שירותי DGX Cloud ו־NIM של אנבידיה בפלטפורמת Hugging Face. אנבידיה גם מפרסמת באמצעותה מאות מודלים ומערכי נתונים, ולדברי הואנג היא כיום התורמת הגדולה ביותר של מודלים ונתונים פתוחים לפלטפורמה.

מבחינת שוק השבבים, רכישת Hugging Face מעניקה לאנבידיה גישה ישירה לנקודת המפגש שבה מיליוני מפתחים בוחרים מודלים וכלי הפעלה. גם אם החברה תקיים את התחייבותה ולא תחייב שימוש במעבדי GPU מתוצרתה, שיפור ההתאמה בין המודלים, כלי הפיתוח ותשתיות אנבידיה עשוי להפוך את המעבר משלב הניסוי להפעלה מסחרית לקל יותר בתוך האקוסיסטם שלה.

העסקה היא גם מהלך הגנתי. כמה מהלקוחות הגדולים ביותר של אנבידיה, ובהם מיקרוסופט, גוגל, אמזון, מטא ו־OpenAI, מפתחים מאיצי AI משלהם כדי לצמצם את תלותם במעבדי החברה. הרחבת השימוש במודלים בעלי משקלים פתוחים עשויה ליצור בסיס ביקוש רחב ומבוזר יותר למחשוב מואץ, בקרב ארגונים ומפתחים שאינם רוצים להסתמך רק על המודלים הסגורים של OpenAI ואנתרופיק.

עם זאת, המבחן האמיתי של ההבטחה לפתיחות יגיע לאחר השלמת הרכישה: האם Hugging Face תעניק בפועל חשיפה ותמיכה שוות למודלים ולחומרה מתחרים, והאם קהילת המפתחים תמשיך לראות בה פלטפורמה עצמאית. אנבידיה מצדה אומרת כי בכוונתה להשתמש בתשתיות, ביכולות ההנדסיות ובפריסה העולמית שלה כדי לשפר את אמינות הפלטפורמה, אבטחתה, הערכת המודלים ויכולות ההסקה וההטמעה שלה.

הפוסט אנבידיה תרכוש את Hugging Face ב־12.93 מיליארד דולר הופיע לראשונה ב-Chiportal.

אנבידיה סיימה רבעון נוסף של צמיחה חריגה, כאשר ההשקעות העולמיות בתשתיות בינה מלאכותית ממשיכות להזרים אליה עשרות מיליארדי דולרים. החברה דיווחה כי הכנסותיה ברבעון השני של שנת הכספים 2027, שהסתיים ב־26 ביולי 2026, הסתכמו ב־96.22 מיליארד דולר – עלייה של 18% לעומת הרבעון הקודם ושל 106% לעומת הרבעון המקביל אשתקד.

התוצאה הייתה גבוהה מתחזיתה הקודמת של אנבידיה, שעמדה על 91 מיליארד דולר, פלוס או מינוס 2%, וגם מתחזית האנליסטים הממוצעת להכנסות של כ־92.2 מיליארד דולר.

הרווח התפעולי לפי כללי החשבונאות המקובלים, GAAP, הגיע ל־63.73 מיליארד דולר, עלייה שנתית של 124%. הרווח הנקי הסתכם ב־59.69 מיליארד דולר, לעומת 26.42 מיליארד דולר ברבעון המקביל, והרווח המדולל למניה הגיע ל־2.46 דולר.

עם זאת, הרווח הנקי החשבונאי כלל רווח של כ־7.8 מיליארד דולר מהשקעות בניירות ערך. בנטרול סעיפים אלה הסתכם הרווח הנקי המתואם ב־53.95 מיליארד דולר, או 2.22 דולר למניה – עדיין עלייה שנתית של 118%.

מרכזי הנתונים אחראים ל־92.5% מההכנסות

הכנסות חטיבת מרכזי הנתונים הגיעו לשיא של 89.02 מיליארד דולר – עלייה של 18% לעומת הרבעון הקודם ושל 117% בתוך שנה. המשמעות היא שמרכזי הנתונים כבר אחראים לכ־92.5% מכלל הכנסות החברה.

ההכנסות מלקוחות Hyperscale, ובהם ספקיות הענן הגדולות, הסתכמו ב־48.71 מיליארד דולר, עלייה שנתית של 102%. ההכנסות מענני AI, לקוחות תעשייתיים, ארגונים וממשלות הסתכמו ב־40.31 מיליארד דולר – זינוק של 138% לעומת השנה שעברה ושל 25% לעומת הרבעון הקודם.

אנבידיה ייחסה את הצמיחה בעיקר להרחבת האספקה של מערכות Blackwell Ultra. הארכיטקטורה ממשיכה להוות את הרוב הגדול של הכנסות החברה, אך במקביל אנבידיה נערכת למעבר לדור הבא, Vera Rubin.

לדברי החברה, מערכות Vera Rubin כבר נכנסו לייצור מלא ומותקנות אצל שותפים ובהם Google Cloud, Microsoft Azure, Oracle, CoreWeave ו־Nebius. בשיחת הוועידה אמרו מנהלי אנבידיה כי הפלטפורמה צפויה לייצר כחמישית מהכנסות מרכזי הנתונים כבר ברבעון הנוכחי.

תחום מחשוב הקצה, הכולל את הפעילות הגרפית, תחנות העבודה ומחשבי הקצה, הניב הכנסות של 7.2 מיליארד דולר – עלייה שנתית של 27%. המכירות של תחנות עבודה המבוססות על Blackwell קוזזו חלקית בשל האטה בשוק המחשבים האישיים ועלייה במחירי הזיכרונות והמערכות.

התחזית עוברת את רף 100 מיליארד הדולר לרבעון

אנבידיה צופה הכנסות של 108 מיליארד דולר ברבעון השלישי, פלוס או מינוס 2%. התחזית גבוהה מתחזית האנליסטים, שעמדה לפני פרסום הדוח על כ־104.2 מיליארד דולר.

אם החברה תעמוד בתחזית, הכנסותיה הרבעוניות יגדלו בכ־89% בתוך שנה. מדובר גם בפעם הראשונה שבה אנבידיה צפויה לחצות את רף 100 מיליארד הדולר בהכנסות ברבעון אחד.

החברה אינה כוללת בתחזית הכנסות ממכירת מערכות מחשוב למרכזי נתונים בסין. ברבעון שהסתיים ביולי, משלוחי מוצרי Hopper לסין היוו פחות מאחוז אחד מהכנסות מרכזי הנתונים.

בשיחת הוועידה סיפקה אנבידיה גם תחזית חריגה לטווח ארוך יותר: החברה מצפה שהכנסותיה בשנת הכספים שתסתיים בינואר 2028 יגדלו בכ־70%. לפני פרסום הדוח צפו האנליסטים צמיחה של כ־44% בלבד. מנכ״ל החברה ג׳נסן הואנג ציין כי אנבידיה אינה נוהגת למסור תחזית שנה מראש.

לדברי הואנג, הביקוש מתרחב מעבר לספקיות הענן הגדולות וכולל מעבדות בינה מלאכותית, חברות צעירות, ארגונים, ממשלות ויישומי בינה מלאכותית פיזית. הוא תיאר את המצב במשפט: „כעת, כוח המחשוב הוא הכנסה”.

המחסור בזיכרונות ילחץ על שיעור הרווח

למרות התחזית הגבוהה, אנבידיה הזהירה כי היא עדיין מוגבלת על ידי יכולת האספקה, ובעיקר על ידי זמינותם ומחיריהם של רכיבי זיכרון.

שיעור הרווח הגולמי ברבעון השני עמד על 75%. ברבעון הנוכחי הוא צפוי לרדת לכ־74%, פלוס או מינוס חצי נקודת אחוז. סמנכ״לית הכספים קולט קרס אמרה בשיחת הוועידה כי הלחץ ממחירי הזיכרונות ורכיבים נוספים צפוי להימשך, ושיעור הרווח הגולמי עלול לרדת ל־71%–72% ברבעון הרביעי.

הוצאות המחקר והפיתוח של החברה עלו ב־64% והגיעו ל־7.05 מיליארד דולר. החברה הסבירה את העלייה בהרחבת תשתיות המחשוב שלה ובגידול בהוצאות השכר.

התחייבויות של מאות מיליארדי דולרים

מסמך סמנכ״לית הכספים שצורף לדוח חושף עד כמה אנבידיה מעמיקה את מעורבותה בשרשרת האספקה ובמימון תשתיות הבינה המלאכותית.

התחייבויות החברה לרכש רכיבים ולקיבולת ייצור זינקו בתוך רבעון מ־119 מיליארד דולר ל־279 מיליארד דולר. אנבידיה ציינה כי עיקר הגידול נובע מהתחייבויות לרכישת זיכרונות.

נוסף על כך דיווחה החברה על התחייבויות עתידיות של:

• 29 מיליארד דולר להסכמי שירותי ענן.
• 25 מיליארד דולר לחכירת מרכזי נתונים שטרם החלה.
• 25 מיליארד דולר להשקעות בחברות ובמממני תשתיות.
• 8 מיליארד דולר להשקעות הוניות.

בסך הכול מגיעות התחייבויות אלה, לרבות רכש ואספקה, ל־366 מיליארד דולר. החברה חשפה בנפרד גם הסכמים עתידיים בהיקף של 56 מיליארד דולר עם מפעילי ענני AI ולחכירת מרכזי נתונים המיועדים להעברה לצדדים שלישיים.

אין מדובר בהוצאה מיידית או בחוב שכבר נרשם במלואו במאזן, אך המספרים ממחישים את היקף ההימור של אנבידיה על המשך הביקוש לתשתיות AI בשנים הקרובות.

ערבות של עד 105 מיליארד דולר למתחם שיארח את OpenAI

באוגוסט חתמה אנבידיה על הסכם המעניק תמיכה פיננסית להקמת תשתיות קרקע, חשמל ומבנים במתחם PORTS-Pike של SB Energy באוהיו. המתחם אמור לארח תשתיות אנבידיה שיוחכרו ל־OpenAI לתקופה של 20 שנה.

החשיפה המרבית של אנבידיה במסגרת הערבות עשויה להגיע ל־105 מיליארד דולר. הערבות תיכנס לתוקף בשלבים, בכפוף להשלמת מרכזי הנתונים, והחשיפה אמורה לרדת ככל ש־OpenAI תעמוד בתשלומי החכירה.

לפי הערכת אנבידיה, כל דור של מערכות שיוצב במתחם עשוי לכלול כ־1.5 מיליון מעבדים גרפיים ולהניב לה הכנסות של 150–200 מיליארד דולר. מדובר בתחזית של החברה ולא בהכנסה מובטחת.

המהלך מדגים שינוי במודל הפעילות: אנבידיה כבר אינה מסתפקת במכירת שבבים ומערכות, אלא מסייעת ללקוחות להשיג קרקע, חשמל, אשראי ומימון לצורך רכישת תשתיותיה. התלות ההדדית עשויה להאיץ את המכירות, אך גם חושפת את החברה לסיכון אם מפעילי הענן או מפתחי המודלים לא יצליחו לייצר הכנסות שיצדיקו את ההשקעות.

האשראי ללקוחות התארך

סעיף נוסף הראוי לתשומת לב הוא העלייה בחובות הלקוחות. יתרת הלקוחות של אנבידיה הגיעה ל־63.1 מיליארד דולר, ומספר ימי האשראי הממוצע עלה מ־45 ל־60 ימים בתוך רבעון.

החברה הסבירה את העלייה בתנאי תשלום מורחבים שניתנו ללקוחות בעלי דירוג השקעה במסגרת הסכמים גדולים הנפרסים על פני כמה רבעונים.

גם תזרים המזומנים מפעילות שוטפת ירד מ־50.3 מיליארד דולר ברבעון הקודם ל־24.1 מיליארד דולר. אנבידיה ייחסה את הירידה לגידול בהון החוזר ולתשלומי מס. תזרים המזומנים החופשי הסתכם ב־21.34 מיליארד דולר.

המלאי גדל בתוך רבעון מ־25.8 מיליארד דולר ל־31.6 מיליארד דולר, בעיקר לקראת השקת Vera Rubin. במקביל הנפיקה החברה איגרות חוב בהיקף של 25 מיליארד דולר.

אנבידיה החזירה ברבעון כמעט 26 מיליארד דולר לבעלי המניות באמצעות רכישת מניות וחלוקת דיבידנדים. בסוף הרבעון נותרה לה הרשאה לרכישות עצמיות נוספות בהיקף של כ־99 מיליארד דולר.

הצמיחה נמשכת – וגם החשיפה גדלה

התוצאות והתחזית מראות כי לפי שעה אין סימן להאטה בביקוש למחשוב בינה מלאכותית. המעבר מ־Blackwell Ultra ל־Vera Rubin מתרחש כאשר לקוחות החברה עדיין מבקשים יותר מערכות מכפי שהיא מסוגלת לספק.

עם זאת, אנבידיה נוטלת על עצמה תפקיד רחב יותר במימון ובהקמת התשתיות הדרושות ללקוחותיה. התחייבויות הרכש, הערבויות, הארכת תנאי התשלום וההשקעות במפעילי ענן מעמיקים את הקשר בין הצלחתה לבין יכולתם של לקוחותיה להפוך את ההשקעה העצומה ב־AI לעסק רווחי.

מניית אנבידיה עלתה בכמעט 5% במסחר המאוחר, לאחר תגובה תנודתית ראשונית לפרסום התוצאות.

הפוסט אנבידיה הכפילה את ההכנסות ל־96.2 מיליארד דולר; עיקר ההכנסות ממרכזי נתונים הופיע לראשונה ב-Chiportal.

אנבידיה מרחיבה את פעילותה אל מחוץ למרכזי הנתונים שעל פני כדור הארץ. ענקית השבבים הצטרפה כמשקיעה חדשה ב-Starcloud, סטארטאפ המבקש להקים מרכזי נתונים עתירי GPU בחלל.

Starcloud הודיעה ביום שישי על הרחבה של סבב Series A בהיקף 250 מיליון דולר, לפי שווי של 2.3 מיליארד דולר. את ההשקעה הובילה Manhattan West, ולצד אנבידיה הצטרפה כמשקיעה חדשה גם Cisco Investments. בסבב השתתפו גם משקיעים קיימים ובהם Benchmark ו-EQT.

רק במרץ האחרון גייסה Starcloud 170 מיליון דולר לפי שווי של 1.1 מיליארד דולר. בסך הכול גייסה החברה מאז הקמתה ב־2024 כ־450 מיליון דולר. ההון החדש ישמש בין היתר להרחבת כושר הייצור, לעבודת הנדסה משותפת עם אנבידיה ולרכישת שירותי שיגור.

הקשר בין שתי החברות כבר חורג מהשקעה פיננסית. בנובמבר 2025 שיגרה Starcloud את הלוויין Starcloud-1 ובו GPU מסוג NVIDIA H100 – אחד ממאיצי ה-AI המתקדמים שיועדו במקור למרכזי נתונים קרקעיים. החברה דיווחה כי באמצעות המערכת הופעלה גרסה של Gemini בחלל ואף בוצע אימון של מודל שפה קטן במסלול.

כעת עובדת Starcloud עם אנבידיה גם על Space-1 Vera Rubin Module, מערכת המבוססת על ארכיטקטורת Vera Rubin ומיועדת להפעלת עומסי AI בתנאי החלל. אנבידיה הציגה את הפלטפורמה במרץ השנה כחלק מניסיון להביא יכולות ברמת מרכז נתונים ללוויינים ולתשתיות מסלוליות.

התוכנית ארוכת הטווח של Starcloud שאפתנית בהרבה מהלוויין הניסויי. החברה הגישה תוכניות למערך של עד 88 אלף לוויינים, שלדבריה יוכל להגיע לקיבולת מחשוב כוללת של כ־20 גיגה־ואט. השלב הבא הוא Starcloud-2, מערכת מסחרית הכוללת אשכול GPU, אחסון ומערכות חשמל וקירור ייעודיות לחלל.

הרעיון מאחורי מרכזי הנתונים החלליים הוא לנצל אנרגיה סולארית כמעט רציפה ולצמצם את התלות בקרקע, ברשתות חשמל ובמים לקירור – שלושה משאבים שהופכים לצווארי בקבוק בבניית מרכזי AI חדשים.

אלא שהאתגרים עדיין גדולים. שיגור חומרה בכמויות הדרושות למרכז נתונים עולה הון רב, רכיבים אלקטרוניים חשופים לקרינה, סילוק חום בחלל מחייב רדיאטורים גדולים, וקישורי התקשורת בין לוויינים ובין החלל לקרקע עדיין רחוקים מרוחבי הפס המתקבלים בין GPUs בתוך מרכז נתונים מודרני.

מבחינת אנבידיה, ההשקעה ב-Starcloud משתלבת במגמה רחבה יותר שבה החברה אינה מסתפקת עוד באספקת GPUs, אלא משקיעה גם בחברות ובתשתיות שאמורות להגדיל בעתיד את הביקוש למערכות המחשוב שלה.

הפוסט אנבידיה משקיעה ב-Starcloud: גייסה 250 מיליון דולר להקמת מרכזי נתונים בחלל הופיע לראשונה ב-Chiportal.

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.

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 OXMIQ Labs, שהקים ארכיטקט השבבים הוותיק ראג'ה קודורי, השלימה גיוס סדרה A בהיקף של 35 מיליון דולר. בעקבות הסבב הגיע סך ההון שגייסה החברה ל־60 מיליון דולר. החברה מבקשת לפתח מודל חדש בשוק מאיצי הבינה המלאכותית: במקום למכור שבבים מוגמרים, היא תציע ליצרניות שבבים ולמפעילות מרכזי נתונים ארכיטקטורת GPU וקניין רוחני שאפשר לשלב בשבבים מותאמים אישית.

הסבב הובל בידי Samsung Catalyst Fund וקרן Fundomo. בין המשקיעות הנוספות נמצאות MediaTek, ‏Pegatron Venture Capital, ‏AM Intelligence Labs, ‏CDIB-TEN, ‏Darwin Ventures, ‏Morgan Creek Digital ואינטל קפיטל. MediaTek, שהשתתפה גם בגיוס הקודם של החברה, השקיעה פעם נוספת. (intelcapital.com)

קודורי שימש בעבר בתפקידי הנדסה וניהול בכירים באפל, ב־AMD ובאינטל. בין היתר, הוא ניהל את קבוצת Radeon של AMD ובהמשך היה הארכיטקט הראשי של אינטל, שם היה מעורב בהקמת פעילות המעבדים הגרפיים ובפיתוח מאיצים למרכזי נתונים. לאחר שעזב את אינטל הוא הקים את OXMIQ, המחזיקה משרדים בקמפבל שבקליפורניה ובהיידראבאד שבהודו.

לדברי קודורי, מטרתה של החברה היא להיות “ה־Arm של העידן הבא”. ההשוואה מתייחסת בעיקר למודל העסקי: Arm אינה מייצרת את רוב השבבים המבוססים על הארכיטקטורה שלה, אלא מעניקה רישיונות לליבות ולמערכות ההוראות שלה. בדומה לכך, OXMIQ רוצה לאפשר לחברות לפתח מאיצי AI מבלי להשקיע שנים ומאות מיליוני דולרים ביצירת ארכיטקטורת חישוב ומערכת תוכנה מן היסוד. (Reuters)

שלושה מנועי חישוב בליבה אחת

המוצר המרכזי של החברה נקרא OxCore. זוהי ליבת GPU הניתנת לרישוי, המשלבת מנוע עיבוד גרפי התואם לעקרונות החישוב של CUDA, מנוע Tensor לחישובי בינה מלאכותית ומנוע תזמון דמוי CPU, האחראי לתיאום עומסי העבודה במערכת.

במערכות AI קיימות, המעבד המרכזי, המאיץ הגרפי ומנועי ה־Tensor פועלים לעיתים קרובות כרכיבים נפרדים. OXMIQ מבקשת להצמיד את שלושת סוגי העיבוד בתוך בלוק קניין רוחני אחד. לטענתה, הדבר עשוי להפחית את הצורך בהעברת מידע בין רכיבים ולהקטין את צריכת החשמל ואת זמני ההמתנה לזיכרון. הארכיטקטורה תוכננה גם לעיבוד בקרבת הזיכרון, כדי להתמודד עם צוואר הבקבוק הנוצר כאשר כמויות גדולות של נתונים מועברות שוב ושוב בין הזיכרון למאיץ. (intelcapital.com)

OxCore אמורה להתאים לטווח רחב של מוצרים: מליבה יחידה במכשיר קצה או ברובוט ועד למערכות הכוללות אלפי ליבות במרכזי נתונים. עם זאת, בשלב זה הליבה פועלת במימוש FPGA בלבד. החברה מציגה הדגמות חיות, אך עדיין לא חשפה שבב מסחרי המבוסס על הארכיטקטורה או מבחני ביצועים עצמאיים מול מאיצים קיימים.

לצד הליבה מפתחת החברה את OxQuilt, פלטפורמה להרכבת מערכת ממספר שבבונים. הארכיטקטורה נועדה לחבר באותה מארזת שבבוני חישוב, זיכרון וקישוריות, ולאפשר ללקוח לבחור את היחס ביניהם בהתאם לסוג עומס העבודה.

לדוגמה, מערכת המיועדת לאימון מודלים יכולה להקצות שטח גדול יותר למנועי חישוב, ואילו מערכת המיועדת להרצת מודלי שפה גדולים עשויה לדרוש יותר זיכרון ורוחב פס. החברה אומרת כי OxQuilt לא תהיה קשורה למפעל ייצור, סוג זיכרון או תהליך ייצור מסוים, ותוכל לתמוך בתקני קישוריות ובטכנולוגיות אריזה ממקורות שונים.

ניסיון לצמצם את התלות ב־CUDA

החלק המשמעותי ביותר במערכת התוכנה של OXMIQ הוא OxPython. לדברי החברה, השכבה נועדה לאפשר ליישומי Python שפותחו עבור CUDA של אנבידיה לפעול על מאיצים של חברות אחרות, ללא שינויים בקוד או הידור מחדש.

גרסה ראשונה של המערכת מיועדת לפעול על מאיצי Wormhole ו־Blackhole של Tenstorrent. מנכ"ל Tenstorrent, ג'ים קלר, אמר כי הטכנולוגיה עשויה לשפר את ניידות התוכנה ולאפשר למפתחים להעביר עומסי Python ו־CUDA בין פלטפורמות חומרה שונות. (oxmiq.ai)

זהו יעד שאפתני במיוחד. כוחה של אנבידיה אינו נובע רק מביצועי המעבדים הגרפיים שלה, אלא גם מסביבת CUDA, הכוללת ספריות, כלי פיתוח, מהדרים ומערכות תוכנה שנבנו במשך קרוב לשני עשורים. חברות רבות ניסו ליצור שכבות תאימות או כלי המרה, אך תאימות ליישום מסוים אינה שקולה בהכרח לתמיכה מלאה בכל המערכת האקולוגית של CUDA.

גם OXMIQ עצמה מרחיבה את ההתמקדות מעבר לתאימות ברמת היישום. החברה מפתחת את OxCapsule, מערכת המאפשרת לנהל חומרה הטרוגנית ולהקצות עומסי עבודה למעבדים ולמאיצים שונים. לפי EE Times, חלק מהתוכנה מבוסס על טכנולוגיה שקיבלה OXMIQ ברישיון מאינטל.

למרכזי נתונים גדולים מפתחת החברה מערכת נוספת בשם OxFactory. לדברי קודורי, ניהול אלפי מאיצים מחייב טיפול בתקלות חומרה, שיבושי רשת וחלוקת משימות בהיקף השונה מהותית מזה של מחשב אישי או מערכת קצה. OxFactory אמורה לשמש שכבת תזמור עבור “מפעלי AI” הכוללים אלפי מעבדים ומאיצים מסוגים שונים.

לא רק ספקית IP

למרות ההשוואה ל־Arm, OXMIQ אינה מתכוונת להסתפק במכירת רישיונות. החברה מתכננת לספק גם שירותי תכנון לשבבים מותאמים אישית ולמערכות שלמות למרכזי נתונים. בכך היא עשויה להתחרות, לפחות בחלק מהפרויקטים, בברודקום, מארוול ו־MediaTek, המסייעות לענקיות ענן לפתח מאיצים ייעודיים.

קודורי טוען כי העלייה החדה בעלות הקמת תשתיות AI משנה את הכלכלה של פיתוח שבבים מותאמים. לדבריו, כאשר ציוד מרכז נתונים בהספק של 100 מגה־ואט המבוסס על מאיצים מתקדמים עשוי לעלות מיליארדי דולרים, השקעה של כמאה מיליון דולר בפיתוח שבב ייעודי עשויה להפוך לכדאית. עם זאת, מדובר בהערכות של החברה, ולא בנתונים שהוכחו עדיין באמצעות פרויקט מסחרי המבוסס על OxCore. (EE Times)

החברה מסרה כי היא כבר פועלת עם מספר לקוחות לקראת הפיכת הקניין הרוחני שלה לשבבים ממשיים. כספי הגיוס ישמשו להשלמת חבילות ה־IP הראשונות, להרחבת פעילות התכנון ולגיוס מהנדסים נוספים. קודורי אמר כי הוא מעוניין לשמור על צוות קטן יחסית, המונה עשרות עובדים, ולהסתייע בכלי תכנון מבוססי בינה מלאכותית ובשותפים חיצוניים.

OXMIQ מציגה שילוב מעניין של מודל רישוי המזכיר את Arm, ליבת GPU מותאמת ל־AI, שבבונים ותוכנה שנועדה לצמצם את התלות באנבידיה. אולם הדרך מהדגמת FPGA למוצר מסחרי ארוכה. הצלחתה תהיה תלויה ביכולת להציג שבבים מיוצרים, לקוחות משלמים, תאימות תוכנה רחבה ותוצאות ביצועים וצריכת חשמל שניתן להשוות למאיצים הקיימים בשוק.

הפוסט OXMIQ גייסה 35 מיליון דולר ומבקשת להפוך ל־Arm של מאיצי ה-AI הופיע לראשונה ב-Chiportal.

אוניברסיטת בן־גוריון בנגב הודיעה על כוונתה לפתוח בשנת הלימודים תשפ"ז תוכנית לתואר ראשון (B.Sc) בבינה מלאכותית, בכפוף לאישור המועצה להשכלה גבוהה. מדובר במהלך שמטרתו להעניק הכשרה ממוקדת בתחום שהפך בשנים האחרונות לאחד ממנועי הצמיחה המרכזיים של תעשיית ההייטק והמחקר.

עד כה נלמדה הבינה המלאכותית ברוב המוסדות האקדמיים בישראל כחלק מתואר במדעי המחשב, באמצעות קורסי בחירה או מסלולי התמחות. התוכנית החדשה מבקשת להפוך את התחום לליבת התואר כולו, תוך שילוב קורסים במדעי המחשב, מתמטיקה, סטטיסטיקה ולמידת מכונה לצד נושאים מתקדמים כגון למידה עמוקה, מודלים גנרטיביים, עיבוד שפה טבעית וראייה ממוחשבת.

התוכנית אמורה לפעול במסגרת הפקולטה למדעי המחשב והמידע באוניברסיטה, ותהיה מבוססת על סגל החוקרים העוסק בבינה מלאכותית בתחומים שונים. בראש התוכנית צפוי לעמוד פרופ' ערן טרייסטר, חוקר בתחום למידת המכונה והחישוב המדעי.

המהלך מגיע על רקע מחסור עולמי באנשי מקצוע בעלי הכשרה מתקדמת בבינה מלאכותית. חברות טכנולוגיה, מוסדות מחקר וגופי ממשל מגבירים בשנים האחרונות את הביקוש למהנדסים וחוקרים בעלי הבנה עמוקה של אלגוריתמים, מודלים גדולים ותשתיות חישוב מתקדמות.

עם זאת, מומחים בתחום מציינים כי השאלה המרכזית אינה רק פתיחת מסלולים חדשים, אלא גם התאמת תוכניות הלימודים לקצב ההתפתחות המהיר של התחום. טכנולוגיות שנלמדות כיום עשויות להשתנות בתוך שנים ספורות, ולכן נדרשת הכשרה המבוססת על יסודות מתמטיים ומדעיים לצד חשיפה לכלים העדכניים ביותר.

לדברי האוניברסיטה, התוכנית תסתמך על תשתיות מחשוב ייעודיות, לרבות אשכול חישוב מבוסס GPU המאפשר אימון והרצה של מודלים מתקדמים, וכן על מעבדות רובוטיקה ושיתופי פעולה עם חברות טכנולוגיה. בנוסף ייכללו בתוכנית קורסים העוסקים בהשלכות החברתיות והאתיות של הבינה המלאכותית, נושא הזוכה לתשומת לב גוברת בעולם האקדמי והרגולטורי.

פתיחת התוכנית משתלבת במגמה רחבה יותר בישראל, שבה מוסדות אקדמיים מנסים להרחיב את ההיצע בתחומי הבינה המלאכותית, מדעי הנתונים והסייבר, במטרה לענות על צורכי המשק ולחזק את מעמדה של ישראל בזירה הטכנולוגית העולמית.

עד לקבלת אישור המל"ג, טרם פורסמו היקף הקליטה הצפוי, תנאי הקבלה הסופיים או מספר המקומות שיוצעו במחזור הראשון.

הפוסט אוניברסיטת בן־גוריון מבקשת לפתוח תואר ראשון ייעודי בבינה מלאכותית הופיע לראשונה ב-Chiportal.

סרברס מערכות (Cerebras Systems), אחת החברות השאפתניות ביותר בתחום שבבי הבינה המלאכותית, השלימה הנפקה ראשונה לציבור בנאסד"ק תחת הסימול CBRS, במהלך שהפך מיד לאחד מאירועי השוק הבולטים של 2026. החברה מכרה 30 מיליון מניות במחיר של 185 דולר למניה, וגייסה כ־5.55 מיליארד דולר. ביום המסחר הראשון זינקה המניה לפתיחה של 350 דולר וסגרה ב־311.07 דולר, עלייה של כ־68% לעומת מחיר ההנפקה. ביום המסחר הבא כבר נרשמה נסיגה, והמניה ירדה ל־279.72 דולר, אך גם לאחר הירידה היא עדיין נסחרה הרבה מעל מחיר ההנפקה. (Investors)

ההתלהבות סביב ההנפקה נובעת מהעובדה שסרברס אינה מציגה את עצמה כעוד ספקית מאיצים לשוק ה־AI, אלא כחלופה ארכיטקטונית למודל שעליו בנתה אנבידיה את שליטתה. בעוד אנבידיה מובילה את השוק באמצעות מערכות GPU, רשתות תקשורת מהירות, ספריות CUDA ומערכת תוכנה רחבה, סרברס מנסה לעקוף חלק מהמורכבות הזאת באמצעות שבב עצום בגודל פרוסת סיליקון שלמה. החברה טוענת כי מנוע ה־Wafer-Scale Engine 3 שלה כולל ארבעה טריליון טרנזיסטורים, 900 אלף ליבות מותאמות AI ו־125 פטה־פלופס של חישוב AI, על גבי שבב יחיד בשטח 46,225 מ"מ רבוע. לפי החברה, מדובר ב־19 פעמים יותר טרנזיסטורים ו־28 פעמים יותר חישוב לעומת NVIDIA B200. (Cerebras)

זו בדיוק הסיבה שההנפקה נתפסת כמתקפה ישירה על אנבידיה. סרברס אינה מנסה רק למכור שבב מתחרה ללקוחות שכבר בונים חוות GPU. היא מנסה לשכנע את השוק שאפשר לבנות חלק מעומסי ה־AI, במיוחד אינפרנס מהיר והרצת מודלים גדולים, בצורה פשוטה יותר: פחות חלוקה בין אלפי מאיצים, פחות צווארי בקבוק בזיכרון ובתקשורת בין רכיבים, ויותר חישוב וזיכרון על אותו משטח סיליקון. באתר החברה מוצגת הטכנולוגיה כגדולה פי 58 ממעבדי GPU וכמהירה עד פי 15 במקרי אינפרנס מסוימים, אם כי החברה עצמה מסייגת כי השוואות ביצועים תלויות בעומס העבודה, בתצורה ובמודל הנבדק. (Cerebras)

החזית החשובה ביותר היא ענן ה־AI. אנבידיה נהנית לא רק ממכירת שבבים, אלא ממעמד כמעט תשתיתי אצל ספקיות הענן, חברות AI ומרכזי נתונים. סרברס מנסה להיכנס בדיוק לשם. החברה מציעה שלושה מסלולים: שירות ענן למפתחים, קיבולת ייעודית למודלים מותאמים, ומערכות מקומיות לארגונים שרוצים שליטה מלאה על המודלים והנתונים. באתר החברה מופיעים לקוחות ושותפים כמו OpenAI, מטא, AWS, Mayo Clinic ו־GSK, והיא מדגישה תאימות לממשקי API בסגנון OpenAI כדי להקל על מעבר עומסים ממערכות קיימות. (Cerebras)

במילים אחרות, סרברס תוקפת את אנבידיה בשתי רמות. ברמת החומרה, היא טוענת שהבעיה המרכזית של AI אינה רק כמות החישוב, אלא תנועת הנתונים בין הזיכרון, המאיץ והרשת. ברמת המודל העסקי, היא מציעה ללקוחות גדולים לא להמתין רק לעוד דור GPU, אלא להעביר חלק מהעומסים לפלטפורמה ייעודית שמבטיחה זמן תגובה קצר יותר ועלות נמוכה יותר לאינפרנס. עבור יישומים כמו סוכני AI, חיפוש בזמן אמת, עוזרי קוד ושיחות קוליות, השהיה נמוכה היא לא תוספת נחמדה אלא תנאי שימוש מרכזי.

עם זאת, ההנפקה גם מחדדת את הסיכון. אנבידיה אינה רק יצרנית שבבים. היא מחזיקה במערכת אקולוגית רחבה של תוכנה, רשתות, שרתים, תכנון מערכות, קשרים עם יצרני ענן ויתרון עצום באמון הלקוחות. סרברס צריכה להוכיח שהארכיטקטורה החריגה שלה עובדת לא רק בהדגמות ובמקרי שימוש נבחרים, אלא גם בפריסה רחבה, לאורך זמן ובמגוון עומסים. אנליסטים כבר הזהירו שהשווי של החברה גבוה מאוד ביחס להכנסותיה, ושחלק ניכר מהאופטימיות מגולם במחיר המניה כבר אחרי ימי המסחר הראשונים. (MarketWatch)

לכן, ההנפקה של סרברס אינה רק עוד סיפור על חברת שבבים שנהנית מגל ה־AI. היא מבחן לשאלה גדולה יותר: האם שוק הבינה המלאכותית ימשיך להיבנות כמעט כולו סביב ארכיטקטורת GPU ורשתות של אנבידיה, או שייפתח מקום ממשי לארכיטקטורות ייעודיות שמציעות דרך אחרת להריץ מודלים גדולים. סרברס עדיין רחוקה מערעור ההובלה של אנבידיה, אבל עצם ההנפקה, גודל הגיוס והעניין מצד לקוחות ענן ו־AI גדולים מראים שהשוק מחפש אלטרנטיבות. עבור אנבידיה, זהו לא איום מיידי על הכתר, אבל זהו סימן ברור לכך שהמאבק הבא אינו רק על מי מייצר את השבב החזק ביותר, אלא על מי יגדיר את תשתית החישוב של עידן ה־AI.

הפוסט סרברס הונפקה בנאסד"ק – ומכוונת אל נקודת התורפה של אנבידיה 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.