אנבידיה משקיעה 5 מיליארד דולר בחברת הבינה המלאכותית Safe Superintelligence, שהקים איליה סוצקבר, ממייסדי OpenAI ולשעבר המדען הראשי של החברה. ההשקעה היא חלק משותפות אסטרטגית ארוכת טווח שבמסגרתה SSI תרחיב את תשתית המחשוב שלה באמצעות הדור הבא של מערכות אנבידיה.

SSI הוקמה ב-2024 בידי סוצקבר, היזם הישראלי דניאל גרוס וחוקר הבינה המלאכותית דניאל לוי. החברה מפעילה מרכזים בתל אביב ובפאלו אלטו ומתמקדת במטרה אחת: פיתוח בינה מלאכותית מתקדמת שהבטיחות שלה משולבת בתהליך המחקר והפיתוח ולא מתווספת לאחר שהמערכת כבר נבנתה.

החברה פועלת עד כה בחשאיות ולא הציגה מודל, מוצר מסחרי או מאמר מדעי המתאר את הטכנולוגיה שלה. למרות זאת, היא הפכה לאחת מחברות ה-AI הפרטיות בעלות השווי הגבוה בעולם. בסבב גיוס קודם הוערך שווייה ב-32 מיליארד דולר, אף שבחברה מועסקים רק כמה עשרות עובדים.

תשתית המחשוב תגדל פי עשרה

במסגרת השותפות צפויה SSI לקבל גישה למערכות המבוססות על ארכיטקטורת Vera Rubin של אנבידיה. לפי התוכנית, החברה מתכוונת להגדיל פי עשרה בתוך כשנה את כושר המחשוב העומד לרשות צוות המחקר שלה.

פלטפורמת Vera Rubin נועדה לשמש לאימון ולהרצה של דורות חדשים של מודלי בינה מלאכותית. המערכת משלבת מעבדי GPU, מעבדים מרכזיים, קישוריות מהירה וזיכרונות רחבי־פס, במטרה לטפל בעומסי עבודה גדולים יותר ובמודלים הדורשים כמויות עצומות של חישוב וזיכרון.

השותפות מעניקה ל-SSI גישה מוקדמת לחומרה החדשה, ואילו אנבידיה מקבלת לקוח עוגן נוסף לדור הבא של מערכותיה. היא עשויה גם להעניק ליצרנית השבבים הצצה לצורכי החישוב של אחת מקבוצות המחקר המסקרנות בענף, אף שפרטי המחקר עצמו צפויים להישאר חסויים.

ניסיון למצוא מסלול חדש לבינה מלאכותית

סוצקבר היה אחד החוקרים המרכזיים שהובילו את פיתוחם של מודלי הלמידה העמוקה ושל משפחת מודלי GPT ב-OpenAI. לאחר שעזב את החברה הוא טען כי שיפור הביצועים באמצעות הגדלת כמויות הנתונים, מספר הפרמטרים וכושר החישוב מתחיל להיתקל בתשואה פוחתת.

SSI מנסה לפתח שיטות מחקר אחרות, אך אינה מפרטת כיצד הן שונות מהגישה של OpenAI, גוגל, אנתרופיק וחברות נוספות. לפי סוצקבר, החברה מתמקדת במחקר ארוך טווח ולא בלחץ להשיק במהירות מוצרים לצרכנים או ללקוחות ארגוניים.

היעדרו של מוצר מסחרי מאפשר ל-SSI להפנות את משאביה למחקר, אך הוא גם יוצר סימן שאלה לגבי המודל העסקי שלה. הרחבת תשתית המחשוב פי עשרה כרוכה בהוצאה גבוהה על מערכות, חשמל, קירור ותפעול, ולכן ההשקעה של אנבידיה מספקת לחברה לא רק הון אלא גם גישה ישירה לספקית החומרה החשובה בענף.

אנבידיה מרחיבה את מעגל ההשקעות

ההשקעה ב-SSI היא חלק מאסטרטגיה רחבה של אנבידיה, המשקיעה בחברות המפתחות מודלי AI, שירותי ענן, רובוטיקה ותוכנות תשתית. השקעות כאלה מגדילות את הביקוש למערכות החברה ומחזקות את הקשר בינה לבין מפתחי המודלים הגדולים.

עם זאת, הן גם מעוררות שאלות לגבי היחסים בין ספקית החומרה לבין לקוחותיה. כאשר אנבידיה משקיעה בחברה שמשתמשת בכספים לרכישת מערכות מתוצרת אנבידיה, חלק מההשקעה עשוי לחזור אליה כהכנסות ממכירת חומרה ושירותים.

עבור תעשיית השבבים הישראלית, העסקה מדגישה פעם נוספת את תפקידה של ישראל במרכז המחקר העולמי של אנבידיה. אף ש-SSI אינה יצרנית שבבים, פעילותה בתל אביב והיקף המחשוב שהיא מתכננת להציב הופכים אותה לצרכנית משמעותית של תשתיות AI מתקדמות.

הפוסט אנבידיה משקיעה 5 מיליארד דולר בחברת ה-AI של איליה סוצקבר הופיע לראשונה ב-Chiportal.

אנבידיה הודיעה כי כמה ממפעילות תשתיות הבינה המלאכותית הגדולות בעולם יהיו בין הראשונות לפרוס את מתג התקשורת Spectrum-6, שפותח במרכז המחקר והפיתוח של החברה בישראל. בין המאמצות הראשונות שמונה החברה נמצאות Microsoft,‏ CoreWeave,‏ Nebius,‏ Tesla ו־SpaceXAI.

Spectrum-6 הוא שבב ומערכת מיתוג Ethernet בקיבולת כוללת של 102.4 טרה־ביט לשנייה, פי שניים מהקיבולת של מערכות הדור הקודם. המתג הוא אחד הרכיבים בפלטפורמת Vera Rubin של אנבידיה, לצד מעבד Vera, מאיצי Rubin, מתגי NVLink 6, כרטיסי ConnectX-9 ומעבדי התשתית BlueField-4.

הפיתוח ממשיך את פעילות התקשורת של מלאנוקס, שנרכשה בידי אנבידיה בשנת 2020 תמורת 6.9 מיליארד דולר והפכה לבסיס חטיבת הרשתות של החברה. מרכזי הפיתוח בישראל אחראים לחלק מרכזי ממשפחות מוצרי Spectrum,‏ ConnectX ו־BlueField, המשמשות לחיבור שרתים, מאיצים ומערכות אחסון במרכזי נתונים.

הרשת הופכת לחלק ממערכת המחשוב

במערכות בינה מלאכותית גדולות, ביצועי המאיצים אינם תלויים רק בכוח החישוב של כל GPU. במהלך אימון מודלים, אלפי או עשרות אלפי מאיצים נדרשים להעביר ביניהם כמויות גדולות של מידע ולסנכרן את עבודתם. האטה בקישור אחד או עומס בנקודה מסוימת ברשת עלולים לעכב את המערכת כולה.

Spectrum-6 נועד לשמש בסיס לדור הבא של פלטפורמת Spectrum-X Ethernet, המותאמת לדפוסי התקשורת האלה. המתג משולב עם כרטיס התקשורת ConnectX-9 SuperNIC, המספק קישוריות של עד 1.6 טרה־ביט לשנייה, ועם תוכנה המנהלת את חלוקת התעבורה, בקרת העומסים וההתאוששות מתקלות.

בניגוד לרשתות ארגוניות רגילות, שבהן עיקר התעבורה עוברת בין השרתים למשתמשים או למערכות האחסון, קלאסטרי AI מייצרים תעבורה רבה בין השרתים עצמם. אנבידיה טוענת כי Spectrum-X משפרת את ביצועי רשתות ה־AI עד פי 1.6 לעומת Ethernet סטנדרטי, ושומרת על ניצולת של עד 95% גם במערכות הכוללות יותר מ־100 אלף מאיצים. מדובר בנתוני יצרן שלא פורסמה לצדם בדיקה עצמאית בתנאים זהים.

פחות מתגים ותמיכה בקירור נוזלי

Spectrum-6 תומך הן במודולים אופטיים נשלפים והן באופטיקה המשולבת באריזת השבב – Co-Packaged Optics. גרסאות המערכת יוכלו להשתמש גם בקירור נוזלי, כחלק מהמעבר למרכזי נתונים שבהם לא רק המאיצים אלא גם ציוד התקשורת צורך הספקים גבוהים.

לפי אנבידיה, ארכיטקטורת Multiplane המואצת בחומרה מאפשרת לצמצם פי 1.7 את מספר המתגים הנדרש בהשוואה לטופולוגיות מסורתיות. החברה טוענת גם כי שילוב אופטיקה באריזת המתג עשוי לשפר פי חמישה את יעילות צריכת החשמל של התקשורת ולהגדיל פי עשרה את פרק הזמן הממוצע בין תקלות בהשוואה למערכות המשתמשות במקלטים־משדרים אופטיים נשלפים.

השילוב בין רוחב פס גבוה, אופטיקה משולבת וקירור נוזלי נועד לאפשר להרחיב את רשתות ה־Ethernet ממערכות של אלפי מאיצים למערכות של מאות אלפים. אנבידיה מציגה את Spectrum-X כחלופת Ethernet לרשתות InfiniBand, שגם הן מבוססות במידה רבה על טכנולוגיות שפותחו במלאנוקס.

פריסה אצל ספקיות הענן

CoreWeave, מיקרוסופט ו־Nebius צפויות לשלב את Spectrum-6 בתשתיות המבוססות על Vera Rubin ולהעמיד אותן לרשות לקוחות ענן. Tesla ו־SpaceXAI מתכננות להשתמש במתגים במרכזי הנתונים שהן מקימות לצורכי אימון והרצת מודלים.

CoreWeave מסרה כי תשלב את Spectrum-6 במערכות Spectrum-X מקוררות בנוזל. Nebius הסבירה כי המטרה היא לשמור על סנכרון בין המאיצים ולמנוע מקישור איטי יחיד לעכב עבודת אימון מלאה. היקף ההזמנות, לוח הזמנים המדויק לפריסות וההכנסות הצפויות לא פורסמו.

הצגת Spectrum-6 מגיעה עם תחילת הייצור והפריסה של מערכות Vera Rubin. אנבידיה דיווחה כי מערכות ראשונות כבר פועלות אצל CoreWeave,‏ Google Cloud,‏ Microsoft Azure ו־Oracle, וכי שרשרת האספקה של הפלטפורמה משתרעת על יותר מ־350 אתרי ייצור ב־30 מדינות.

עבור פעילות אנבידיה בישראל, Spectrum-6 ממחיש את חשיבותה של חטיבת הרשתות בתוך פלטפורמת המחשוב של החברה. ככל שמספר המאיצים בכל מרכז נתונים גדל, מתגי התקשורת, כרטיסי הרשת והאופטיקה הופכים מרכיבים משלימים לגורם מרכזי הקובע כמה מכוח החישוב היקר ניתן לנצל בפועל.

הפוסט אנבידיה מתחילה לפרוס את מתג Spectrum-6 שפותח בישראל אצל מיקרוסופט וטסלה הופיע לראשונה ב-Chiportal.

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

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

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

מערכות Vera Rubin ורשת Spectrum-X

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

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

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

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

44 חברות וארגונים משתתפים

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

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

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

יפן מבקשת למנף את יתרונה בתעשייה וברובוטיקה

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

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

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

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

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

האם מדיניות הגבלות היצוא האמריקנית על תעשיית השבבים הסינית משיגה את מטרתה – או שהיא דווקא מאיצה את מאמצי סין להגיע לעצמאות טכנולוגית? מאמר דעה שפרסם האנליסט הגיאו־אסטרטגי ד"ר אימרן חאליד טוען כי האסטרטגיה האמריקנית אינה מניבה את התוצאות שקיוו להשיג מתכנניה, וכי בטווח הארוך היא עלולה לפגוע גם בחברות השבבים האמריקניות.

הטענה דורשת הסתייגות. מגבלות היצוא שהטילה ארצות הברית מאז אוקטובר 2022 אכן הקשו על סין להשיג מעבדים מתקדמים, מערכות לייצור שבבים ותוכנות תכנון. לפי ניתוחים של המרכז למחקרים אסטרטגיים ובינלאומיים, CSIS, ההגבלות עיכבו את התקדמותה של סין והותירו בידי ארצות הברית ובעלות בריתה יתרון משמעותי בתכנון שבבים מתקדמים, בציוד ייצור ובמערכת המחקר והפיתוח. עם זאת, הן לא עצרו את ההתקדמות הסינית לחלוטין. מאות היא SMIC, יצרנית השבבים הגדולה בסין, שהצליחה לייצר שבבים בטכנולוגיות הנחשבות למתקדמות יחסית באמצעות מערכות ליתוגרפיה באור אולטרה־סגול עמוק, DUV, מתוצרת ASML. מערכות אלה אינן מיועדות בדרך כלל לייצור חסכוני בצמתים המתקדמים ביותר, ולכן נדרש שימוש במספר רב של שלבי חשיפה, במחיר של עלויות גבוהות יותר ותפוקות ייצור נמוכות ולא יציבות. שיג ציוד מערבי מתקדם דוחף את בייג'ינג להרחיב את התמיכה ביצרניות ציוד מקומיות כגון Naura ו־AMEC.

בסוף 2025 דווח כי הרשויות בסין דורשות מיצרני שבבים המבקשים להקים קווי ייצור חדשים להשתמש בציוד סיני בשיעור של לפחות 50%, ככל שקיימת חלופה מקומית מתאימה. מדובר בדרישה הנוגעת להרכב הציוד בקיבולת ייצור חדשה, ולא בהוכחה לכך שסין כבר מייצרת בעצמה מחצית מכל הציוד או השבבים שהיא צורכת. , שבבים שיוצרו בסין סיפקו בשנת 2025 כ־30% מהצריכה המקומית במדינה – הישג משמעותי, אך נמוך בהרבה מיעדי העצמאות שהציבה בייג'ינג בעבר. גם השימוש בציוד סיני מתקדם עדיין מוגבל, במיוחד בתחומים כמו ליתוגרפיה, מדידה ובקרת תהליכים. סין התקדמה בתחומי החריטה, השיקוע והניקוי, אך עדיין תלויה בספקים זרים במספר נקודות מפתח בתהליך הייצור. אינו נוגע רק ליכולתה הטכנולוגית של סין, אלא גם למחיר שמשלמות החברות האמריקניות. מכירות השבבים בעולם הגיעו בשנת 2024 ל־627.6 מיליארד דולר, וסין נותרה אחד השווקים הגדולים בענף.

מכון ITIF טוען כי אובדן מכירות בשוק הסיני עלול לצמצם את ההכנסות שמהן מממנות חברות אמריקניות מחקר ופיתוח, לפגוע בתעסוקה ולהחליש לאורך זמן את נתח השוק שלהן. מנגד, תומכי ההגבלות מדגישים כי אובדן הכנסות הוא מחיר מוצדק כאשר מדובר במניעת שימוש צבאי או ביטחוני בטכנולוגיות מתקדמות. 026 שינה משרד המסחר האמריקני חלק ממדיניותו והודיע כי בקשות ליצוא מעבדי Nvidia H200, מעבדי AMD MI325X ומוצרים דומים לסין ייבחנו לגופן, בכפוף לתנאי אבטחה, בדיקות משתמש סופי והבטחת אספקה מספקת לשוק האמריקני. השינוי לא ביטל את מגבלות היצוא, אך הוא סימן מעבר מסוים ממדיניות של דחייה כמעט אוטומטית לבחינה ממוקדת יותר של כל עסקה. כזי העולה מהוויכוח הוא שהגבלות יצוא יכולות לעכב את סין, אך אינן תחליף להשקעה אמריקנית ארוכת טווח. ככל שההגבלות רחבות יותר, הן יוצרות תמריץ חזק יותר לסין לפתח ציוד, תוכנות ומעבדים מקומיים. הגבלות ממוקדות על טכנולוגיות בעלות שימוש צבאי ברור עשויות לקנות זמן לארצות הברית; הגבלות גורפות על מוצרים מסחריים עלולות, מנגד, לזרז את הקמתה של שרשרת אספקה סינית מקבילה.

לכן מוקדם לקבוע שמלחמת השבבים האמריקנית "נכשלה". היא הצליחה להעלות את מחיר ההתקדמות הסינית ולשמר פערים בתחומים קריטיים, אך גם הפכה את העצמאות הטכנולוגית ליעד אסטרטגי דחוף יותר עבור בייג'ינג. השאלה המכרעת אינה רק כמה שנים יעכבו ההגבלות את סין, אלא כיצד תנצל ארצות הברית את הזמן הזה להשקעה במחקר, בכוח אדם, בייצור ובדור הבא של טכנולוגיות השבבים.

תגיות:

הפוסט האם מלחמת השבבים מול סין נכשלה? הופיע לראשונה ב-Chiportal.

גוגל מגבירה את המאמצים להפוך את שבבי ה־TPU שלה מחומרה המזוהה בעיקר עם מרכזי הנתונים ושירותי הענן שלה לחלופה מסחרית רחבה יותר למערכות הבינה המלאכותית של אנבידיה. לצד פיתוח דורות חדשים של מאיצים, החברה משתמשת במאזן הכספי שלה כדי לסייע במימון מרכזי נתונים שיתבססו על חומרת גוגל.

המהלך אינו מסתכם בתחרות טכנולוגית בין שבבים. גוגל בונה סביב ה־TPU מערך הכולל מרכזי נתונים, רשתות תקשורת, תוכנה, מימון ושירותי ענן – מודל הדומה במידה מסוימת לאסטרטגיית המערכת המלאה של אנבידיה.

עם זאת, אין פירוש הדבר שגוגל כבר מוכרת שבבי TPU כמוצר מדף שניתן לרכוש ולהתקין בכל שרת. ההתרחבות מתבצעת בעיקר באמצעות שירותי מחשוב, מתקנים ייעודיים ושותפים שיציעו קיבולת TPU מחוץ למסגרת הרגילה של Google Cloud.

ערבויות המקלות על הקמת מרכזי נתונים

אחד הכלים המרכזיים באסטרטגיה הוא מתן ערבויות להתחייבויות של חברות השוכרות מרכזי נתונים. הערבות של גוגל מפחיתה את הסיכון מבחינת הבנקים והמשקיעים, ומאפשרת ליזמים לגייס חוב בתנאים נוחים יותר.

במתחם Lake Mariner שבמדינת ניו יורק חתמה מפעילת מרכזי הנתונים TeraWulf על הסכמים ארוכי טווח עם ספקית הענן Fluidstack. גוגל התחייבה לגבות חלק מהתחייבויות השכירות של Fluidstack בסכום מצטבר של כ־3.2 מיליארד דולר.

בתמורה קיבלה גוגל כתבי אופציה המאפשרים לה לרכוש מניות של TeraWulf במחיר סמלי. לפי הודעות החברה, מימושם עשוי להעניק לגוגל החזקה של כ־14% ב־TeraWulf. המתקנים מיועדים לעומסי מחשוב עתירי ביצועים ולמערכות בינה מלאכותית, ובהם עומסים של חברת Anthropic.

בפרויקט נוסף באברנתי שבטקסס מעניקה גוגל גיבוי של כ־1.3 מיליארד דולר להתחייבויות Fluidstack. המתקן אמור לספק בשלב הראשון כ־168 מגה־ואט של עומס מחשוב קריטי, במסגרת חוזה לתקופה של 25 שנה.

המשמעות היא שחלק מההון שגוגל מתחייבת להעמיד מסייע בהקמת תשתית שבה יותקנו מערכות המבוססות על השבבים, הרשתות והתוכנה שלה. כך החברה יוצרת ביקוש ל־TPU ובמקביל מפחיתה את סיכון המימון של הפרויקטים.

בלקסטון תשקיע חמישה מיליארד דולר בענן TPU חדש

בחודש מאי הודיעו גוגל ובלקסטון על הקמת חברה אמריקנית חדשה שתציע קיבולת מחשוב המבוססת על TPU. בלקסטון התחייבה להשקעה ראשונית של חמישה מיליארד דולר, והיעד הוא להפעיל במהלך 2027 תשתית בהספק של כ־500 מגה־ואט.

החברה החדשה תציע מרכזי נתונים, תפעול, רשתות ושבבי TPU במודל של מחשוב כשירות. בכך היא צפויה להתחרות בספקיות הענן המתמחות בבינה מלאכותית, ובהן CoreWeave ו־Nebius, שבנו חלק גדול מפעילותן סביב מערכות אנבידיה.

עבור גוגל, המיזם מספק ערוץ הפצה נוסף שאינו מחייב את הלקוח לצרוך את ה־TPU רק דרך סביבת Google Cloud הרגילה. מדובר בצעד משמעותי בדרך להפיכת השבבים לפלטפורמה חיצונית, אף שעדיין אין זו מכירה חופשית של השבב הפיזי ללקוחות.

גוגל מפצלת את הדור החדש לאימון ולהסקה

בכנס Google Cloud Next חשפה החברה שני מאיצים מהדור השמיני: TPU 8t המיועד בעיקר לאימון מודלים גדולים, ו־TPU 8i המותאם להסקה, למודלי חשיבה וללמידת חיזוק.

ה־TPU 8i כולל 384 מגה־בייט של זיכרון SRAM על השבב ו־288 גיגה־בייט של זיכרון ברוחב פס גבוה. גוגל טוענת כי הוא מספק שיפור של עד 80% ביחס ביצועים־למחיר לעומת דור Ironwood בעומסי הסקה בעלי השהיה נמוכה. ארכיטקטורת החיבור שלו מאפשרת לקשר 1,152 מאיצים במערך אחד.

ההפרדה בין שבב אימון לשבב הסקה משקפת את השינוי בשוק. ככל שיותר מודלים נכנסים לשימוש מסחרי, עלות הפעלתם ומענה למשתמשים נעשית חשובה לא פחות מעלות האימון הראשוני.

Anthropic משמשת לקוח עוגן

חברת Anthropic, מפתחת מודלי Claude, היא הלקוחה החיצונית הבולטת ביותר של ה־TPU. באפריל היא הרחיבה את שיתוף הפעולה עם גוגל וברודקום להספק של כמה גיגה־ואט של מערכות TPU מהדור הבא.

ההסכם מספק לגוגל לקוח עוגן בהיקף גדול, אך גם מדגיש את אחד האתגרים שלה: פעילות ה־TPU החיצונית עדיין מרוכזת במספר קטן יחסית של לקוחות גדולים.

מנכ״ל אנבידיה ג׳נסן הואנג טען כי Anthropic היא הלקוחה החיצונית המשמעותית היחידה של ה־TPU, וכי טווח השוק של אנבידיה רחב בהרבה. הוא גם הטיל ספק בטענות ליתרון עלויות של מאיצים ייעודיים לעומת המערכות של אנבידיה.

גוגל מציגה דוגמאות נוספות. Citadel Securities מסרה כי היא משתמשת במערכות Ironwood TPU לעומסי מחקר מסוימים וכי באותם עומסים השיגה שיפור של פי שניים עד פי ארבעה במהירות, לצד ירידה של כ־30% בעלויות. מדובר בנתוני לקוח הנוגעים לעומסים מוגדרים, ולא בהשוואה כללית בין כל מערכות גוגל ואנבידיה.

היתרון של אנבידיה עדיין משמעותי

אנבידיה ממשיכה לשלוט ברוב שוק מאיצי הבינה המלאכותית החיצוני. יתרונה אינו מבוסס רק על ביצועי ה־GPU, אלא גם על סביבת CUDA, ספריות תוכנה, מערכות תקשורת מהירות, מתגים, שרתים ורשת רחבה של יצרנים וספקי ענן.

לקוחות יכולים לרכוש מערכות אנבידיה ממספר גדול של יצרנים ולהריץ עליהן מגוון רחב של מודלים וכלי תוכנה. לעומת זאת, ה־TPU נותר קשור באופן הדוק יותר לתשתית ולתוכנה של גוגל.

גוגל גם אינה מנתקת את קשריה עם אנבידיה. Google Cloud ממשיכה להציע מערכות GPU של אנבידיה, ומתכננת להפעיל מופעים המבוססים על פלטפורמת Vera Rubin. שתי החברות משתפות פעולה גם בפיתוח טכנולוגיות תקשורת למרכזי נתונים.

זווית ישראלית במאמץ השבבים

בפיתוח השבבים של גוגל יש גם מרכיב ישראלי. אורי פרנק, לשעבר בכיר באינטל ישראל, משמש סגן נשיא להנדסה ומנהל את צוות Chip Implementation and Innovation של גוגל.

הצוות אחראי על הגדרה ופיתוח של שבבים לתשתיות גוגל, ובהם מאיצי למידת מכונה, שבבי תקשורת ומאיצים לעיבוד וידאו. פרנק הצטרף לגוגל ב־2021 לאחר כ־25 שנים באינטל, והיה שותף להרחבת פעילות פיתוח החומרה של החברה בישראל.

מעל פעילות התשתיות עומד כיום אמין והדאת, שמונה בסוף 2025 לטכנולוג הראשי לתשתיות בינה מלאכותית בגוגל. תחומי אחריותו כוללים שבבים מותאמים, מרכזי נתונים, רשתות, שרשרת אספקה ותפעול.

מאבק על פלטפורמת המחשוב של עידן ה־AI

היקף ההשקעה מלמד כי גוגל אינה רואה ב־TPU רק אמצעי להפחתת התלות שלה באנבידיה. החברה מבקשת ליצור עסק חיצוני שימכור כוח מחשוב, תוכנה ותשתית המבוססים על השבבים שפיתחה.

אלפאבית אף הגדילה ביוני גיוס הון מתוכנן לכ־84.75 מיליארד דולר, שנועד בין היתר לתמוך בהוצאות ההון הגדלות על מרכזי נתונים ותשתיות בינה מלאכותית.

בטווח הקרוב, ה־TPU אינו צפוי להדיח את אנבידיה ממעמדה. אולם ערבויות המימון, שותפות הענן עם בלקסטון, ההסכם רחב ההיקף עם Anthropic והרחבת מגוון השבבים מעידים כי גוגל כבר אינה מסתפקת בשימוש פנימי. היא מנסה להפוך את ה־TPU לפלטפורמה מסחרית שתתחרה על חלק גדול יותר משוק תשתיות הבינה המלאכותית.

הפוסט גוגל מרחיבה את ה־TPU מעבר לענן שלה ומגבירה את הלחץ על אנבידיה הופיע לראשונה ב-Chiportal.

אינטל מקבלת סימן מעודד במיוחד למאמץ שלה להפוך את Intel Foundry לחלופה אמיתית בייצור שבבים מתקדמים. לפי דיווח של The Information, גוגל הזמינה מאינטל ייצור של יותר מ-3 מיליון יחידות עיבוד טנזור, TPU, במהלך 2028. במקביל, אנבידיה בוחנת שימוש בטכנולוגיות הייצור והאריזה של אינטל לשבבים עתידיים, אף שטרם דווח על הזמנה חתומה מצדה.

הדיווחים הובילו לזינוק במניית אינטל, משום שהם נוגעים בדיוק בנקודה הרגישה ביותר בתוכנית ההתאוששות שלה: היכולת למשוך לקוחות חיצוניים גדולים לזרוע הייצור שלה. במשך שנים איבדה אינטל את ההובלה בייצור שבבים מתקדם ל-TSMC, אך כעת היא מנסה לחזור למשחק באמצעות תהליכי ייצור חדשים, טכנולוגיות אריזה מתקדמות והשקעות גדולות במפעלים בארצות הברית ובאירופה.

גוגל מחפשת קיבולת ל-TPU

החלק הממשי יותר בדיווח נוגע לגוגל. TPU הוא מאיץ הבינה המלאכותית הפנימי של החברה, שמיועד לאימון ולהרצה של מודלי AI גדולים. בניגוד לרוב חברות הענן, שנשענות בעיקר על מאיצי GPU של אנבידיה, גוגל מפתחת כבר שנים שבבים ייעודיים משלה ומשלבת אותם בתשתיות Google Cloud ובמערכות הפנימיות שלה.

הזמנה של יותר מ-3 מיליון שבבים מאינטל, אם תאושר רשמית ותבוצע, לא תסמן נטישה של TSMC. סביר יותר שהיא תסמן פיזור סיכונים. הביקוש לשבבי AI גדל מהר יותר מקיבולת הייצור הזמינה, ולקוחות ענק כמו גוגל אינם יכולים להרשות לעצמם להיות תלויים לחלוטין ביצרן אחד, גם אם מדובר ב-TSMC.

עבור גוגל, אינטל יכולה לשמש ספקית ייצור נוספת למאיצי TPU עתידיים. עבור אינטל, גוגל היא לקוח עוגן מהסוג שיכול לשנות את האופן שבו השוק תופס את Intel Foundry. ייצור של מיליוני שבבים ללקוח כזה מחייב לא רק תהליך ייצור מתקדם, אלא גם תפוקות גבוהות, איכות יציבה, אריזה מתקדמת ותיאום הנדסי צמוד.

אנבידיה עדיין לא מזמינה, אבל בודקת

החלק השני בדיווח נוגע לאנבידיה, והוא חשוב אך צריך לנסח אותו בזהירות. לפי הדיווחים, אנבידיה עדיין לא ביצעה הזמנה מאינטל, אך היא בוחנת אם ניתן להשתמש בטכנולוגיות של החברה לייצור שבבים עתידיים. אחת האפשרויות שנבחנות היא שילוב של כמה שבבי GPU במארז אחד, מהלך שמתאים למגמה הרחבה של מעבר ממעבד יחיד גדול למערכות מרובות שבבים.

המשמעות היא שאנבידיה אינה עומדת להעביר מחר את ייצור המאיצים המרכזיים שלה מ-TSMC לאינטל. TSMC עדיין מחזיקה ביתרון ברור בייצור המתקדם ובטכנולוגיות אריזה המשמשות את מאיצי ה-AI המובילים. אבל עצם העובדה שאנבידיה בוחנת את אינטל היא איתות חשוב. כאשר הלקוחה החשובה ביותר של TSMC מחפשת חלופות או רכיבי ייצור משלימים, זה אומר שהעומס על שרשרת האספקה הגיע לרמה שבה גם השחקניות החזקות ביותר מחפשות גמישות נוספת.

הבדיקה של אנבידיה עשויה להתמקד תחילה ברכיבים שאינם ליבת ה-GPU המרכזית, כגון רכיבי I/O, אריזה מתקדמת או שילוב שבבים בתוך מארז אחד. גם תרחיש כזה יהיה משמעותי לאינטל. בעולם ה-AI, הערך אינו נמצא רק בליבת החישוב, אלא גם ביכולת לחבר שבבים, זיכרונות ורכיבי תקשורת למערכת אחת יעילה.

צוואר הבקבוק של TSMC

המכנה המשותף בין גוגל לאנבידיה הוא TSMC. החברה הטייוואנית הפכה בעשור האחרון לשחקנית הדומיננטית בייצור שבבים מתקדמים, והיא מספקת קיבולת קריטית לאנבידיה, לאפל, ל-AMD, לגוגל ולחברות רבות נוספות. אבל מהפכת ה-AI יצרה ביקוש חריג לשבבים מתקדמים ולאריזה מתקדמת, והקיבולת הזמינה מוגבלת.

לכן, גם חברות שמרוצות מ-TSMC מחפשות ספקים משלימים. זו אינה רק שאלה של מחיר. זו שאלה של זמינות, גיאופוליטיקה, קצב צמיחה ושליטה בשרשרת האספקה. תלות גבוהה מדי בטייוואן נחשבת כיום סיכון אסטרטגי עבור חברות אמריקניות, במיוחד כאשר ממשלת ארצות הברית משקיעה סכומי עתק בהחזרת ייצור שבבים מתקדם לשטחה.

אינטל מנסה להיכנס בדיוק אל הפער הזה. היא אינה צריכה להחליף את TSMC כדי להצליח; בשלב הראשון, די בכך שתהפוך לספקית שנייה אמינה עבור חלק מהלקוחות הגדולים. אם גוגל תייצר אצלה מיליוני TPU ואם אנבידיה תשלב בעתיד טכנולוגיות ייצור או אריזה שלה, זה יהיה הישג משמעותי גם בלי שאינטל תעקוף את TSMC.

מבחן גדול ל-Intel Foundry

עבור אינטל, הדיווחים האלה הם הזדמנות אך גם מבחן. החברה הציגה בשנים האחרונות מפת דרכים אגרסיבית, הכוללת תהליכי ייצור כמו 18A ו-14A וטכנולוגיות אריזה מתקדמות כמו EMIB. אבל בעולם הפאונדרי, מצגות אינן מספיקות. לקוחות גדולים בוחנים זמינות, ביצועים, תשואות ייצור, אמינות, עלויות ויכולת לספק בכמויות גדולות לאורך זמן.

גוגל ואנבידיה הן בדיוק הלקוחות שיכולים להעניק לאינטל חותמת אמון, אך גם לחשוף חולשות אם התהליכים לא יהיו בשלים בזמן. שבבי AI הם מהמוצרים התובעניים ביותר בתעשייה. הם גדולים, יקרים, צורכים הרבה חשמל ודורשים שילוב מורכב של לוגיקה, זיכרון, תקשורת ואריזה מתקדמת. כל עיכוב או בעיית תפוקה עלולים לפגוע בלוחות הזמנים של לקוחות ענן ומרכזי נתונים.

לכן, הדיווח הנוכחי אינו “חזרה לניצחון” של אינטל, אלא אולי תחילתה של בדיקת אמון מחודשת. אם החברה תעמוד במבחן, היא תוכל להציג את עצמה לא רק כיצרנית שבבים לעצמה, אלא כשותפת ייצור אסטרטגית לעידן ה-AI.

לא מהפך מיידי, אבל שינוי כיוון

TSMC עדיין מובילה את שוק הייצור המתקדם, והיתרון שלה אינו צפוי להיעלם במהירות. אבל הדיווחים על גוגל ואנבידיה מצביעים על שינוי בשוק: חברות ה-AI הגדולות אינן מסתפקות עוד בשרשרת אספקה אחת. הן מחפשות קיבולת נוספת, ספקים חלופיים, אריזה מתקדמת וגמישות הנדסית.

עבור אינטל, זו עשויה להיות ההזדמנות הגדולה ביותר זה שנים להחזיר לעצמה רלוונטיות בתחום שבו פיגרה אחרי המתחרות. הזמנה גדולה מגוגל תספק הוכחה מסחרית. בחינה רצינית מצד אנבידיה תספק איתות אסטרטגי. שילוב של השניים יכול להפוך את Intel Foundry משחקנית שמבטיחה קאמבק לשחקנית שהלקוחות הגדולים באמת מתחילים לבדוק בשטח.

בסופו של דבר, המרוץ לשבבי AI אינו מתנהל רק בין אנבידיה לגוגל או בין GPU ל-TPU. הוא מתנהל גם בין מפעלי ייצור, תהליכי ליתוגרפיה, טכנולוגיות אריזה ושרשראות אספקה. אם אינטל תצליח להשתלב במעגל הזה, גם כספקית שנייה או משלימה, זו תהיה תפנית חשובה בתעשיית השבבים העולמית.

הפוסט גוגל מזמינה, אנבידיה בוחנת – ייצור שבבים באינטל פאונדרי הופיע לראשונה ב-Chiportal.

קיידנס ואנבידיה הודיעו במסגרת Computex 2026 על שלב חדש בשילוב סוכני בינה מלאכותית בתהליכי תכנון ואימות שבבים. ההכרזה מתמקדת ב-ChipStack AI Super Agent של קיידנס, מערכת סוכני AI שמיועדת לבצע חלקים משמעותיים מתהליך אימות התכנון ברמת RTL, אחד השלבים הארוכים והיקרים בפיתוח שבבים מתקדמים. לפי קיידנס, המערכת הורחבה ליכולת שהיא מכנה Level 5 autonomy – כלומר ביצוע עצמאי של תהליכי תכנון ואימות מורכבים, תוך אפשרות למהנדסים לעקוב, לכוון ולהתערב בעת הצורך.

הטענה המרכזית של קיידנס היא שהמערכת יכולה לקצר מחזור אימות RTL טיפוסי, שאורך כחמישה שבועות, לפחות מיום אחד בסביבות פריסה מתקדמות – האצה של יותר מפי 40. ההדגמה מתבססת על הרצת מאות סימולציות דינמיות באמצעות כלי Cadence, ובהם Xcelium Logic Simulation ו-Jasper Formal Verification, במסגרת תהליכי אימות של אנבידיה. חשוב לציין כי מדובר בנתון שמקורו בהודעת החברה ובהוכחת היתכנות מוקדמת, ולכן הוא אינו בהכרח משקף כל תכנון, כל צוות או כל סביבת עבודה.

לא רק צ’אטבוט למהנדסים

החידוש שעליו מדברות קיידנס ואנבידיה אינו שימוש כללי במודל שפה גדול, אלא שילוב של סוכן AI עם כלי EDA קיימים ומאומתים. שכבת הבינה המלאכותית מנהלת את הרצף: הבנת מפרטים, תכנון בדיקות, הרצת סימולציות, ניתוח תוצאות, איתור כשלים והצעת תיקונים. עם זאת, הפעולות עצמן נשענות על מנועי האימות של קיידנס, ולא על “ניחוש” חופשי של מודל שפה.

המערכת מבוססת על פורטפוליו ה-EDA של קיידנס, על מודלי NVIDIA Nemotron, ופועלת בתוך NVIDIA OpenShell – סביבת הרצה מבודדת לסוכנים אוטונומיים, שנועדה לאכוף בקרת מדיניות, הרשאות וגישה מבוקרת לכלים, לתשתיות ולנתוני תכנון רגישים. עבור תעשיית השבבים, שבה קניין רוחני הוא נכס קריטי, השילוב הזה חשוב לא פחות מהאוטומציה עצמה.

צוואר הבקבוק של אימות השבבים

אימות RTL הוא שלב שבו בודקים אם התכנון הלוגי של השבב אכן מתנהג כפי שנדרש לפני המעבר לשלבים יקרים יותר של מימוש פיזי וייצור. ככל ששבבי AI ומערכות על שבב הופכים גדולים ומורכבים יותר, מספר הבדיקות, התרחישים והחריגות האפשריות גדל במהירות. כתוצאה מכך, צוותי הפיתוח משקיעים זמן רב בהרצת סימולציות, בניתוח תקלות ובתיקון מקרי קצה.

במובן זה, ChipStack אינו מחליף את המהנדסים אלא משנה את נקודת הכובד של עבודתם: פחות כתיבת בדיקות חוזרת, פחות ניהול ידני של רגרסיות ופחות חיפוש ידני אחרי מקור הכשל; יותר הגדרת מטרות, פיקוח על התהליך וקבלת החלטות ארכיטקטוניות. זו גם הדרך שבה קיידנס מציגה את המערכת – מעבר מ-AI שמסייע למהנדס, ל-AI שמבצע משימות הנדסיות מוגדרות תחת בקרה.

ד"ר זיאד חנא, מנכ"ל מרכזי הפיתוח של Cadence בישראל וראש תחום ה-AI בקיידנס העולמית, אמר כי “מורכבות הסיליקון של מערכות הבינה המלאכותית עולה על קצב הגידול של כוח האדם ההנדסי, ולכן האוטונומיה הופכת כיום לצורך קיומי ולא רק לתוספת רצויה. התעשייה שלנו מתמודדת עם מחסור מובנה במהנדסים; הטכנולוגיה החדשה שהצגנו הופכת את העבודה השוחקת והחזרתית של שלב האימות לאוטומטית, ומאפשרת למהנדסים להתמקד בחדשנות, בארכיטקטורה ובאסטרטגיה בעלת ערך גבוה יותר”.

קיידנס ציינה כי יכולות Level 5 של ChipStack, יחד עם מסגרת התיאום AgentStack, צפויות להיות זמינות ללקוחות Early Access במחצית השנייה של 2026. המשמעות היא שהטכנולוגיה כבר עברה שלב הדגמה משמעותי, אך עדיין תיבחן בשטח לפני שתהפוך לכלי סטנדרטי בתהליכי פיתוח שבבים רחבים.

הפוסט קיידנס ואנבידיה מציגות סוכן AI לאימות שבבים: מקצר מחזור RTL משבועות לפחות מיום הופיע לראשונה ב-Chiportal.

אינטל ניצלה את תערוכת Computex 2026 בטייוואן כדי להציג כיוון אסטרטגי ברור: מעבר מעידן שבו הבינה המלאכותית נשענת בעיקר על אימון מודלים במרכזי נתונים גדולים, לעידן שבו המודלים רצים ברציפות – במרכזי נתונים, בארגונים וברובוטים בשטח. החברה חשפה שורת מוצרים חדשים למרכזי נתונים ולמחשוב קצה, ובהם Xeon 6+ בתהליך Intel 18A, בקר רשת חדש, פרטים ראשונים על כרטיס AI ייעודי לאינפרנס, ומערך תוכנה וחומרה לרובוטיקה פיזית.

לפי אינטל, עד 2030 אינפרנס – כלומר הרצה שוטפת של מודלים בשירותים פעילים – יהווה 37% מקיבולת מרכזי הנתונים העולמית, לעומת 13% בלבד לאימון מודלים. המשמעות מבחינת החברה היא שינוי ביחסי הכוחות: ה־GPU ימשיך להיות רכיב חיוני באימון ובחלק מעומסי ה־AI, אך ככל שסוכני AI ירוצו ברציפות, ייגשו לנתונים, יתזמרו משימות ויפעילו שירותים רבים במקביל, המעבד המרכזי יחזור להיות רכיב מפתח בארכיטקטורת המערכת.

קבורק קצ'יצ'יאן, סגן נשיא בכיר ומנכ"ל קבוצת מרכזי הנתונים של אינטל, אמר כי “אי אפשר ש־AI יגדל רק על ידי הוספת עוד כרטיסים גרפיים. צריך שכל המערכת תעבוד יחד”. לדבריו, כאשר AI הופך לסוכן שרץ ברציפות, האתגר אינו רק כוח חישוב, אלא ניהול מקבילי של תהליכים והעברת נתונים מהירה.

Xeon 6+ ו־Intel 18A: הרבה ליבות לעומסי AI סוכני

ההכרזה המרכזית למרכזי נתונים היא Intel Xeon 6+, מעבד שרתים חדש עם עד 288 ליבות יעילות על שבב אחד. זהו המעבד הראשון של אינטל למרכזי נתונים המיוצר בתהליך Intel 18A, הכולל את טכנולוגיות PowerVia ו־RibbonFET. המעבד מיועד לעומסי עבודה שבהם נדרש מספר גדול של ליבות הפועלות במקביל, כגון שירותי ענן, רשתות 5G ותזמור סוכני AI.

אינטל מציגה את המעבד כחלק מתפיסה שהיא מכנה “מרכז בינה” – מרכז נתונים שמריץ סוכני AI עבור לקוחות, בשונה ממרכז נתונים המיועד בעיקר לאימון מודלים גדולים. לפי החברה, במרכזים כאלה היחס בין CPU ל־GPU צפוי להתקרב ל־1:1, משום שחלק גדול מהעומסים יישארו סביב בסיסי נתונים, רשתות, אחסון, שירותי ענן ארגוניים ותזמור תוכנה.

בהשוואה שהציגה אינטל מול AMD EPYC 9755, המעבד העליון בסדרת Xeon 6+ מציג לטענתה יתרון ממוצע של 30% בביצועים ו־30% בביצועים לכל ואט. מול הדור הקודם של אינטל עצמה, החברה מדווחת על שיפור של פי 2.26 בביצועים ממוצעים ועל שיפור של פי 1.55 ביעילות האנרגטית.

רשת וכרטיס AI חדש: אינטל מחזקת את שכבת התשתית

לצד המעבד הכריזה אינטל על Intel Ethernet E835, בקר רשת ומתאמי רשת חדשים במהירויות של עד 200GbE. החברה מציבה את המוצר מול פתרונות של אנבידיה וברודקום וטוענת ליתרון ביעילות אנרגטית. הבקר תומך ב־RDMA להפחתת עומס על המעבד, כולל מנגנוני אבטחה חומרתיים, ומתוכנן למחזור חיים של יותר מעשר שנים. בין השותפות התומכות כבר במוצר: Cisco, Dell, HPE, Lenovo ו־Supermicro.

בנוסף חשפה אינטל פרטים ראשונים על כרטיס AI חדש למרכזי נתונים בשם הקוד Crescent Island. הכרטיס מבוסס על ארכיטקטורת Xe3P, מיועד לאינפרנס של סוכני AI, וכולל 480GB זיכרון LPDDR5X על כרטיס יחיד. העיצוב מיועד לשרתים קיימים, בתצורת PCIe ובקירור אוויר של 350 ואט, ללא צורך בתשתית קירור נוזלי. מבחינת אינטל, זהו ניסיון למצב פתרון יעיל יותר עבור מודלים עתירי זיכרון וטוקנים, שלא בהכרח דורשים את כוח החישוב המרבי של כרטיסי אימון.

מהרובוט במעבדה לרובוט בשטח

החלק השני בהכרזות של אינטל מתמקד ברובוטיקה. החברה הציגה את Physical AI OpenVINO, ערכת כלים בקוד פתוח שנועדה לקצר את הדרך מפיתוח אב־טיפוס של רובוט לפריסה מסחרית. הרעיון הוא לספק שכבת תוכנה אחידה עבור דרייברים, חיישנים, מנועי הסקה ובקרה, במקום שכל יצרן רובוטים יבנה את כל השכבות האלה מחדש.

לצד הערכה הציגה אינטל גם את Physical AI Studio, סביבת פיתוח לאיסוף נתונים, כוונון מודלים, אופטימיזציה וקוונטיזציה, וכן ייצוא מודלי VLA – Vision-Language-Action. אלה מודלים שמקבלים תמונה, מבינים הקשר ומייצרים פעולה פיזית של הרובוט, בדומה לאופן שבו מודל שפה מקבל טקסט ומייצר תגובה, אך הפלט כאן הוא תנועה בעולם הפיזי.

אינטל טוענת כי יותר מ־130 מוצרי קצה כבר נמצאים בפיתוח על בסיס המעבדים החדשים שלה. החברה מציגה את המהלך כחלופה לשוק שבו אנבידיה מחזיקה כיום נוכחות חזקה באמצעות משפחת Jetson. בבדיקת ביצועים שהציגה אינטל, מעבד Intel Core Ultra 7X 358H הריץ מודל רובוטי המקבל קלט משלוש מצלמות ומחליט בזמן אמת על פעולת הרובוט. לפי נתוני החברה, הביצועים היו מהירים ב־50% מ־NVIDIA Jetson AGX Orin, ואיטיים בכ־10% בלבד מ־NVIDIA Jetson Thor T5000, שמחיר המערכת שלו כפול.

Ella כדוגמה מסחרית

אחת הדוגמאות שהציגה אינטל היא Ella של SensoryAI, עמדת קפה רובוטית שמקבלת הזמנות בשיחה רגילה, מכינה משקאות ומשרתת לקוחות ללא התערבות אנושית. עד לאחרונה, לפי אינטל, המערכת השתמשה במעבד שליטה ובמאיץ AI נפרד. SensoryAI החליפה את שניהם בשבב אחד ממשפחת Intel Core Ultra Series 3, שמריץ במקביל שלושה סוכני AI: סוכן שיחה עם הלקוח, סוכן תפעולי וסוכן ניתוח ביצועים עסקיים ברמת העמדה.

המשמעות הרחבה יותר היא שאינטל מנסה להחזיר את הדיון מ”כמה GPU צריך” לשאלה מערכתית יותר: כיצד מריצים AI באופן רציף, יעיל וזול יותר, גם במרכזי נתונים וגם במכונות פיזיות בשטח. זו אינה הכרזה שמבטלת את הצורך בכרטיסים גרפיים, אלא ניסיון למצב את אינטל כשחקנית שמציעה ארכיטקטורה מלאה – מעבד, רשת, מאיץ AI, תוכנה וכלי פיתוח – לעומסי AI שהולכים ומתקרבים להפעלה שוטפת בעולם האמיתי.

הפוסט אינטל בקומפיוטקס 2026: ה־CPU חוזר למרכז בעידן סוכני ה־AI והרובוטיקה הופיע לראשונה ב-Chiportal.

אנבידיה דיווחה הלילה על עוד רבעון שיא, שממחיש עד כמה שוק תשתיות הבינה המלאכותית ממשיך להתרחב סביב מרכזי הנתונים. ברבעון הראשון של שנת הכספים 2027, שהסתיים ב־26 באפריל 2026, רשמה החברה הכנסות של 81.6 מיליארד דולר. מדובר בעלייה של 20% לעומת הרבעון הקודם ובזינוק של 85% לעומת הרבעון המקביל אשתקד. הכנסות מרכזי הנתונים הגיעו לשיא של 75.2 מיליארד דולר, עלייה של 92% לעומת השנה שעברה.

הנתונים מציבים את אנבידיה לא עוד כחברת שבבים גרפיים, אלא כספקית התשתית המרכזית של כלכלת ה־AI. לפי הדוח, הכנסות מחשוב מרכזי הנתונים הגיעו ל־60.4 מיליארד דולר, ואילו הכנסות הרשתות במרכזי הנתונים הגיעו ל־14.8 מיליארד דולר – כמעט פי שלושה לעומת השנה שעברה. הרווח הנקי לפי GAAP הסתכם ב־58.3 מיליארד דולר, והרווח המדולל למניה הגיע ל־2.39 דולר. הרווח המתואם למניה עמד על 1.87 דולר.

מנכ״ל ומייסד החברה, ג׳נסן הואנג, תיאר את המגמה כ״האצה בבניית מפעלי AI״, כלומר מרכזי נתונים שתפקידם לייצר שירותי בינה מלאכותית בקנה מידה תעשייתי. לדבריו, עידן ה־Agentic AI כבר החל, והמערכות אינן רק משיבות לשאלות אלא מבצעות עבודה ממשית בארגונים. בשיחת הוועידה לאחר פרסום הדוחות אמר הואנג כי “הביקוש הפך לפרבולי”, וכי בעידן החדש “קיבולת מחשוב היא הכנסות ורווחים”.

מרכזי נתונים, ענן ו־AI ריבוני

אנבידיה משנה במקביל את אופן הדיווח שלה, כדי לשקף טוב יותר את מקורות הצמיחה. החברה תחלק מעתה את פעילותה לשתי פלטפורמות שוק עיקריות: מרכזי נתונים ומחשוב קצה. בתוך מרכזי הנתונים היא תדווח על שני תתי־שווקים: Hyperscale, הכולל את ענקיות הענן וחברות האינטרנט הגדולות, ו־ACIE, הכולל ענני AI, תעשייה וארגונים. מחשוב הקצה יכלול מחשבים אישיים, קונסולות משחק, תחנות עבודה, תחנות בסיס לרשתות AI-RAN, רובוטיקה ורכב.

לפי סמנכ״לית הכספים קולט קרס, הכנסות ההייפרסקייל ברבעון הסתכמו ב־38 מיליארד דולר והיוו כמחצית מהכנסות מרכזי הנתונים. הכנסות תחום ACIE הסתכמו ב־37 מיליארד דולר וצמחו ב־31% לעומת הרבעון הקודם. החברה ציינה גם כי הכנסות ענני ה־AI יותר משלשו את עצמן לעומת השנה שעברה, וכי הכנסות AI ריבוני צמחו ביותר מ־80%.

המשמעות היא שהצמיחה של אנבידיה אינה נשענת רק על חמש או שש ענקיות ענן. החברה מנסה להראות למשקיעים כי גל הביקוש מתרחב גם לענני AI ייעודיים, מרכזי נתונים לאומיים, תשתיות ארגוניות ומערכות תעשייתיות. זהו מסר חשוב במיוחד בשלב שבו השוק בוחן אם השקעות הענק ב־AI הן מחזור זמני, או שינוי מבני ארוך טווח בתשתיות המחשוב.

בלקוול עכשיו, ורה רובין בדרך

ארכיטקטורת Blackwell ממשיכה להיות מנוע הצמיחה המרכזי של אנבידיה. החברה אמרה כי הביקוש למערכות GB300 ו־NVL72 חזק במיוחד בקרב בוני מודלים גדולים וענקיות ענן. קרס ציינה בשיחת הוועידה כי זהו קצב ההשקה המהיר ביותר בתולדות החברה.

הדור הבא כבר בדרך. אנבידיה הודיעה כי תחל משלוחי ייצור של פלטפורמת Vera Rubin במחצית השנייה של השנה, החל מהרבעון השלישי. לפי החברה, ורה רובין תשלב מעבד Vera ייעודי ל־Agentic AI עם מאיצי Rubin ורכיבי תקשורת מהירים. הואנג אמר בשיחה כי ורה פותחת בפני אנבידיה שוק חדש של מעבדים מרכזיים, תחום שבו החברה לא פעלה בעבר בהיקף דומה, וטען כי כל יצרני המערכות וענקיות הענן הגדולות נערכים לפריסה שלה.

זהו שינוי אסטרטגי משמעותי. אנבידיה כבר אינה מסתפקת במכירת מאיצים גרפיים. היא מציעה מערכות שלמות: GPU, CPU, תקשורת, אחסון, תוכנה, שכבות אבטחה וכלי פיתוח. בכך היא מנסה להגדיל את חלקה מכל דולר שמושקע במרכזי נתונים ל־AI, ולהקשות על מתחרים שמציעים רכיב בודד בלבד.

סין נשארת מחוץ לתחזית

נקודת האזהרה המרכזית בדוח היא סין. אנבידיה צופה הכנסות של 91 מיליארד דולר ברבעון השני של שנת הכספים 2027, פלוס או מינוס 2%, אך מדגישה כי התחזית אינה כוללת הכנסות ממכירות מחשוב מרכזי נתונים לסין. החברה ציינה כי אף שהממשל האמריקני אישר רישיונות למשלוח H200 ללקוחות בסין, עדיין לא נרשמו הכנסות כאלה, ולא ברור אם הרשויות בסין יאפשרו את היבוא.

המשמעות היא שהתחזית החזקה של אנבידיה נשענת על ביקוש מחוץ לסין. מצד אחד, זה מצביע על עומק הביקוש העולמי. מצד אחר, הוא משאיר מקור אי־ודאות גיאופוליטי משמעותי, במיוחד בשוק שבו שבבי AI הפכו לנכס אסטרטגי.

חלוקת כסף לבעלי המניות – וסימן לביטחון עצמי

לצד ההשקעה האדירה בתשתיות, אנבידיה מגדילה גם את ההחזר לבעלי המניות. החברה החזירה ברבעון כ־20 מיליארד דולר באמצעות רכישה עצמית של מניות ודיבידנד. הדירקטוריון אישר תוכנית רכישה עצמית נוספת של 80 מיליארד דולר, ללא תאריך תפוגה, והדיבידנד הרבעוני יעלה מסנט אחד ל־25 סנט למניה.

המהלך מאותת שהנהלת החברה רואה את תזרים המזומנים הנוכחי כבר־קיימא לפחות בטווח הקרוב. קרס אמרה בשיחה כי החברה מתכוונת להחזיר השנה לבעלי המניות כ־50% מתזרים המזומנים החופשי, תוך המשך השקעות במחקר ופיתוח, בשרשרת האספקה ובאקוסיסטם של AI.

הרבעון של אנבידיה משקף חברה שנמצאת במרכז גל ההשקעות הגדול ביותר כיום בטכנולוגיה. השאלה המרכזית אינה אם הביקוש ל־AI קיים, אלא כמה זמן יימשך קצב ההשקעות הזה, מי יוכל לממן אותו, והאם אנבידיה תצליח לשמור על היתרון כאשר יותר חברות מנסות לפתח שבבים, מערכות ורכיבי רשת משלהן. בינתיים, המספרים מראים שהשוק ממשיך לרדוף אחרי קיבולת מחשוב – ואנבידיה עדיין עומדת במרכז המרוץ.

הפוסט אנבידיה שוברת שיא: הכנסות של 81.6 מיליארד דולר ברבעון, כמעט כולן ממרכזי נתונים הופיע לראשונה ב-Chiportal.

במשך שנים נראתה הקריפטוגרפיה הפוסט־קוונטית כמו נושא עתידי, כזה שמעניין בעיקר חוקרים, גופי ביטחון ויצרני תשתיות. בהרצאה שנשא דותן פינקלשטיין מ-NVIDIA בכנס ChipEx2026, היא הוצגה כאתגר הנדסי מיידי לתעשיית השבבים, לתשתיות הענן ולחברות שמפתחות ומפעילות מודלי בינה מלאכותית. המסר המרכזי היה כי מערכות אבטחה שנבנות היום יצטרכו להמשיך להגן על מידע גם בעולם שבו מחשבים קוונטיים חזקים יוכלו לשבור חלק גדול מן ההצפנה האסימטרית המקובלת כיום.

הבעיה אינה שכל סוגי ההצפנה יקרסו באותה מידה. הצפנה סימטרית חזקה, כמו AES עם מפתחות של 256 ביט, נחשבת לעמידה יותר גם בתרחישים קוונטיים, ולכן האיום המרכזי מתמקד בקריפטוגרפיה אסימטרית: RSA, Diffie-Hellman וקריפטוגרפיה אליפטית. אלה משמשות כיום לזיהוי, החלפת מפתחות, חתימות דיגיטליות, חתימת קוד, אימות קושחה ובניית שרשראות אמון. ה-NSA הזהירה כבר ב-2022 כי מחשב קוונטי רלוונטי לקריפטואנליזה עלול לשבור מערכות מפתח ציבורי שנמצאות בשימוש כיום, ולכן יש להתחיל לתכנן, לתקצב ולהיערך למעבר לאלגוריתמים עמידים בפני מחשוב קוונטי. (nsa.gov)

הדחיפות נובעת גם מן האיום המכונה Harvest Now, Decrypt Later: גורם עוין יכול לאסוף היום מידע מוצפן, לשמור אותו, ולנסות לפענח אותו בעתיד כאשר יהיו בידיו יכולות קוונטיות מתאימות. במערכות AI בענן, הסיכון אינו מוגבל למסמכים או לתעבורה מוצפנת. הוא נוגע גם למשקלי מודלים, למידע אימון, למפתחות זהות, לשרשראות אספקה של תוכנה וליכולת לוודא שהקוד שרץ בפועל הוא אכן הקוד שאושר.

לכן, לפי פינקלשטיין, ההיערכות אינה יכולה להישאר בשכבת התוכנה בלבד. היא צריכה להתחיל בשלב תכנון השבבים. אם שורש האמון נמצא בתוך הסיליקון, גם התמיכה בקריפטוגרפיה פוסט־קוונטית צריכה להיבנות שם מראש. במונחי תעשיית השבבים, זהו מקרה קלאסי של shift left: טיפול בבעיה מוקדם ככל האפשר במחזור הפיתוח, לפני שהחומרה כבר נשלחה לשוק וקשה או בלתי אפשרי לעדכן אותה.

הרקע הרגולטורי כבר קיים. NIST אישר באוגוסט 2024 שלושה תקני FIPS ראשונים לקריפטוגרפיה פוסט־קוונטית: FIPS 203 עבור ML-KEM, מנגנון לקביעת מפתחות המבוסס על CRYSTALS-Kyber; FIPS 204 עבור ML-DSA, תקן חתימה דיגיטלית המבוסס על CRYSTALS-Dilithium; ו-FIPS 205 עבור SLH-DSA, חתימה דיגיטלית חסרת מצב המבוססת על SPHINCS+. (csrc.nist.gov) במקביל, מסמך CNSA 2.0 של ה-NSA קובע לוחות זמנים למעבר במערכות ביטחון לאומי בארה"ב: חתימת תוכנה וקושחה אמורה לתמוך ולהעדיף אלגוריתמים חדשים כבר ב-2025, ולעבור לשימוש בלעדי בהם עד 2030; ציוד רשת מסורתי אמור לתמוך ולהעדיף CNSA 2.0 עד 2026 ולעבור לשימוש בלעדי עד 2030; מערכות הפעלה ושירותי ענן מקבלים לוחות זמנים ארוכים יותר, עד 2033 לשימוש בלעדי.

פינקלשטיין הבחין בין שתי משפחות מרכזיות של פתרונות. הראשונה היא אלגוריתמים מבוססי סריגים, ובהם ML-KEM ו-ML-DSA. היתרון שלהם הוא איזון טוב בין רמת אבטחה, ביצועים וגודל מפתחות או חתימות. הם גם חסרי מצב, ולכן מתאימים יותר לסביבות גדולות שבהן קשה לנהל מצב פנימי לכל פעולת חתימה. המשפחה השנייה היא אלגוריתמים מבוססי Hash, כמו LMS ו-XMSS. אלה נבדקו במשך שנים, אך הם שומרי מצב: כל חתימה משנה את המצב הפנימי של המערכת, ואם המצב אובד, משוכפל או נפגע, עלולה להיפגע גם האבטחה. במסמך CNSA 2.0 ה-NSA ממליצה על LMS ו-XMSS לחתימת תוכנה וקושחה, אך מדגישה את הצורך לנהל מצב כראוי וליישם את החתימה בחומרה.

המעבר לא יתבצע ביום אחד. לכן הגישה המעשית שמוצגת כיום בתעשייה היא גישה היברידית: שילוב של קריפטוגרפיה קלאסית וקריפטוגרפיה פוסט־קוונטית בתוך אותה שרשרת אמון. במערכת כזו, השבב מחזיק גם מפתחות קלאסיים וגם מפתחות פוסט־קוונטיים. שלבי האתחול הראשונים — BootROM, קושחה ראשונית ורכיבי firmware נוספים — מאומתים באמצעות שני העולמות במקביל. כך ניתן לשמור על תאימות לאחור, אך להתחיל לבנות בסיס אבטחה שיחזיק גם מול איומים קוונטיים עתידיים.

החיבור לעולם ה-AI בענן הוא החלק המשמעותי בהרצאה. מודלי AI גדולים אינם רק קוד. הם נכסים כלכליים עצומים. משקליהם, נתוני האימון שלהם, תהליכי ההסקה והסביבה שבה הם רצים דורשים רמת אמון גבוהה. כאשר לקוח או ספק מודל מפעיל מערכת בענן, הוא צריך לדעת שהחומרה, הקושחה, מערכת ההפעלה ושכבת התוכנה פועלות במצב צפוי ומאובטח. כאן נכנס תהליך ה-attestation: השבב מודד בזמן האתחול את רכיבי המערכת, חותם על המדידות באמצעות מפתחות שמוגנים בתוך הסיליקון, ומאפשר לגורם חיצוני לאמת שהמערכת לא שונתה.

בארכיטקטורה פוסט־קוונטית, גם תהליך האימות הזה צריך להיות עמיד לעתיד. שורש אמון היברידי בתוך השבב יכול לחתום על זהות המערכת גם באמצעות מפתח קלאסי וגם באמצעות מפתח פוסט־קוונטי, למשל ML-DSA. כך אפשר לבנות שרשרת זהות מלאה שמתחילה בסיליקון, ממשיכה לקושחה, עוברת למערכת ההפעלה ומסתיימת בשכבת התוכנה שמריצה את מודל ה-AI. עבור ספקיות ענן ולקוחות גדולים, זו דרך לוודא שהמודל שלהם רץ בסביבה שהם יכולים לסמוך עליה.

האתגר נעשה מורכב יותר משום שעולם ה-AI מתקדם בהדרגה משרתי Bare Metal, שמוקדשים ללקוח יחיד, אל סביבות ענן מרובות דיירים. זהו מעבר חיוני מבחינה כלכלית ותפעולית, משום שהוא מאפשר ניצול יעיל יותר של חומרה יקרה. אבל הוא מחייב מנגנוני בידוד ואימות חזקים יותר. כאשר כמה לקוחות או כמה מודלים חולקים תשתית פיזית, כל חולשה בזהות החומרה, באתחול המאובטח או בשרשרת האמון עלולה להפוך לסיכון עסקי ואבטחתי.

המשמעות עבור יצרני שבבים היא ברורה: קריפטוגרפיה פוסט־קוונטית אינה שכבת תוספת שאפשר להדביק בסוף. היא צריכה להיות חלק מתכנון המוצר, ממבנה שורש האמון, ממנגנוני secure boot, ממערכות attestation ומהקשר בין השבב לענן. מי שיתחיל בכך רק כאשר מחשבים קוונטיים יהיו זמינים בפועל, עלול לגלות שמחזורי הפיתוח של חומרה, קושחה וענן ארוכים מדי.

המסר המרכזי מהרצאתו של פינקלשטיין הוא שהעידן הפוסט־קוונטי אינו מתחיל ביום שבו מחשב קוונטי ישבור RSA. הוא מתחיל עכשיו, בתכנון המערכות שיצטרכו להיות מאובטחות בעוד חמש, עשר וחמש־עשרה שנים. עבור תעשיית השבבים, ועבור עולם ה-AI בענן, זו אינה רק סוגיית קריפטוגרפיה. זו שאלה של אמון בתשתית שעליה ירוצו המודלים החשובים ביותר של העשור הבא.

הפוסט דותן פינקלשטיין מ-NVIDIA: אבטחת ה-AI בענן חייבת להיערך כבר עכשיו לעידן הפוסט־קוונטי הופיע לראשונה ב-Chiportal.