חברת תשתיות הבינה המלאכותית Modal הודיעה ב־19 באוקטובר כי בכוונתה להוסיף תמיכה במעבדים המרכזיים Vera של אנבידיה לשירות Modal Sandboxes. השירות מספק סביבות מבודדות להרצת קוד, בין היתר עבור סוכני בינה מלאכותית.

לפי החברה, במבחנים פנימיים תחת עומס השיג Vera תפוקת משימות גבוהה עד פי שניים בהשוואה לשרת x86 מקביל המבוסס על Intel Granite Rapids. מדובר בתוצאות של החברה לעומסי עבודה מסוימים, ולא בטענה להכפלת הביצועים בכל יישום.

Vera תואם לארכיטקטורת Arm. שילובו מסמן שינוי עבור Modal, שתשתיותיה התבססו עד כה על x86, ויחייב התאמות במערכות ההפעלה של השירות ובבניית סביבות התוכנה.

ההכרזה מרחיבה את התחרות של אנבידיה מעבר למאיצים גרפיים אל המעבדים המרכזיים שמשרתים יישומי AI.

הפוסט Modal תשלב את מעבדי Vera של אנבידיה בתשתית להרצת סוכני AI הופיע לראשונה ב-Chiportal.

Marvell Technology העלתה את תחזית ההכנסות שלה לשנת הכספים 2028 לכ־20 מיליארד דולר, לעומת תחזית קודמת של 18 מיליארד דולר. החברה מייחסת את העדכון להאצה בביקוש לשבבים מותאמים אישית ולפתרונות קישוריות עבור מרכזי נתונים של בינה מלאכותית.

התחזית החדשה גבוהה גם מתחזית האנליסטים, שעמדה על כ־18.2 מיליארד דולר. במקביל הציגה Marvell יעד ארוך טווח של הכנסות בהיקף 70–90 מיליארד דולר בשנת הכספים 2031. מניית החברה עלתה בעקבות הדברים, לאחר שכבר יותר משילשה את ערכה מתחילת השנה.

אחד ממנועי הצמיחה הוא המעבר של חברות ענן גדולות לפיתוח מאיצי AI פנימיים, כחלופה או כהשלמה למעבדי Nvidia. Marvell מספקת עבורן תכנון של שבבים מותאמים אישית וכן רכיבי תקשורת מהירים המקשרים בין המאיצים, הזיכרונות והרשתות במרכזי הנתונים.

באוגוסט חשפה החברה הסכם עם Google שעשוי, בכפוף לעמידה ביעדים, להניב הכנסות מצטברות של עד 120 מיליארד דולר עד שנת הכספים 2033.

הפוסט Marvell מעלה את תחזית ההכנסות ל־2028 ל־20 מיליארד דולר בעקבות הביקוש לשבבי AI הופיע לראשונה ב-Chiportal.

אנבידיה הכריזה אמש (ב׳) על NVIDIA Open Agent Safety Platform, פלטפורמת תוכנה ותכנון ייחוס לחומרה שנועדו לפקח על פעילותם של סוכני בינה מלאכותית. בהודעה שהועברה לעיתונות בישראל ציינה החברה כי שלושה מרכיבים מרכזיים במנגנון האבטחה שלה — Sentry, סביבת הפיתוח DOCA ומעבדי BlueField-4 — פותחו בישראל.

הרעיון הוא להציב לסוכן גבולות גם מחוץ לתוכנה שבה הוא פועל. ככל שסוכני AI מקבלים גישה לקבצים, לשירותים ולכלים שמבצעים פעולות בשם המשתמש, ארגון צריך לדעת אילו בקשות הם שולחים והאם הם חורגים מההרשאות שנקבעו להם. אנבידיה מציעה לשלב פיקוח בזמן הריצה עם שכבת בקרה נפרדת בחומרה.

רכיב התוכנה OpenShell מפעיל סוכנים בסביבת ריצה מוגבלת, מתעד את פעולותיהם ואוכף מדיניות גישה. הוא זמין בקוד פתוח ומיועד לפעול על מעבדי Vera של אנבידיה; לדברי החברה, ניתן להתאימו גם לפלטפורמות מחשוב של Arm ואינטל. לצדו הציגה החברה את Sentry כתכנון ייחוס למנגנון פיקוח הפועל על מעבדי עיבוד הנתונים BlueField-4. המנגנון אמור לעקוב אחר פעילות הסוכן מסביבה מבודדת, שאינה בשליטתו, ולמנוע ממנו להמשיך לפעול אם חרג מהגבולות שהוגדרו לו.

Sentry נשען על סביבת התוכנה DOCA לצורך בדיקת בקשות ותגובות, אימות זהות ואכיפת הרשאות גישה לנתונים, לכלים ולממשקי תכנות. אנבידיה טוענת שהמערכת יכולה לבודד ולעצור סוכן שחורג מן המדיניות בתוך אלפיות השנייה. מדובר בטענה של החברה ובתכנון ייחוס; ההכרזה אינה מציגה נתוני בדיקה עצמאיים לביצועים האלה.

לפי אנבידיה, יותר מ־100 ארגונים עובדים עם טכנולוגיות הקשורות לפלטפורמה, בהם אנתרופיק, מיקרוסופט, פאלו אלטו נטוורקס וסיילספורס. זה אינו נתון של לקוחות שרכשו את המערכת בשלמותה. תוכנת OpenShell זמינה למפתחים, ואילו רכיב Sentry הוצג במסגרת תכנון הייחוס מבוסס BlueField-4. עבור פעילות הפיתוח בישראל, ההכרזה מדגישה את תפקידם של שבבי התקשורת ועיבוד הנתונים גם בהגנה על מערכות AI, מעבר להאצתן.

הפוסט אנבידיה מציגה פלטפורמה לאבטחת סוכני AI; שבב BlueField-4 שפותח בישראל ישמש לפיקוח על פעילותם הופיע לראשונה ב-Chiportal.

תהליך הייצור Intel 14A עשוי להפוך בשנים הקרובות לאחת מזירות התחרות החשובות ביותר בתעשיית השבבים. לפי דיווח שהתבסס על ניתוח של Piper Sandler, שמונה חברות – Amazon, Apple, AMD, Google, Tesla, Microsoft, Nvidia ו-Qualcomm – בוחנות את האפשרות לייצר שבבים בתהליך הדור הבא של Intel Foundry. בשלב זה אף אחת מהחברות לא הכריזה על התחייבות לייצור מסחרי. TechSpot

עבור אינטל, עצם ההתעניינות היא משמעותית. החברה מנסה כבר שנים להפוך את חטיבת הייצור שלה לספקית foundry אמיתית המתחרה ב-TSMC וב-Samsung, ולא רק למפעל המשרת את מוצריה שלה. 14A הוא התהליך הראשון שאינטל תכננה מלכתחילה תוך התמקדות בלקוחות חיצוניים, והחברה עצמה הזהירה בעבר כי אם לא תצליח להשיג לקוח חיצוני גדול, ייתכן שהמשך ההשקעה בדורות שאחרי 18A לא יהיה כלכלי. Intel

אינטל: 14A יהיה קרוב מאוד ל-TSMC A14

נאגה צ'נדרסקראן, מנהל הטכנולוגיה והתפעול של Intel Foundry, אמר לאחרונה כי אינטל מעריכה שביצועי 14A יהיו "בטווח של 5%" מאלה של תהליך A14 של TSMC. הניסוח אינו קובע מי מהשניים יהיה מהיר יותר, אך הוא ממקם את שני התהליכים באותה קטגוריית ביצועים. Tom's Hardware

לפי נתוני אינטל, 14A אמור לספק שיפור של 15%–20% בביצועים באותה צריכת חשמל לעומת 18A, או הפחתה של 25%–35% בצריכת החשמל באותה רמת ביצועים, לצד שיפור של עד 30% בצפיפות. התהליך ישתמש בדור השני של טרנזיסטורי RibbonFET ובמערכת PowerDirect להזנת חשמל מהצד האחורי של הפרוסה. אינטל

14A גם מיועד להיות אחד מתהליכי הלוגיקה הראשונים שישתמשו באופן נרחב בליתוגרפיית High-NA EUV – הדור הבא של מערכות EUV של ASML. בכך אינטל מנסה לא רק להשוות את ביצועי TSMC, אלא גם לבנות תהליך שיהיה אטרקטיבי ללקוחות HPC ו-AI עתירי ביצועים. Intel

המבחן האמיתי: האם אחת הענקיות תחתום

הרשימה המדווחת מרשימה במיוחד משום שהיא כוללת כמה מהלקוחות הגדולים ביותר של TSMC כיום. Nvidia, AMD, Apple ו-Qualcomm לבדן מייצגות נפח עצום של שבבי מחשוב ומובייל מתקדמים.

עם זאת, בדיקה של תהליך אינה שקולה להזמנת ייצור. חברות שבבים גדולות נוהגות לבחון במקביל כמה טכנולוגיות ייצור ולבצע porting של בלוקים, בדיקות PDK והערכות PPA עוד לפני החלטה מסחרית.

אינטל עצמה דיווחה בדוחותיה כי היא "מעורבת באופן פעיל עם מספר לקוחות חיצוניים פוטנציאליים" וצפתה כי החלטות לגבי 14A יתחילו להתקבל במחצית השנייה של 2026 ובמחצית הראשונה של 2027. Intel

לכן, עבור Intel Foundry, האירוע שישנה באמת את התמונה לא יהיה עוד לקוח שבוחן את התהליך – אלא חתימה של לפחות לקוח עוגן אחד על ייצור בהיקפים משמעותיים.

14A הוא גם מבחן לעתיד מפעלי אינטל

ההימור של אינטל על 14A הוא לא רק טכנולוגי. פיתוח תהליך מתקדם והקמת כושר ייצור עבורו דורשים השקעות של עשרות מיליארדי דולרים. החברה כבר הבהירה שהיקף הרחבת המפעלים יהיה תלוי ישירות בכמות ההזמנות המחייבות שתצליח להשיג. Intel

אם אפילו חלק מהחברות שמדווחות כעת כמי שבוחנות את 14A יהפכו ללקוחות, הדבר עשוי לתת ל-Intel Foundry את מה שחסר לה מאז הקמתה במתכונתה הנוכחית: נפחי ייצור חיצוניים גדולים שיכולים להצדיק את ההשקעה בדורות הבאים.

אם, לעומת זאת, הלקוחות ימשיכו לבחור ב-TSMC, אינטל תעמוד שוב בפני השאלה הקשה האם היא יכולה להמשיך לממן לבדה את המרוץ לדורות הייצור המתקדמים ביותר.

הפוסט דיווח: Nvidia, Apple, AMD וחמש ענקיות נוספות בוחנות ייצור ב-Intel 14A הופיע לראשונה ב-Chiportal.

הגידול בהיצע מאיצי הבינה המלאכותית עדיין אינו מתורגם לירידה במחירי כוח המחשוב. להפך: נתונים חדשים מ־Nebius ומ־CoreWeave מצביעים על כך שלקוחות ממשיכים לשלם יותר עבור קיבולת GPU, CPU וזיכרון — גם כאשר דורות חדשים של חומרה נכנסים לשוק.

Nebius הודיעה כי החל מ־1 באוקטובר תעלה את מחירי ה־pay-as-you-go של מספר מאיצי NVIDIA בשיעור של 17%–21%. זו העלאת המחירים השנייה של החברה בתוך שלושה חודשים.

לפי הנתונים שנמסרו, מחיר השימוש לפי שעה ב־H100 יעלה בכ־17%, בעוד שמחיר B300 יעלה בכ־21%. גם שירותים שאינם מבוססי GPU מתייקרים: מופעי CPU מסוימים יעלו בכ־25%, ומחירי זיכרון מסוימים בכ־41%.

Nebius מדגישה שלקוחות שמתחייבים לאשכולות גדולים למשך חודשים יכולים לקבל הנחות, ולכן המחירים החדשים אינם משקפים בהכרח את המחיר שמשלמים הלקוחות הגדולים ביותר בחוזים ארוכי טווח.

CoreWeave: חוזים חדשים בכ־40 מיליון דולר למגה־ואט

התמונה מקבלת חיזוק גם מ־CoreWeave. החברה מסרה כי ברבעון השלישי חתמה על חוזים קצרי טווח של שלושה עד שישה חודשים במחיר שקול לכ־40 מיליון דולר הכנסה שנתית לכל מגה־ואט של הספק הנדרש להפעלת אשכולות המחשוב.

CoreWeave דיווחה גם כי הוסיפה יותר מ־25 מיליארד דולר של התחייבויות לקוחות חדשות בתחילת הרבעון השלישי, וכי ההספק החוזי שלה גדל מכ־3.7 גיגה־ואט בסוף יוני לכ־4.2 גיגה־ואט באוגוסט.

הנתון של מחיר למגה־ואט חשוב משום שהוא מראה עד כמה שוק מחשוב ה־AI כבר אינו נמדד רק במספר GPUs. מגה־ואט מגלם למעשה מערכת שלמה: מאיצים, CPUs, זיכרון, מתגים, רשתות אופטיות, קירור, מערכות חשמל, שטח במרכז נתונים ותפעול.

מדוע המחיר עולה כשנכנסים שבבים חדשים?

בשווקים טכנולוגיים רגילים, הגדלת היצע והכנסת דורות חדשים נוטות להוזיל בהדרגה את המחיר ליחידת ביצוע. שוק ה־AI מתנהג כרגע אחרת משום שהביקוש גדל מהר יותר מהקיבולת שמתווספת.

הגורם הראשון הוא האצה בהיקף ה־inference. אימון מודל גדול הוא אירוע מוגבל בזמן, אך לאחר שהמודל נפרס הוא עשוי לשרת מיליוני או מיליארדי בקשות מדי יום. ככל שיותר שירותים משלבים AI, הביקוש לחישוב הופך רציף.

הגורם השני הוא שמאיץ אינו פועל לבד. גם אם היצע GPUs גדל, יש צורך ב־HBM, אריזה מתקדמת, אופטיקה, מתגים, CPUs, אחסון, קירור וחשמל. מחסור בכל אחד מהרכיבים הללו יכול להגביל את הקיבולת הכוללת.

הגורם השלישי הוא זמן ההקמה. מרכז נתונים חדש דורש חיבור לרשת החשמל, תשתיות קירור ולעיתים בניית תחנת משנה. זמני ההמתנה לחשמל ולציוד יכולים להיות ארוכים יותר מזמן הייצור של ה־GPU עצמו.

כוח תמחור ל"ניאו־קלאוד"

Nebius ו־CoreWeave שייכות לקבוצת חברות שמכונות לעיתים neoclouds — ספקיות ענן המתמקדות בתשתיות AI עתירות GPU. הן מתחרות בענקיות כמו AWS, Microsoft Azure ו־Google Cloud, אך מציעות לעיתים אשכולות גדולים ומותאמים יותר לאימון ולהרצת מודלים.

עליית המחירים מצביעה על כך שלספקיות הללו יש כרגע כוח תמחור. לקוחות שמבקשים גישה מיידית למאיצים החדשים מוכנים לשלם פרמיה, במיוחד כאשר החלופה היא להמתין חודשים לקיבולת.

עם זאת, אין להסיק מכך שמחירי מחשוב AI יעלו ללא הגבלה. קיבולת חדשה נבנית במהירות, NVIDIA, AMD וחברות נוספות משיקות דורות חדשים, וספקיות הענן הגדולות מפתחות מאיצים עצמאיים. בטווח הארוך התחרות עשויה להפעיל לחץ כלפי מטה.

בטווח הקצר, הנתונים של ספטמבר 2026 מצביעים דווקא על ההפך: למרות השקעות עתק והרחבת היצע השבבים, הביקוש למחשוב AI ממשיך לגדול מהר מספיק כדי לאפשר לספקיות להעלות מחירים.

הפוסט מחקרי שוק: מחירי מחשוב ה־AI ממשיכים לעלות למרות התרחבות היצע המאיצים הופיע לראשונה ב-Chiportal.

מנכ"ל NVIDIA, ג'נסן הואנג, אמר כי הוא מצפה שהחברה תמכור בשנת 2027 פי שניים שבבים מאשר בשנת 2026. הדברים נאמרו במהלך אירוע בסקוטלנד, על רקע המשך הגידול בהשקעות העולמיות בתשתיות בינה מלאכותית.

"אני מצפה ש־NVIDIA תמכור בשנה הבאה פי שניים שבבים מכפי שאנחנו מוכרים השנה", אמר הואנג. לדבריו, הסיבה היא שהבינה המלאכותית כבר נתפסת במדינות ובתעשיות רבות כתשתית כלכלית ולא רק כטכנולוגיה ניסיונית.

התחזית בולטת משום ש־NVIDIA אינה מפרסמת בדרך כלל נתון כולל של מספר השבבים שהיא מוכרת. לכן גם קשה לתרגם את דבריו ישירות למספר יחידות או להכנסות.

לא מדובר רק ב־GPU

הפרשנות הראשונית עשויה להיות ש־NVIDIA מתכוונת להכפיל את מספר מאיצי ה־GPU למרכזי נתונים, אך סל המוצרים של החברה רחב בהרבה.

לצד מאיצי Blackwell ו־Rubin, NVIDIA מוכרת גם CPUs, שבבי מתגים לרשתות, רכיבי InfiniBand ו־Ethernet, שבבים לתקשורת אופטית, מערכות Jetson לרובוטיקה ולמערכות משובצות, שבבים למחשבים ניידים ורכיבים לתעשיית הרכב. החברה מספקת גם שבב עבור Nintendo Switch 2.

בנוסף, ארכיטקטורות rack-scale כמו NVL72 משלבות מספר רב של רכיבים בכל מערכת. לכן גידול במספר המערכות שנמכרות מגדיל במקביל את מספר ה־GPU, CPU ושבבי התקשורת שנכללים בכל התקנה.

בשנה שעברה אמר הואנג כי NVIDIA שלחה כשישה מיליון GPUs ממשפחת Blackwell בתוך ארבעה רבעונים. המעבר לדור Rubin והתרחבות המכירות של מערכות שלמות עשויים להגדיל משמעותית את מספר השבבים שמסופקים לכל לקוח.

הכפלת יחידות לא בהכרח פירושה הכפלת הכנסות

חשוב להבחין בין מספר שבבים לבין הכנסות. החברה עשויה למכור מספר גדול יותר של רכיבים במחירים שונים, כך שהכפלת מספר היחידות אינה שקולה להכפלת ההכנסה.

NVIDIA עצמה צופה קצב צמיחה גבוה מאוד גם בהכנסות בשנה הפיסקלית הבאה, אך מבנה המוצרים משתנה. לצד מאיצי קצה יקרים מאוד, החברה מרחיבה את נוכחותה ברשתות, CPUs ומערכות inference, שחלקם עשויים להיות זולים יותר ליחידה.

במקביל, הביקוש עובר בהדרגה משלב שבו עיקר ההשקעה הופנה לאימון מודלים גדולים לשלב שבו inference בקנה מידה עצום הופך לצרכן מרכזי של חומרה. אם מיליארדי משתמשים ושירותים יריצו מודלי AI באופן רציף, מספר המאיצים והרכיבים הדרוש להפעלתם עשוי להיות גדול אף יותר מהכמות הדרושה לאימון.

עדיין קיימים צווארי בקבוק

התחזית האגרסיבית של הואנג מגיעה בזמן שהתעשייה מתמודדת עם מגבלות באספקת זיכרון HBM, אריזה מתקדמת, רכיבי אופטיקה, חשמל ומרכזי נתונים. גם אם הביקוש קיים, הכפלת מספר השבבים דורשת הרחבת קיבולת לאורך כל שרשרת האספקה.

TSMC, יצרניות הזיכרון וספקיות ציוד האריזה והקישוריות משקיעות סכומים גדולים כדי להגדיל קיבולת. במקביל NVIDIA מקדמת מעבר למערכות rack-scale שבהן היא מספקת חלק הולך וגדל מהמערכת — ולא רק את המאיץ המרכזי.

דבריו של הואנג הם תחזית של מנהל החברה ולא יעד משלוחים מפורט, אך הם מצביעים על כך ש־NVIDIA אינה צופה התמתנות קרובה בביקוש. להפך: החברה מתכננת סביב תרחיש שבו מספר השבבים הנדרש לתשתיות AI ממשיך לגדול בקצב חריג גם ב־2027.

הפוסט ג'נסן הואנג: NVIDIA צפויה למכור ב־2027 פי שניים שבבים מאשר ב־2026 הופיע לראשונה ב-Chiportal.

אפל (Apple) בוחנת חזרה לשוק השרתים הארגוניים, יותר מעשור לאחר שהפסיקה למכור את משפחת Xserve. לפי דיווח של The Information, החברה מפתחת מערכת שרת המבוססת על שבבי Apple Silicon ומיועדת בעיקר להרצת יישומי בינה מלאכותית אצל חברות, ממשלות ומפתחים.

הדיווח מתאר שתי תצורות אפשריות: מערכת קטנה יותר המבוססת על שני שבבי M8 Ultra, ומערכת גדולה יותר עם ארבעה שבבים. M8 Ultra הוא שבב עתידי שעדיין אינו קיים כמוצר מסחרי, ולכן מדובר בתוכנית לטווח ארוך. לפי המקור, היעד שנבחן הוא 2029.

הפרויקט מסקרן במיוחד משום שאפל שוקלת לשלב בו טכנולוגיית קישוריות של NVIDIA. לפי The Information, אנשי אפל דנו באפשרות להשתמש ב־NVLink Fusion כדי לחבר בין שבבי M8 Ultra ולגרום למספר מעבדים לפעול כמערכת אחת.

NVLink Fusion פותח דלת גם לשבבים שאינם של NVIDIA

NVLink פותח במקור כדי לספק קישוריות מהירה בין GPUs ומעבדים של NVIDIA. בשנים האחרונות הרחיבה NVIDIA את המודל באמצעות NVLink Fusion, המאפשר לחברות אחרות לשלב מעבדים, מאיצים או רכיבי CPU משלהן בתוך מערכות המבוססות על תשתית הקישוריות של NVIDIA.

עבור אפל, חיבור כזה עשוי להיות משמעותי משום ששבבי M-series מאופיינים בארכיטקטורת זיכרון מאוחד וביעילות אנרגטית גבוהה, אך חיבור מספר שבבים למערכת גדולה מחייב שכבת interconnect מהירה מאוד. בשוק ה־AI, שבו מודלים גדולים נפרסים על פני עשרות ומאות מאיצים, הקישוריות הפכה לרכיב קריטי בביצועים הכוללים.

עצם האפשרות לשיתוף פעולה בין אפל ל־NVIDIA בולטת גם מבחינה היסטורית. היחסים בין החברות היו מתוחים במשך שנים, ואפל עברה בהדרגה לפתרונות גרפיים ומעבדים שפיתחה בעצמה. שילוב טכנולוגיית NVIDIA בשרת עתידי יהיה שינוי משמעותי בדפוס הזה.

לא שרת לענן של אפל בלבד

על פי הדיווח, מדובר במוצר שאפל עשויה למכור ללקוחות חיצוניים ולא רק להפעיל במרכזי הנתונים שלה. קהל היעד עשוי להיות ארגונים המעוניינים להריץ מודלי AI אצלם — בעיקר בשלב ה־inference, כלומר הפעלת מודלים מאומנים והפקת תשובות — ולא בהכרח לבנות אשכולות ענק לאימון מודלים מהיסוד.

הכיוון מתאים גם לשימוש הגובר במחשבי Mac Studio ו־Mac mini עם Apple Silicon בקרב מפתחי AI, בעיקר למשימות שבהן קיבולת זיכרון גדולה וצריכת חשמל נמוכה חשובות לצד ביצועי המאיץ.

עם זאת, צריך להדגיש כי אפל לא הכריזה על המוצר. The Information מציין שהשרת עדיין נמצא בשלבי תכנון, שהשימוש ב־NVLink Fusion אינו סגור, ושגם יעד 2029 עשוי להשתנות. פרויקטים ארוכי טווח מסוג זה עשויים לעבור שינויים גדולים ואף להתבטל לפני ההשקה.

חזרה לשוק שאפל עזבה ב־2011

אפל הפסיקה את Xserve ב־2011 ובמשך שנים התרחקה משוק שרתי הארגונים. חזרה לשוק הזה תהיה חריגה מהאסטרטגיה המוכרת של החברה, שהתמקדה במכשירי קצה, שירותים ומחשבים אישיים.

הסיבה האפשרית לשינוי היא גל ההשקעות בבינה מלאכותית. הביקוש לשרתים עתירי זיכרון ולמערכות inference יוצר שוק חדש שבו יעילות אנרגטית, שילוב חומרה־תוכנה וקישוריות מהירה עשויים לפתוח מקום גם לארכיטקטורות שאינן x86 או GPU מסורתיים.

אם אפל אכן תוציא את המוצר לפועל, היא לא תהיה רק לקוחה של תעשיית שרתי ה־AI — אלא עשויה להפוך לספקית חומרה המתחרה ישירות על תקציבי תשתית בארגונים.

הפוסט דיווח: אפל בוחנת חזרה לשוק השרתים עם M8 Ultra וקישוריות של NVIDIA הופיע לראשונה ב-Chiportal.

דלויט ישראל הקימה מרכז מצוינות המתמקד ברובוטיקה ובבינה מלאכותית פיזית (Physical AI), כחלק מהשותפות הרחבה של Deloitte עם אנבידיה. המרכז פועל מתוך פעילות הטכנולוגיה והייעוץ של דלויט בישראל ומכוון לפיתוח ולהטמעה של מערכות שבהן בינה מלאכותית פועלת בעולם הפיזי – ברובוטים, כלי רכב, מתקנים תעשייתיים, מצלמות וחיישנים.

את המרכז מובילים אליהו רבונה, המוגדר Head of Global Center of Excellence ב-NVIDIA Alliance בדלויט ישראל, ותומר גל, Global CTO ב-NVIDIA Alliance. השניים הציגו את פעילות המרכז בכנס Physical AI שנערך בתל אביב בספטמבר.

הפעילות נשענת על תשתיות התוכנה והמחשוב של אנבידיה. בין הכלים שנמצאים בליבת המענה נמצאים CUDA לחישוב מקבילי ומואץ, Omniverse לבניית סימולציות ותאומים דיגיטליים, ומשפחת Isaac לפיתוח, אימון ובדיקה של רובוטים ומערכות אוטונומיות. השימוש בסימולציות מאפשר לאמן ולבחון מערכות לפני פריסתן בעולם הפיזי, ובכך לצמצם זמן, עלויות וסיכון.

דלויט הרחיבה במהלך 2026 את הפעילות הגלובלית שלה בתחום ה-Physical AI בשיתוף אנבידיה. החברה מציעה פתרונות בתחומי תאומים דיגיטליים, ראייה ממוחשבת, מחשוב קצה ורובוטיקה, ומתארת את התחום כשלב שבו מערכות AI אינן מסתפקות בניתוח מידע או ביצירת תוכן, אלא מקבלות החלטות ומבצעות פעולות בסביבה פיזית.

המרכז הישראלי נשען גם על יכולות מו"פ מקומיות של דלויט. פעילות זו כוללת מהנדסים וחוקרים בתחומי AI, ראייה ממוחשבת, אוטומציה ותוכנה, והיא נועדה לתרגם את טכנולוגיות הבסיס לפתרונות יישומיים עבור תעשייה, תחבורה, לוגיסטיקה, אנרגיה, תשתיות ותחומים נוספים.

לפי Deloitte, השימוש ב-Physical AI נמצא בעלייה: בדוח State of AI in the Enterprise לשנת 2026 ציינה החברה כי 58% מהארגונים שנבדקו כבר משתמשים במידה מסוימת במערכות AI פיזיות, וכי שיעור זה עשוי להגיע ל-80% בתוך שנתיים. הנתונים הם תחזית המבוססת על סקר מנהלים ולא מדידה של פריסה בפועל בכל המשק.

הקמת מרכז המצוינות בישראל מדגישה גם את ההתחברות ההולכת וגוברת בין תחום ה-AI לבין שוק השבבים והמחשוב המואץ: ככל שמודלים עוברים מהרשת ומהענן לרובוטים ולמערכות קצה, גדלה הדרישה למעבדים גרפיים, מאיצים, מערכות זמן אמת ותוכנות שמאפשרות להריץ מודלים בהשהיה נמוכה ובצריכת הספק מתאימה.

הפוסט דלויט ישראל הקימה מרכז מצוינות ל-Physical AI במסגרת שיתוף הפעולה עם אנבידיה הופיע לראשונה ב-Chiportal.

חברת המחשוב הקוונטי הישראלית קדמה (Qedma Quantum Computing) הודיעה על שילוב תוכנת הפחתת השגיאות שלה, QESEM, בפלטפורמת CUDA-Q של NVIDIA. האינטגרציה מאפשרת למפתחים המשתמשים בסביבת הפיתוח ההיברידית קוונטית־קלאסית של אנבידיה לשלב מנגנוני הפחתת שגיאות של קדמה בתוך זרימת העבודה הקיימת, ללא צורך בשינוי ממשק התכנות.

בשלב הראשון זמינה האינטגרציה עבור חומרת המחשוב הקוונטי של Quantinuum, ובהמשך מתכננת קדמה להרחיב אותה לפלטפורמות קוונטיות נוספות. ההכרזה נמסרה במסגרת IEEE Quantum Week בטורונטו. קדמה מסרה בהודעתה כי המטרה היא לאפשר למשתמשים להריץ מעגלים קוונטיים גדולים ומורכבים יותר ולקבל תוצאות מדויקות ואמינות יותר מן החומרה הזמינה כיום.

להתמודד עם הרעש בלי להמתין למחשב קוונטי חסין־שגיאות

אחד האתגרים המרכזיים של מחשבים קוונטיים בני זמננו הוא רגישות הקיוביטים לרעש ולשגיאות. תיקון שגיאות קוונטי מלא דורש מספר גדול מאוד של קיוביטים פיזיים כדי ליצור קיוביטים לוגיים אמינים, ולכן מחשבים קוונטיים חסיני־שגיאות בקנה מידה גדול עדיין אינם זמינים.

QESEM של קדמה נועדה להתמודד עם חלק מהבעיה באמצעות הפחתת שגיאות (Quantum Error Mitigation). בניגוד לתיקון שגיאות מלא, הטכנולוגיה אינה מבטלת את השגיאות באמצעות שכבת קיוביטים לוגיים, אלא מנתחת ומפחיתה את השפעת הרעש על תוצאות החישוב.

לדברי החברה, התוכנה פועלת כשכבת ביניים בין האלגוריתם לבין החומרה הקוונטית, ומאפשרת למשתמש להגדיר רמת דיוק רצויה ולנהל את המשאבים הדרושים להשגתה.

"אפשרות להריץ עומסים קוונטיים גדולים ומורכבים יותר ברמת דיוק גבוהה יותר היא קריטית להרחבת מה שמחשבים קוונטיים יכולים לעשות כיום", אמר ד"ר אסף סיני, מנכ"ל וממייסדי קדמה. לדבריו, שילוב QESEM ב־CUDA-Q מאפשר להביא את יכולות הפחתת השגיאות ישירות לאחת מסביבות העבודה המרכזיות המחברות כיום מחשוב קוונטי ומחשוב מואץ.

סם סטנוויק, מנהל תחום המוצרים הקוונטיים באנבידיה, אמר כי הפחתת שגיאות היא אחד האתגרים המרכזיים בדרך למערכות מחשוב־על קוונטיות שימושיות, וכי האינטגרציה של קדמה מפשטת את שילוב מנגנוני הפחתת השגיאות בתהליך הפיתוח של מערכות המשלבות QPU ו־GPU.

אנבידיה מאשרת את שילובה של קדמה באקוסיסטם

המהלך אינו מופיע רק בהודעת החברה הישראלית. בהכרזה הרשמית של NVIDIA על הרחבת CUDA-Q ציינה החברה במפורש את Qedma כאחת החברות ששילבו את הטכנולוגיה שלהן בפלטפורמה כדי לתמוך בהפחתת שגיאות ובפיתוח יישומים קוונטיים.

אנבידיה הכריזה במקביל גם על CUDA-Q Logical, שכבת תזמור חדשה שנועדה לפיתוח ולבחינה של יישומים עתידיים למחשבים קוונטיים חסיני־שגיאות. בכך היא מרחיבה את CUDA-Q מסביבת עבודה למערכות קוונטיות היברידיות הקיימות כיום לעבר תשתית שנועדה גם לדורות הבאים של החומרה הקוונטית.

CUDA-Q היא פלטפורמת קוד פתוח של אנבידיה המיועדת לפיתוח יישומים היברידיים המשלבים מעבדים קוונטיים, CPU ו־GPU. עבור אנבידיה, התחום הקוונטי הופך בהדרגה להרחבה של אסטרטגיית המחשוב המואץ שלה, כאשר ה־GPU משמש גם לסימולציה של מערכות קוונטיות וגם לחישובים הקלאסיים הנדרשים בזמן הפעלת מעבד קוונטי.

קדמה מחזקת את החיבור ליצרניות החומרה

האינטגרציה עם CUDA-Q מגיעה לאחר שבחודש יולי הודיעה קדמה על שילוב QESEM בפלטפורמה של Quantinuum. החברה הישראלית היא חברה מייסדת בתוכנית השותפים לסטארט־אפים של Quantinuum.

קדמה נוסדה על ידי ד"ר אסף סיני, פרופ' דורית אהרונוב מהאוניברסיטה העברית ופרופ' נתנאל לינדנר מהטכניון. החברה מפתחת תוכנה שאינה תלויה בארכיטקטורת חומרה יחידה, במטרה לאפשר שימוש במנגנוני הפחתת שגיאות על גבי פלטפורמות קוונטיות שונות.

בחודשים האחרונים הרחיבה החברה את שיתופי הפעולה שלה גם עם IBM. ביולי דיווחו IBM וקדמה על ניסוי שבו שולבה QESEM במחשבים הקוונטיים של IBM לצורך חקר דינמיקה של חומרים קוונטיים במערכות של עד 74 קיוביטים.

עבור קדמה, החיבור ל־CUDA-Q משמעותי במיוחד משום שהוא מכניס את הטכנולוגיה שלה ישירות אל סביבת הפיתוח שבה אנבידיה מבקשת לרכז את החיבור בין מחשוב קלאסי מואץ לבין מעבדים קוונטיים של יצרנים שונים.

הפוסט קדמה הישראלית משתלבת ב-CUDA-Q של אנבידיה להפחתת שגיאות במחשוב קוונטי הופיע לראשונה ב-Chiportal.

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.