חברת השבבים הישראלית היילו (Hailo) הודיעה על פיטורי כ-110 עובדים, כמחצית מכוח האדם שלה. לפי הדיווח בכלכליסט, החברה מעסיקה כיום כ-220 עובדים, והמהלך מגיע בהמשך לשינוי ארגוני שביצעה לפני כמה חודשים כדי להתמקד בתחום ה-Physical AI – יישומי בינה מלאכותית בעולם הפיזי, ובהם רובוטיקה, רחפנים ומכשירי קצה חכמים.

היילו, שהוקמה ב-2017 ונחשבה במשך שנים לאחת ההבטחות הבולטות של תעשיית השבבים הישראלית, מפתחת מאיצי AI למכשירי קצה. מוצרי החברה נועדו להריץ מודלי ראייה ממוחשבת ובינה מלאכותית גנרטיבית קרוב למקור הנתונים, בלי להעביר את כל העיבוד לענן. לפי החברה, מעבדי הקצה שלה מיועדים ליישומי AI במכשירי קצה, ובהם מוצרי צריכה, רכב, מערכות תעשייתיות ורובוטיקה.

מהתלהבות סביב AI Edge לצמצום חריף

הפיטורים הנוכחיים הם סבב הקיצוצים השני של היילו השנה. בינואר 2026 פיטרה החברה כ-10% מעובדיה, אז כ-30 עובדים, והסבירה כי היא ממקדת משאבים בתחומי צמיחה ובהם רובוטיקה ו-Physical AI.

לפי הדיווח, החברה מבקשת להגיע למבנה תפעולי רזה יותר, שיאפשר לה להמשיך לשרת לקוחות קיימים באמצעות רשת שותפים ומפיצים גלובלית, ובמקביל לשפר את הגמישות לקראת השקעה, רכישה או מהלך פיננסי אחר. החברה מסרה כי מוצרי הדגל שלה, מאיצי AI למכשירי קצה, נמכרו ביותר מ-500 אלף יחידות.

ההתמקדות ב-Physical AI משקפת מגמה רחבה יותר בתעשייה: מעבר מחישובי AI גדולים בענן בלבד אל עיבוד מקומי במצלמות, רובוטים, רחפנים, מערכות רכב ומכשירי IoT. עבור היילו, זהו גם ניסיון לבדל את עצמה מול שוק צפוף ותחרותי, שבו פועלות ענקיות שבבים לצד חברות צעירות רבות שניסו לנצל את גל ההשקעות בבינה מלאכותית.

לחץ פיננסי ומחיקת השקעה בדלק רכב

המהלך מגיע על רקע מצוקה פיננסית מתמשכת. לפי כלכליסט, דלק רכב, אחת המחזיקות המשמעותיות בהיילו, דיווחה כי מיזוג SPAC שתוכנן עבור החברה בוול סטריט נקלע לקשיים ואינו מתקדם. בעקבות זאת, דלק רכב צפויה למחוק את מרבית שווי השקעתה בהיילו כבר בדוחות הרבעון השני של 2026, מהלך שעלול להעביר אותה להפסד מהותי באותו רבעון.

בשיאה, באפריל 2024, גייסה היילו 120 מיליון דולר לפי שווי של 1.2 מיליארד דולר, והפכה לאחת מחברות החד־קרן הבולטות בתחום שבבי ה-AI למכשירי קצה. רויטרס דיווחה אז כי החברה גייסה עד אותו שלב יותר מ-340 מיליון דולר מאז הקמתה. לפי הדיווחים האחרונים, שוויה הריאלי של החברה מוערך כעת בפחות מ-500 מיליון דולר.

כלכליסט ציין כי סך החשיפה של דלק רכב להיילו עומד על כ-62.4 מיליון דולר, שהם כ-197 מיליון שקל, וכי בינואר 2026 העמידה דלק מוטורס להיילו הלוואה של 9 מיליון דולר, עם אפשרות להגדלה נוספת של 3 מיליון דולר. לפי הדיווח, ההלוואה נושאת ריבית גבוהה של 1.5% בחודש, שעשויה לעלות ל-3% בחודש אם לא יתרחש אירוע נזילות בתוך 12 חודשים.

חברה עם טכנולוגיה קיימת, אבל שוק קשה יותר

הקושי של היילו אינו נובע בהכרח מהיעדר טכנולוגיה. החברה השיקה בשנים האחרונות כמה דורות של מאיצי AI, ובהם Hailo-8 ליישומי ראייה ממוחשבת ו-Hailo-10H, שנועד להריץ מודלי שפה וראייה גנרטיביים במכשירי קצה. לפי היילו, Hailo-10H מספק 40 TOPS בביצועי INT4, תומך במודלי LLM ו-VLM, ומתוכנן לפעול בהספק טיפוסי של 2.5 ואט.

עם זאת, פיתוח שבבים הוא תחום עתיר הון, והמעבר ממוצר טכנולוגי מרשים להכנסות בהיקף גדול דורש זמן, שרשרת אספקה יציבה, תוכנה בשלה, תמיכת לקוחות רחבה וחדירה לשווקים שמאמצים טכנולוגיה בקצב מספק. במקרה של היילו, הנתונים הפיננסיים שפורסמו סביב דלק רכב מצביעים על פער בין ההבטחה הטכנולוגית לבין צורכי המזומן והקצב העסקי של החברה.

מנכ”ל היילו, אור דנון, מסר כי ענף השבבים בעידן ה-AI הופך לחלק מהתשתיות הקריטיות במדינות רבות, וכי הבינה המלאכותית “עוזבת את הענן ועוברת לעולם הפיזי”. לדבריו, המהלכים הנוכחיים נועדו לשמר את המובילות הטכנולוגית של החברה ולהמשיך לייצר ערך ללקוחות קיימים ועתידיים.

היילו עדיין מחזיקה במוצר, בלקוחות, ברשת שותפים ובמוניטין טכנולוגי בתחום שבו הביקוש עשוי לצמוח בשנים הקרובות. אבל סבב הפיטורים החריף מסמן כי החברה נכנסת לשלב מבחן: האם תצליח להפוך את פעילותה לממוקדת ורזה מספיק כדי לשרוד עד גיוס, רכישה או התאוששות עסקית – או שהלחץ הפיננסי יכריע את אחת ההבטחות הגדולות של שבבי ה-AI בישראל.

הפוסט היילו מפטרת כמחצית מעובדיה ותתמקד ב-Physical AI הופיע לראשונה ב-Chiportal.

הבינה המלאכותית הגנרטיבית התחילה מבחינת רוב המשתמשים כחלון צ’אט. אבל מבחינת תעשיית השבבים, הצ’אטבוטים היו רק השלב הראשון. בסימפוזיון הטכנולוגיות של TSMC באירופה הוצגה תמונה רחבה יותר: AI מתקדמת מהענן וממרכזי הנתונים אל הקצה, אל מכוניות, רובוטים, מכונות תעשייתיות וחיישנים. כל מעבר כזה אינו רק שדרוג תוכנה, אלא קפיצת מדרגה בדרישות החומרה.

כריס תומאס, נשיא TSMC Europe, תיאר את ה-AI כטכנולוגיה שמתפשטת במקביל בענן, במרכזי נתונים ובקצה. לפי סיכום דבריו, ההתפשטות הזו דורשת “צפיפות מחשוב קיצונית, רוחב פס גבוה ויעילות הספק”. זהו למעשה קיצור של האתגר כולו: יותר חישוב, יותר נתונים, ופחות אנרגיה לכל פעולה.

שלב ראשון: צ’אטבוטים וכלכלת הטוקנים

השלב הראשון של הגל הנוכחי הוא הצ’אטבוט. כאן צוואר הבקבוק המרכזי הוא ייצור טוקנים: כמה מהר המודל עונה, כמה עולה כל תשובה, וכמה זיכרון נדרש כדי לשמור את ההקשר. ככל שהמודלים גדלים וחלונות ההקשר מתארכים, עולה החשיבות של HBM, רוחב פס לזיכרון, רשתות מהירות בין מאיצים ואריזות מתקדמות.

בשלב הזה המדד אינו רק ביצועי שיא של GPU יחיד. מרכזי נתונים נמדדים יותר ויותר בטוקנים לוואט, טוקנים לדולר, ניצול מערכת וזמן הגעה לייצור. לכן תעשיית השבבים עוברת מחשיבה על שבב בודד לחשיבה על מערכת שלמה: מאיץ, זיכרון, רשת, קירור, תוכנה ואריזה.

שלב שני: Agentic AI הופך תשובה לתהליך עבודה

השלב השני הוא Agentic AI — בינה מלאכותית סוכנית. כאן המערכת אינה מסתפקת בתשובה אחת. היא מפרקת משימה לשלבים, מפעילה כלים, בודקת תוצאות, מתקנת שגיאות וממשיכה לפעול לאורך זמן. מבחינת המחשוב, שאילתה אחת יכולה להפוך לעשרות פעולות משנה: קריאות למודלים, קוד, חיפוש, גישה למסדי נתונים, בדיקות והרצות חוזרות.

לכן Agentic AI מחזיר למרכז הבמה גם את המעבדים הכלליים, את מערכות האחסון ואת שכבות התזמור. לא מדובר רק בעוד עומס על GPU, אלא במפעל AI שמנהל תהליכים מתמשכים.

הדוגמה של Siemens ו-TSMC ממחישה שהשינוי הזה נכנס גם לתכנון השבבים עצמו. סימנס תיארה את מערכת Fuse EDA AI כ-Agentic AI ייעודי לתעשיית השבבים, שנועד לבצע “אוטומציות מרובות-שלבים ומרובות-כלים” סביב אימות פיזי, תיקון הפרות DRC וגישה מהירה למידע תכנוני. אנקור גופטה, סגן נשיא בכיר ב-Siemens EDA, אמר כי השילוב עם טכנולוגיות הייצור של TSMC מסייע ללקוחות להגיע ל“רמות חדשות של מהירות, דיוק וביטחון בתכנון”.

גם מצד TSMC הודגש הקשר בין AI לבין יעילות אנרגטית. אביק סרקר מ-TSMC אמר כי ההתקדמות המשותפת בכלי EDA מבוססי AI מסייעת לקדם “חדשנות שבבים יעילה אנרגטית” בעידן ה-AI.

שלב שלישי: Physical AI יוצא מהדאטה סנטר

השלב השלישי הוא Physical AI — בינה מלאכותית שפועלת בעולם הפיזי. כאן מדובר ברכבים אוטונומיים, רובוטים תעשייתיים, מכונות ייצור, מערכות לוגיסטיקה, ציוד רפואי וחיישנים חכמים. בשונה מצ’אטבוט, מערכת כזו אינה יכולה תמיד להמתין לענן. היא צריכה לראות, להבין, להחליט ולפעול בזמן אמת, תחת מגבלות הספק, חום ובטיחות.

ז’אן-מארק שרי, מנכ”ל STMicroelectronics, הציג בסימפוזיון את Physical AI כדוגמה להתכנסות בין תחומים שבעבר נראו שונים: רכב חשמלי, רובוטיקה תעשייתית וממשקי אדם-מכונה. בשלושתם מופיעים אותם רכיבים מערכתיים: מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, מיקרו-בקרים ורכיבי הספק.

המשמעות היא ש-Physical AI אינו שוק של מאיצים בלבד. הוא דורש גם חיישנים, רכיבי הספק, SiC ו-GaN, בקרים, תקשורת, תוכנה משובצת ומודלים יעילים בקצה. בענן מאמנים ומדמים. בקצה מקבלים החלטות.

ג’נסן הואנג מאנבידיה ניסח זאת בשיחת הוועידה של החברה בצורה חדה: “The world is rebuilding computing for Agentic AI and robotic physical AI.” כלומר, לא מדובר בעוד מחזור שדרוג רגיל של מחשבים, אלא בבנייה מחדש של שכבת המחשוב סביב דפוסי שימוש חדשים.

המסקנה: AI הופך לארכיטקטורת מערכת

שלושת השלבים אינם מחליפים זה את זה. הם מצטרפים זה לזה. צ’אטבוטים ימשיכו לדרוש מרכזי נתונים עצומים וזיכרון מהיר. Agentic AI יוסיף עומסי תזמור, CPU, אחסון ואבטחה. Physical AI יוסיף אתגרי זמן אמת, חישה, אמינות והספק בקצה.

לכן קפיצת המדרגה הבאה ב-AI לא תימדד רק בגודל המודל. היא תימדד ביכולת לבנות מערכת מלאה: שבבים מתקדמים, זיכרון קרוב, אריזות תלת-ממדיות, קישוריות אופטית, רכיבי הספק, תוכנה, קירור ויכולת ייצור בהיקף גדול. עבור תעשיית השבבים, זהו מעבר ממירוץ על טרנזיסטורים למירוץ על ארכיטקטורה מערכתית שלמה.

הפוסט מצ’אטבוטים לרובוטים: שלוש קפיצות המחשוב של עידן ה-AI 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.

המעבר של הבינה המלאכותית מהענן ומהדאטה סנטר אל העולם הפיזי — מכוניות, רובוטים, חיישנים ומערכות תעשייתיות — עמד במרכז אחת ההרצאות המרכזיות בסימפוזיון הטכנולוגי האירופי של TSMC, שהתקיים באמסטרדם. את ההרצאה נשא ז’אן־מארק שרי, מנכ"ל STMicroelectronics, שהציג את הדרך שבה החברה מתאימה את עצמה לעידן שבו השבב הבודד כבר אינו מספיק: הלקוחות מחפשים פתרונות מערכתיים, תוכנה, קושחה והבנה עמוקה של היישום הסופי.

בפתיחת האירוע הדגיש כריס תומאס, נשיא TSMC Europe, כי הבינה המלאכותית משנה את דרישות התכנון והייצור של שבבים כמעט בכל שכבות השוק. לדבריו, AI כבר אינה מוגבלת למרכזי נתונים ולהדרכת מודלים גדולים, אלא מתרחבת במהירות גם לקצה: סמארטפונים, כלי רכב, רובוטים, אבחון רפואי, חיזוי אקלים ומערכות מדעיות עתירות חישוב. כל אלה דורשים צפיפות חישוב גבוהה יותר, רוחב פס גדול יותר ויעילות אנרגטית טובה יותר.

TSMC הציגה באירוע גם את עומק הפעילות שלה מול השוק האירופי. לפי הנתונים שהוצגו, בשנה האחרונה שלחה החברה ללקוחות אירופיים יותר מ־1.2 מיליון שקולות פרוסות 12 אינץ’, סיפקה כ־900 מוצרים שונים והשלימה יותר מ־100 tape-outs חדשים — קצב השקול לכשני שבבים מורכבים שנכנסים לייצור מדי שבוע. לצד זאת הדגישה החברה את המשך ההשקעה באירופה: הקמת מפעל ESMC Fab 24 בדרזדן מתקדמת לפי התוכנית, ומרכז התכנון האירופי במינכן כבר החל לפעול, בין היתר בתחום פתרונות זיכרון ללקוחות אירופיים.

שרי קשר בין מגמות אלה לבין השינוי שעוברת STMicroelectronics עצמה. החברה, המעסיקה כ־50 אלף עובדים, מהם כ־10,000 במחקר ופיתוח, נפגעה ב־2025 מהאטה בשוק הרכב ומתיקון מלאים, אך לדבריו נמצאת כעת במסלול התאוששות וצמיחה. יעד החברה הוא להגיע להכנסות של כ־20 מיליארד דולר עד סוף העשור.

עם זאת, החלק המרכזי בהרצאה לא עסק רק במספרים, אלא בשינוי האסטרטגי. שרי תיאר מעבר מחברה המונעת בעיקר ממוצרים ורכיבים אל חברה שמבינה יישומים ומאפשרת אותם. במקום להציע רק מיקרו־בקרים, חיישנים, רכיבי הספק או רכיבים אנלוגיים, ST מבקשת להציע ללקוחות פלטפורמות מותאמות לבעיות מערכתיות: רכב חכם, ניידות, אנרגיה, אוטומציה תעשייתית ומכשירים מחוברים.

המונח המרכזי בהרצאה היה “בינה מלאכותית פיזית” — Physical AI. שרי הציג את התחום כשלב הבא לאחר התרחבות תשתיות ה־AI. בעוד שהכנסות רבות כיום קשורות לתשתיות חישוב, תקשורת והספק לדאטה סנטרים, הצמיחה העתידית תגיע לדבריו ממערכות שבהן AI פועל בתוך העולם הפיזי: רכבים חשמליים ואוטונומיים, רובוטים תעשייתיים, ממשקי אדם־מכונה ומערכות אוטומציה.

הנקודה המעניינת מבחינת ST היא הדמיון הארכיטקטוני בין התחומים האלה. רכב חשמלי מתקדם, רובוט תעשייתי ומערכת חכמה במפעל כוללים כולם מחשוב מרכזי, בקרה אזורית, חיישנים, דרייברים, בקרים ורכיבי הספק. ההתלכדות הזו מאפשרת לחברה להשתמש בידע מערכת אחד בכמה שווקים, ולבנות פלטפורמות שניתנות להתאמה בין תעשיות.

בהתאם לכך, ST שינתה גם את המבנה הארגוני שלה. במקום חלוקה מסורתית לפי משפחות מוצרים בלבד, החברה מחזקת שיווק לפי ורטיקלים ומשלבת הנדסת מערכת בתחומי האנלוג, ההספק, החיישנים והמיקרו־בקרים. המטרה היא לא רק לשפר רכיב בודד, אלא להראות ללקוח כיצד שילוב רכיבים, תוכנה וקושחה משפר מדדי ביצוע של המערכת כולה.

שרי הדגיש גם את השימוש בתאומים דיגיטליים לצורכי פיתוח ואימון. לדבריו, ST משתפת פעולה עם שותפים כדי לאמן ארכיטקטורות של רובוטים ומערכות פיזיות באמצעות מודלים דיגיטליים של המערכת ושל הרכיבים עצמם. כך ניתן לקצר את תהליכי הלמידה והפיתוח, ולבחון מראש כיצד רכיבי ST משפיעים על ביצועי המערכת.

במקביל, החברה ממשיכה לשנות את מערך הייצור שלה. שרי ציין האצה במעבר לטכנולוגיות מבוססות סיליקון על פרוסות 300 מ"מ, התקדמות בטכנולוגיות רחבות פס אסור כמו סיליקון קרביד, והעמקת שיתוף הפעולה עם שותפי foundry, ובראשם TSMC, גם בצמתים מתקדמים יותר. המסר היה ברור: בעידן ה־AI, גם חברה שמחזיקה יכולות ייצור עצמאיות נדרשת לשלב בין ייצור פנימי, שותפויות foundry והבנה מערכתית של שוקי היעד.

המשמעות הרחבה יותר עבור תעשיית השבבים היא שהגל הבא של AI לא יימדד רק במספר מאיצים בדאטה סנטר או בדור הבא של ליתוגרפיה. הוא יימדד ביכולת לחבר חישוב, חישה, הספק, תוכנה וקישוריות למערכות אמינות, חסכוניות וניתנות לייצור בהיקפים גדולים. עבור אירופה, שבה קיימת מסורת חזקה ברכב, תעשייה, אנרגיה וחיישנים, זהו חלון הזדמנות משמעותי — בתנאי שהאקוסיסטם יצליח לחבר בין יצרני שבבים, חברות תכנון, foundries, יצרני מערכות ולקוחות קצה.

הפוסט מנכ"ל STMicroelectronics: הצמיחה הבאה של הבינה המלאכותית תגיע מהרכב, הרובוטיקה והתעשייה הופיע לראשונה ב-Chiportal.

תעשיית השבבים עומדת בפני שלב חדש במהפכת הבינה המלאכותית: מעבר מהענן וממרכזי הנתונים אל מכונות פיזיות, כלי רכב, מפעלי ייצור, רובוטים ומערכות אוטונומיות. כך אמר סאמיר וואסון, מנכ״ל MIPS העולמית, בהרצאה ששודרה בווידאו בכנס ChipEx2026.

לדבריו, במשך שנים שבבים היו בכל מוצר כמעט, אך רוב הציבור לא הבין עד כמה הם מרכזיים לחיי היום־יום, לכלכלה ולביטחון הלאומי. משבר שרשרת האספקה בתקופת הקורונה שינה את התמונה. מהפכת ה־AI האיצה עוד יותר את ההבנה כי גישה לטכנולוגיית שבבים, יכולת ייצור ושליטה בשרשרת האספקה הן כבר לא רק עניין עסקי. הן חלק מהתחרות על עצמאות טכנולוגית.

מהצ׳אטבוטים אל הרובוטים

וואסון תיאר את השלב הבא כמהלך מ־Chatbots to Robots. עד כה, עיקר תשומת הלב הופנתה למרכזי נתונים ולמאיצים גדולים שמריצים מודלים של בינה מלאכותית. אולם השלב הבא, לדבריו, יגיע כאשר אותה אינטליגנציה תעבור אל הקצה: לרכב, לרחוב, למפעל, לרובוטים, לטלפונים ולמערכות תעשייתיות.

המעבר הזה יחייב שינוי עמוק בעולם השבבים. במרכזי נתונים אפשר להפעיל מערכות גדולות, עתירות הספק ויקרות. במכונה פיזית התנאים שונים לחלוטין. יש מגבלות של הספק, חום, עלות, זמן תגובה ואמינות. לכן, לטענת וואסון, השוק יזדקק לפחות לשבבי מדף כלליים ויותר לשבבים שמותאמים לאלגוריתם, לעומס העבודה ולסביבת הפעולה.

הוא השווה את המהלך למה שכבר קרה במרכזי הנתונים. בעבר חברות רכשו בעיקר מעבדי מדף מספקים גדולים. עם עליית ה־AI, חברות ענק החלו לפתח חלק מהסיליקון בעצמן, משום שאלגוריתמים מותאמים דורשים חומרה מותאמת. לדבריו, תהליך דומה צפוי להתרחש כעת גם ברכב, ברובוטיקה ובתעשייה.

RISC-V כ״לינוקס של החומרה״

אחד המסרים המרכזיים בהרצאה היה המעבר לארכיטקטורות פתוחות, ובראשן RISC-V. וואסון תיאר זאת כ״לינוקסיזציה של החומרה״. כשם שלינוקס פתחה את עולם התוכנה למפתחים רבים יותר, כך RISC-V עשויה לפתוח את עולם החומרה לחברות רבות יותר.

RISC-V מבוססת על סט פקודות פתוח. המשמעות היא שחברות שונות יכולות להשתמש בשפה משותפת מול החומרה, אך עדיין לבנות מימושים ייחודיים ומוצרים מובחנים. לפי וואסון, הדבר יאפשר ליותר חברות לפתח שבבים מותאמים, במקום להסתמך רק על ספקים גדולים ועל קטלוג מצומצם של רכיבים קיימים.

לדבריו, RISC-V כבר אינו פרויקט אקדמי. הוא נמצא בשימוש מעשי במרכזי נתונים, במכשירים ובמערכות רכב. הוא אף ציין כי חלק ממערכות הבקרה של מאיצי Nvidia מבוססות על RISC-V, כדוגמה לכך שהתקן הפתוח כבר חדר לשימושים תעשייתיים משמעותיים.

לחוש, לחשוב, לפעול ולתקשר

וואסון חילק את עולם ה־Physical AI לארבע פעולות בסיסיות: לחוש, לחשוב, לפעול ולתקשר. כל מערכת אוטונומית צריכה לקלוט מידע מהסביבה, לעבד אותו, לקבל החלטה, להפעיל רכיבים פיזיים, ולתקשר עם מערכות אחרות או עם הענן.

ברכב אוטונומי, למשל, שלב החישה כולל מצלמות, מכ״ם ולידאר. שלב החשיבה כולל עיבוד AI וקבלת החלטות. שלב הפעולה כולל שליטה במנועים, בלמים או זרועות מכניות. שלב התקשורת מחבר את המערכת לענן ולמערכות חיצוניות. ככל שהמערכות הופכות חכמות יותר, כך עולה הצורך בשבבים שמסוגלים לבצע את כל הפעולות האלה בזמן אמת, בצריכת הספק נמוכה ובאמינות גבוהה.

להוריד את חסם הכניסה לשבבים מותאמים

וואסון הדגיש כי פיתוח שבבים מותאמים היה בעבר יקר מאוד ואיטי מאוד. לדבריו, פיתוח מיקרו־בקר מותאם יכול היה לעלות כ־50 מיליון דולר ולהימשך כמה שנים. המטרה של MIPS ו־GlobalFoundries היא להוריד את חסם הכניסה באמצעות תקנים פתוחים, פלטפורמות מוכנות, מודלים וירטואליים, שרשרת ייצור מוכחת ושילוב מוקדם בין חומרה לתוכנה.

לדבריו, היעד הוא לצמצם עלות טיפוסית מכ־50 מיליון דולר לכ־5 מיליון דולר, ולהפחית את משך הפיתוח מכארבע שנים לטווח של שישה עד שמונה חודשים. אחת הדרכים לכך היא פיתוח תוכנה עוד לפני שהשבב הפיזי מוכן, באמצעות פלטפורמות וירטואליות שמדמות את החומרה העתידית. כך אפשר להתחיל מוקדם יותר את עבודת התוכנה, שהיא לעיתים צוואר הבקבוק המרכזי במוצרי רכב ותעשייה.

וואסון ציין גם את חשיבות האקו־סיסטם. שבב אינו עומד לבדו. הוא זקוק למערכת הפעלה, כלי פיתוח, דיבאגר, תמיכה בתקני בטיחות, שרשרת ייצור ותוכנה משלימה. לדבריו, MIPS ו־GlobalFoundries פועלות לבנות סביבה כזו עבור שווקים ממוקדים כמו רכב, רובוטיקה ומערכות אוטונומיות.

המסר המרכזי של ההרצאה היה כי AI בקצה אינו רק הרחבה של מהפכת הענן. זהו שלב חדש, שבו יתרון תחרותי ייקבע גם לפי היכולת לפתח סיליקון מותאם, בטוח, יעיל ופתוח יותר. אם העשור האחרון היה העשור של מרכזי הנתונים, העשור הבא עשוי להיות העשור של המכונות החכמות.

הפוסט מנכ״ל MIPS העולמית ב־ChipEx2026: הבינה המלאכותית יוצאת מהענן אל המכונות הופיע לראשונה ב-Chiportal.

חברת אינוויז הישראלית הכריזה על InnovizTwo Ultra Long-Range, גרסה חדשה של חיישן LiDAR המיועדת לזיהוי עצמים בטווח של עד קילומטר. לפי החברה, החיישן החדש כבר נמסר כדגימות ראשונות ללקוחות נבחרים, והוא מבוסס על תהליכי הייצור של פלטפורמת InnovizTwo הקיימת.

החיישן החדש מסמן הרחבה מעניינת של שוק היעד של אינוויז. בשנים האחרונות החברה התמקדה בעיקר בשוק הרכב, ובייחוד במערכות סיוע מתקדמות לנהג וברכב אוטונומי. אולם InnovizTwo ULR מכוון גם לשוק רחב יותר של יישומי תשתית. החברה מציינת בין השימושים האפשריים רובוטקסי, משאיות כבדות, אבטחת גבולות ומתחמים גדולים, זיהוי רחפנים, נמלים, שדות תעופה, ניהול תנועה עירונית, אוטומציה תעשייתית ותאומים דיגיטליים של אזורים עירוניים.

המעבר לטווח של עד 1,000 מטר משנה את נקודת המבט על LiDAR. במכונית נוסעים רגילה, גם טווחים של מאות מטרים יכולים להספיק לרוב תרחישי הנהיגה. לעומת זאת, משאיות כבדות, תשתיות תחבורה, נמלי ים, שדות תעופה ואתרי תעשייה גדולים זקוקים לעיתים לזיהוי מוקדם הרבה יותר. ככל שהמערכת מזהה עצמים, כלי רכב או בני אדם ממרחק גדול יותר, ניתן להפעיל מערכות התרעה, בקרה או בלימה מוקדם יותר, ולהקטין את מספר החיישנים הדרוש לכיסוי שטח רחב.

לפי אינוויז, InnovizTwo ULR מספק ענן נקודות תלת־ממדי ברזולוציה של עד 667 נקודות למעלה רבועה, שדה ראייה של 120 מעלות על 24 מעלות, ויכולת הטיה דיגיטלית של חמש מעלות לכל צד. החברה מציינת גם עמידות בפני חסימות ולכלוך, גשם, אבק וטמפרטורות קיצוניות. בגרסת SMART, המיועדת ליישומי תשתית, החיישן צפוי לכלול גם חיבור Power over Ethernet, כלומר העברת חשמל ונתונים בכבל רשת יחיד.

ההקשר הרחב יותר הוא עליית המושג Physical AI, או בינה מלאכותית פיזית. בניגוד למערכות AI שפועלות בעיקר על טקסט, תמונות או נתונים דיגיטליים, מערכות אלה צריכות להבין את העולם הפיזי בזמן אמת. הן זקוקות למידע מדויק על מרחקים, תנועה, נפחים, מכשולים ושינויים בסביבה. מצלמות מספקות מידע חזותי עשיר, אך מתקשות בתנאי תאורה מסוימים. מכ"ם מספק טווח ועמידות, אך ברזולוציה מרחבית מוגבלת. LiDAR מוסיף שכבה של מדידה תלת־ממדית מדויקת.

עומר כילף, מנכ"ל ומייסד שותף של אינוויז, אמר כי מערכות Physical AI זקוקות להבנה תלת־ממדית מדויקת בזמן אמת של העולם, ולא רק להסקה הסתברותית. לדבריו, שילוב של טווח בקנה מידה של קילומטר, רזולוציית תלת־ממד גבוהה ועמידות של חיישן ברמת רכב מאפשר שימוש במגוון תעשיות, גם בתנאי שטח קשים, ביום ובלילה.

עבור אינוויז, ההכרזה עשויה להיות משמעותית גם מבחינה עסקית. שוק הרכב האוטונומי התקדם בשנים האחרונות לאט יותר מהתחזיות האופטימיות של העשור הקודם, וחברות LiDAR רבות חיפשו שווקים נוספים מעבר לרכב פרטי. יישומי תשתית, אבטחה, תעבורה וניהול שטחים גדולים עשויים להציע מסלול מסחרי שונה: פחות תלות במחזורי פיתוח ארוכים של יצרני רכב, ויותר פרויקטים נקודתיים מול מפעילי תשתיות, רשויות, נמלים, שדות תעופה וחברות תעשייה.

עם זאת, ההכרזה עדיין אינה מלמדת על היקף מסחרי רחב. אינוויז מסרה כי דגימות ראשונות נמסרו ללקוחות נבחרים, אך לא פרסמה שמות לקוחות, היקפי הזמנות או לוחות זמנים לייצור המוני. לכן, בשלב זה InnovizTwo ULR הוא בעיקר הרחבה טכנולוגית ואסטרטגית של פלטפורמת InnovizTwo, והוכחה לכך שהחברה מנסה למצב את עצמה לא רק כספקית LiDAR לרכב, אלא גם כספקית חישה תלת־ממדית לתשתיות AI פיזיות.

הפוסט אינוויז חושפת חיישן LiDAR לטווח של עד קילומטר הופיע לראשונה ב-Chiportal.

עבור מהנדסי השבבים, שינוי זה מייצג אתגר ארכיטקטוני מהותי המשנה את סדרי העדיפויות בתכנון. השאלה אינה עוד כיצד למקסם את התפוקה (Throughput) במעבד גרפי עתיר הספק, אלא כיצד לספק יכולות בינה מלאכותית משמעותיות במכשיר בעל הספק המוגבל לעשרות מילי-וואטים בלבד ומיועד לפעול במשך שנים על סוללה בודדת. המניעים למעבר זה נובעים משלושה אילוצים קריטיים: השהייה (Latency),  פרטיות  (Privacy)  וקישוריות  . (Connectivity) במערכות בטיחותיות כמו רכב אוטונומי או רובוטיקה רפואית, ההשהייה הקיימת בענן אינה קבילה, שכן תגובה במקרי קיצון חייבת להימדד במיקרו-שניות. במקביל, הצורך בפרטיות המידע והרגולציה הגוברת דורשים שנתונים ביומטריים גולמיים יישארו במכשיר. לבסוף, חוסר האמינות המובנה בהסתמכות על רשתות תקשורת אלחוטיות בסביבות תעשייתיות או חקלאיות הופך את ההסקה העצמאית למציאות הכרחית.

המעבר לקצה מחייב חשיבה מחדש על כל שכבה בחומרה. בניגוד לפרדיגמת מרכזי הנתונים, המהנדסים נדרשים כעת למקסם את ה"AI לכל מילי-וואט". זהו המניע העיקרי למעבר מארכיטקטורות GPU כלליות למאיצים ייעודיים .(Domain-Specific Accelerators) עם זאת, השינוי העמוק ביותר מתרחש בהיררכיית הזיכרון. בבינה מלאכותית בקצה, הזיכרון ולא כוח המחשוב , הוא צוואר הבקבוק העיקרי. שליפת נתונים מזיכרון הDRAM- צורכת סדרי גודל יותר אנרגיה מביצוע החישוב עצמו. כתוצאה מכך, מאיצי קצה מודרניים מתבססים על מערכי SRAM רחבים על השבב השומרים על הנתונים קרובים למארג המחשוב. טכניקות כמו גיזום נתונים (Pruning) , דלילות (Sparsity) וכימות (Quantization) הפכו מהנחות אופציונליות לדרישות יסוד בתכנון, כאשר חלק מהארכיטקטורות כבר דוחפות לכיוון של חישוב בתוך הזיכרון (In-Memory Computing) המצמצם את תנועת הנתונים כמעט לאפס.

מעבר ליכולות הסקה, הדרישה הגוברת ללמידה אדפטיבית במכשיר מציבה רף חדש של דרישות. יישומים רבים מניטור בריאות מותאם אישית ועד לתחזוקה חזויה דורשים מודלים המסוגלים להתאים את עצמם לאורך זמן, מה שמחייב חומרה התומכת בעדכוני תוכנה חסכוניים. טכנולוגיות זיכרון לא נדיף מתפתחות, כגון RRAM ו MRAM- נבחנות כיום כחלופות לאחסון פרמטרים של מודלים המתפתחים במהלך הפעולה. במקביל, מסגרות למידה מאוחדות (Federated Learning) מאפשרות למכשירים להתאמן מקומית ולתרום לעדכון מודל גלובלי מבלי לחשוף מידע גולמי. זה מחייב את מתכנני השבבים למטב את המאיצים לא רק לתפוקת הסקה, אלא גם לעומסי עבודה של אימון בדיוק נמוך.

המגמה המשמעותית ביותר המגדירה את 2026 היא התכנון המשותף של חומרה ותוכנה ביחד. הגבולות המסורתיים בין פיתוח אלגוריתמים לארכיטקטורת שבבים מיטשטשים; מהנדסי תוכנה מתכננים כיום מודלים המותאמים מראש לאילוצי החומרה, וצוותי חומרה בונים מאיצים התפורים למשפחות מודלים ספציפיות, כגון Vision Transformers למערכות ראייה או מודלי שפה קומפקטיים לעוזרים קוליים. ההתכנסות של טכניקות דחיסה בוגרות, מאיצים ייעודיים וארכיטקטורות זיכרון מתקדמות יצרה נקודת מפנה בה הEdge AI  הופך למודל הפריסה המוגדר כברירת מחדל.

בתוך מארג זה,  לתעשייה הישראלית תפקיד מפתח בתכנון ארכיטקטורת הEdge AI- העולמית, כשהיא נשענת על מסורת רבת שנים של מצוינות בתחומי התקשורת והVLSI-  .

האקו-סיסטם המקומי, שהוביל בעבר את מהפיכות הקישוריות והאחסון, השכיל להסב את ה DNA ההנדסי שלו להתמודדות עם אתגרי ההסקה והעיבוד בקצה. מרכזי הפיתוח של הענקיות הבינלאומיות בישראל, לצד דור חדש של סטארטאפים המתמקדים בAI-Centric Silicon-  מציבים את ישראל בחזית המאבק על יעילות ה- PPA  (Power, Performance, Area) .

היכולת הישראלית המוכחת בתכנון שבבים מורכבים (SoC) ובייצור פתרונות המגשרים על פער המחשוב והזיכרון, היא שהופכת את התעשייה המקומית לקטר המוביל של עידן הInference-  גם בקצה.

בשנת 2026, ברור כי הפתרונות שיאפשרו לאינטליגנציה המלאכותית לפעול בצורה אוטונומית, מאובטחת וחסכונית במכשירים הסובבים אותנו, נוצרו במידה רבה מתוך היוזמה והחדשנות של קהילת השבבים הישראלית.

העשור הקרוב לא יוכרע על ידי עוצמת העיבוד בענן, אלא על ידי התושייה הנדרשת להטמעת אינטליגנציה במכשירים הקטנים והמוגבלים ביותר המקיפים אותנו – בכיס, ברכב ובמפעל.

הפוסט 2026 – שנת המפנה לכיוון ה- EDGE-AI הופיע לראשונה ב-Chiportal.