הלקוחות הופכים למתחרים: ענקיות הטכנולוגיה מצמצמות את התלות באנבידיה

בשנים הראשונות של מהפכת הבינה המלאכותית, השאלה המרכזית הייתה למי יש את המודל החכם ביותר. כיום, ככל שהשימוש ב-AI מתרחב ממעבדות המחקר אל מנועי החיפוש, שירותי הענן, מערכות הפרסום והעוזרים הדיגיטליים, המאבק עובר בהדרגה לשכבה עמוקה יותר: מי שולט בתשתית שעליה פועלים המודלים, וכמה עולה להפעיל אותה.
גוגל, מיקרוסופט, אמזון ומטא משקיעות סכומי עתק בהקמת מרכזי נתונים, ברכישת שבבים ובהרחבת יכולות החשמל והתקשורת שלהן. ההשקעות האלו צפויות להישאר גבוהות גם בשנים הקרובות. אלפבית, לדוגמה, צופה הוצאות הון של 175-185 מיליארד דולר בשנת 2026, אמזון מתכננת להשקיע כ-200 מיליארד דולר ומטא העלתה את התחזית שלה לטווח של 125-145 מיליארד דולר. חלק גדול מהסכומים יופנה לתשתיות הנדרשות להפעלת שירותי AI בקנה מידה רחב.

בדוחות הקרובים המשקיעים לא יסתפקו בקצב הגידול בהוצאות. הם ינסו להבין האם ההשקעות מתחילות לייצר תשואה כלכלית. תשומת הלב תופנה לקצב הצמיחה של שירותי הענן וההכנסות ממוצרי AI, לשינויים בשיעורי הרווח הגולמי והתפעולי ולמידת הלחץ על תזרים המזומנים החופשי.
במקביל, המשקיעים יחפשו סימנים לכך ששבבים שפותחו בתוך החברות מצליחים להוזיל את עלות הרצת המודלים, לשפר את זמינות כוח המחשוב ולהפחית את הצורך ברכישת מערכות יקרות מספקים חיצוניים.

היקף ההשקעות מעלה שאלה מרכזית עבור המשקיעים: האם הצמיחה בהכנסות תגיע מהר מספיק כדי להצדיק את ההוצאות, או שהמרוץ אחר כוח מחשוב יוביל לשחיקה ברווחיות? ההשפעה אינה מתרחשת בבת אחת.
בשלב הראשון, הקמת מרכזי הנתונים ורכישת הציוד מכבידות בעיקר על תזרים המזומנים. בהמשך, הוצאות הפחת, החשמל, התחזוקה ופיתוח התוכנה נכנסות בהדרגה לדוחות ועלולות ללחוץ על שולי הרווח. מיקרוסופט כבר דיווחה כי ההשקעות בתשתיות AI והגידול בשימוש במוצרים מבוססי AI הכבידו על שיעור הרווח הגולמי של פעילות הענן שלה.

עם זאת, שחיקה בשולי הרווח אינה תרחיש ודאי. אם הביקוש לשירותי הענן וה-AI ימשיך לצמוח, החברות יוכלו לפרוס את עלויות התשתית על בסיס הכנסות גדול יותר. במקביל, שבבים ייעודיים עשויים להוזיל את העלות של כל שאילתה, להפחית את צריכת החשמל ולשפר את ניצול מרכזי הנתונים.
אמזון, למשל, מעריכה כי השימוש בשבבי Trainium שלה עשוי לחסוך לה בעתיד עשרות מיליארדי דולרים בהוצאות הון ולשפר את הרווחיות של AWS בהשוואה להסתמכות מלאה על שבבים חיצוניים.

כאן נכנסת אנבידיה לתמונה, חלק משמעותי מתשתיות ה-AI של החברות נשען על המעבדים שלה, שהפכו בתוך זמן קצר לאחד הרכיבים המבוקשים ביותר בתעשייה. אלא שככל שהיקף הפעילות גדל, כך התלות בספק יחיד הופכת משיקול תפעולי לסוגיה אסטרטגית וכלכלית.
השינוי שמתרחש בשוק השבבים אינו נובע רק מהרצון למצוא תחליף לאנבידיה, אלא מהצורך של ענקיות הטכנולוגיה לבנות תשתית יעילה, גמישה ומותאמת יותר לצרכים שלהן.
פיתוח שבבים פנימיים ואימוץ מערכות מתחרות מאפשרים להן לשפר ביצועים, להגדיל את השליטה בשרשרת האספקה ובעיקר לנסות להגן על שולי הרווח, בתקופה שבה העלות של הפעלת מודלים של AI ממשיכה לגדול.

כשהעלות לכל טוקן הופכת למדד עסקי

כדי להבין את המהלך, צריך להבחין בין שני שלבים מרכזיים בעולם הבינה המלאכותית.

השלב הראשון הוא אימון המודל.
זהו תהליך כבד, ממושך ויקר, שבמהלכו המערכת לומדת מכמויות עצומות של מידע.
השלב השני הוא ההסקה, או Inference - הרגע שבו מודל שכבר אומן מקבל שאילתה ומייצר תשובה.

כאשר חברה מאמנת מודל חדש, היא יכולה לספוג עלות גבוהה יחסית לפרויקט מוגדר. אולם כאשר מאות מיליוני משתמשים שולחים שאילתות בכל יום, כל שיפור קטן בעלות יצירת התשובה הופך לחיסכון גדול מאוד. מכאן נולד אחד המדדים החשובים בענף: כמה טוקנים, כלומר יחידות טקסט, ניתן לייצר עבור כל דולר או עבור כל יחידת חשמל.

ככל שהמודלים הופכים לחלק קבוע ממנועי חיפוש, תוכנות משרדיות ושירותים עסקיים, עלות ההסקה משפיעה ישירות על שולי הרווח.
חברה יכולה להציג מוצר AI מרשים, אך אם כל אינטראקציה עם המשתמש עולה לה יותר מדי, יהיה קשה להפוך את המוצר לעסק רווחי בקנה מידה רחב.

זו הסיבה שהמרוץ הנוכחי אינו עוסק רק בשאלה איזה שבב מהיר יותר.
החברות בוחנות את המערכת הכוללת: עלות הרכישה, צריכת החשמל, ניצול הזיכרון, מהירות התקשורת בין המעבדים, זמינות המערכת והקלות שבה ניתן להעביר אליה מודלים קיימים.

גוגל רוצה לחבר בין Gemini לבין הסיליקון

אחד הביטויים המעניינים ביותר למגמה הגיע מגוגל.
לפי דיווח של The Information, שאושרר גם בדיווח של רויטרס, החברה עובדת על פרויקט פנימי המכונה Frozen v2.
הרעיון הוא לשלב חלקים מהמבנה של Gemini ישירות בתכנון החומרה, כדי לצמצם פעולות חישוב ותנועות מידע שאינן הכרחיות.

לפי הדיווח, בגוגל מקווים שהמערכת תוכל להפיק פי שישה עד פי עשרה יותר טוקנים לכל יחידת אנרגיה בהשוואה לדור שבבי ה-TPU ששימש נקודת ייחוס בפרויקט. הפריסה האפשרית מתוכננת ל-2028, אך חשוב להדגיש כי מדובר עדיין בפיתוח מוקדם ולא במוצר שגוגל הכריזה עליו רשמית.
החברה עצמה מסרה כי היא בוחנת באופן שוטף טכנולוגיות חדשות, וכי לא כל פרויקט מחקר מגיע בסופו של דבר לייצור.

גם אם Frozen v2 לא יגיע לשוק במתכונתו הנוכחית, עצם כיוון הפיתוח חשוב.
גוגל כבר מחזיקה בניסיון של שנים בתכנון שבבי TPU, ומשתמשת בשילוב בין חומרה ותוכנה כדי להפעיל את המודלים שלה. שבב Ironwood, למשל, תוכנן כמערכת רחבת היקף שיכולה לחבר אלפי מעבדים, זיכרון מהיר, רשתות תקשורת ותוכנה לאשכול מחשוב אחד.
גוגל טוענת כי שיטת התכנון המשותף של החומרה והתוכנה מאפשרת לה לשפר לא רק את הביצועים, אלא גם את היעילות האנרגטית של המערכת.

במקום לרכוש מעבד כללי ולנסות להתאים אליו את Gemini, גוגל שואפת להגיע למצב שבו המודל והתשתית מתוכננים יחד.
היתרון האפשרי ברור: כאשר החברה שולטת במודל, בתוכנה, בשבב ובמרכז הנתונים, היא יכולה לבצע אופטימיזציה לכל השרשרת.

החיסרון הוא שאותה התמחות עלולה לפגוע בגמישות.
שבב שנבנה סביב ארכיטקטורה מסוימת עלול להתיישן אם מבנה המודלים ישתנה במהירות. ככל שמקבעים יותר החלטות ברמת הסיליקון, קשה יותר לשנות אותן לאחר הייצור.
לכן Frozen v2 הוא הימור לא רק על טכנולוגיה, אלא גם על האופן שבו גוגל מעריכה ש-Gemini יתפתח בשנים הקרובות.

AMD מגיעה עם מערכת שלמה

במקביל למהלך של גוגל, AMD מנסה לבסס את עצמה כחלופה המסחרית המשמעותית ביותר לאנבידיה.

מיקרוסופט הודיעה כי תשלב ב-Azure את פלטפורמת Helios של AMD, המיועדת בין היתר להפעלת עומסי הסקה של מודלי AI. הפלטפורמה החדשה Helios אינה רק מעבד גרפי. מדובר במערכת Rack-scale, כלומר תשתית מלאה המשלבת מאיצי Instinct, מעבדי EPYC, רכיבי תקשורת, זיכרון ותוכנה שנועדו לפעול כמערכת אחת.
מיקרוסופט מתכננת להשתמש במערכת עבור השירותים שלה ועבור לקוחות Azure.

זהו שינוי חשוב באופי התחרות.
במשך שנים AMD יכלה להציע מעבד חזק, אך אנבידיה מכרה ללקוחותיה הרבה יותר משבב. היא הציעה מערכת שלמה ומתואמת, מהמעבד והתקשורת ועד ספריות התוכנה וכלי הפיתוח. כדי להתחרות בה ברצינות, AMD נדרשת להציג פתרון שמאפשר ללקוח להקים תשתית AI מלאה, ולא רק להחליף רכיב אחד ברכיב אחר.

הפעילות העסקית של AMD כבר נמצאת בקנה מידה משמעותי. ברבעון הראשון של 2026 הסתכמו הכנסות חטיבת מרכזי הנתונים שלה ב-5.8 מיליארד דולר, עלייה של 57% לעומת התקופה המקבילה. הצמיחה נבעה מביקוש למעבדי EPYC ולמאיצי Instinct.

המספרים עדיין קטנים ביחס לאנבידיה, אך הם מראים שהתחרות אינה תיאורטית. מיקרוסופט, מטא ואורקל כבר השתמשו במאיצי AMD בסביבות ייצור, והחברה מנסה להפוך את Helios למוצר שיאפשר לה להרחיב את החדירה למרכזי הנתונים.

מקור: אתר של חברת AMD

מיקרוסופט לא בוחרת צד אחד

העובדה שמיקרוסופט מאמצת את Helios לא מעידה על כך שהיא החליטה להחליף את אנבידיה ב-AMD. להפך, האסטרטגיה שלה מדגימה כיצד ייראה ככל הנראה שוק תשתיות ה-AI בשנים הקרובות: שילוב בין כמה סוגי מעבדים, שכל אחד מהם מיועד למשימות שונות.

מיקרוסופט רוכשת מערכות מ-אנבידיה, מרחיבה את השימוש ב-AMD ובמקביל מפתחת מאיצים עצמאיים. בינואר 2026 הציגה החברה את Maia 200, שבב פנימי שתוכנן במיוחד להסקה.
בהמשך דיווחה כי המערכת מספקת שיפור של יותר מ-30% במספר הטוקנים לכל דולר בהשוואה לשבבים המתקדמים שכבר פעלו בתשתית שלה. יש להתייחס לנתון כאל מדידה של מיקרוסופט עצמה, אך הוא ממחיש את המוטיבציה הכלכלית מאחורי הפיתוח.

גם אמזון פועלת באופן דומה עם שבבי Trainium ו־Inferentia.
החברה מציגה את Inferentia כפתרון שיכול להוזיל בעד 70% את עלות הרצת המודלים בשלב ההסקה, בהשוואה למופעי מחשוב אחרים בענן שלה. גם כאן מדובר בנתוני היצרנית ולא בהשוואה עצמאית ואחידה, אך המסר ברור: ענקיות הענן רואות בשבבים פנימיים כלי לשיפור הכלכלה של שירותי ה-AI, ולא רק פרויקט טכנולוגי יוקרתי.

כאשר מיקרוסופט או אמזון מפתחות שבב, הן אינן חייבות למכור אותו לכל העולם כדי להצדיק את ההשקעה. מספיק שהשבב יוזיל את העלות של השירותים הפנימיים, ישפר את זמינות כוח המחשוב או יחזק את כושר המיקוח מול הספקים.

היתרון של אנבידיה אינו נמצא רק במעבד

על פניו, גידול החלופות נשמע כמו איום ישיר על אנבידיה. אלא שהיתרון של החברה עמוק יותר מהביצועים של דור מעבדים מסוים.

במשך קרוב לשני עשורים בנתה אנבידיה סביב CUDA סביבת תוכנה הכוללת כלי פיתוח, ספריות, מהדרים, מערכות ניטור ותמיכה בעומסי מחשוב מגוונים. עבור ארגון שכבר פיתח את המערכות שלו על CUDA, מעבר לחומרה אחרת אינו דומה להחלפת ספק של רכיב סטנדרטי.
הוא עלול לחייב התאמות בקוד, בדיקות ביצועים, הכשרה של עובדים והקמה מחודשת של חלקים בתשתית.

בנוסף, אנבידיה מציעה כיום מערכת מלאה הכוללת מעבדים, תקשורת מהירה, רשתות, תוכנה וארכיטקטורות מוכנות להקמת מרכזי נתונים. מבחינת לקוחות רבים, בעיקר כאלה שאין להם אלפי מהנדסים לפיתוח שבבים ותוכנה, הפתרון של אנבידיה עדיין מציע את הדרך המהירה והבטוחה ביותר להגיע לייצור.

גם התוצאות הכספיות אינן מצביעות בשלב זה על חברה שנמצאת בנסיגה. ברבעון הראשון של שנת הכספים 2027 דיווחה אנבידיה על הכנסות של 81.6 מיליארד דולר, שמתוכן 75.2 מיליארד דולר הגיעו מחטיבת מרכזי הנתונים. שיעור הרווח הגולמי המתואם עמד על 75%.
המספרים ממחישים עד כמה הביקוש למערכות החברה נותר חזק, גם כאשר לקוחותיה הגדולים מפתחים חלופות.

האיום האמיתי: הלקוחות הופכים גם למתחרים

לכן השאלה אינה האם גוגל או AMD יפילו את אנבידיה בשנים הקרובות. תרחיש כזה אינו נתמך כרגע בנתונים. השאלה המעניינת יותר היא כיצד ייראה כוח התמחור של אנבידיה כאשר הלקוחות הגדולים ביותר שלה יוכלו להפנות חלק הולך וגדל מעומסי העבודה לפתרונות אחרים.

הסיכון לאנבידיה אינו בהכרח ירידה בהכנסות.
שוק תשתיות ה-AI עשוי לגדול בקצב מהיר מספיק כדי לאפשר לה להמשיך לצמוח גם אם נתח השוק היחסי שלה יתמתן.
האיום הוא שהחברות הגדולות יקבלו יותר אפשרויות, ישפרו את כושר המיקוח שלהן ויבחרו באנבידיה רק עבור המשימות שבהן היתרון שלה מצדיק את המחיר.

סביר ששוק החומרה יתפצל לפי סוג העבודה. אימון של מודלי-על חדשים דורש גמישות, תוכנה בשלה ומערכות שניתן להרחיב במהירות, תחומים שבהם אנבידיה נהנית מיתרון מובהק. לעומת זאת, עומסי הסקה קבועים וצפויים, הפועלים מיליארדי פעמים ביום, מתאימים יותר לשבבים ייעודיים. כאשר החברה יודעת בדיוק איזה מודל ירוץ על המערכת ואילו פעולות הוא יבצע, היא יכולה לוותר על חלק מהגמישות בתמורה ליעילות גבוהה יותר.

התוצאה אינה בהכרח שוק שבו שבב אחד מנצח את כל האחרים. ייתכן שנראה מרכזי נתונים הטרוגניים: מערכות אנבידיה לאימון ולעומסים המורכבים ביותר, מערכות AMD כחלופה פתוחה ותחרותית, ושבבים פנימיים למשימות שבהן ניתן להשיג חיסכון באמצעות התאמה עמוקה.

מה המשקיע צריך לקחת מכאן?

מבחינת אנבידיה, הביקוש למוצריה עדיין חזק והיא נהנית מיתרון טכנולוגי ומסביבת תוכנה שקשה לשחזר. עם זאת, ככל שהלקוחות הגדולים משקיעים בשבבים עצמאיים ובחלופות של AMD, כוח התמחור והדומיננטיות שלה עשויים להישחק בהדרגה.

עבור AMD, פלטפורמת Helios היא הזדמנות להפוך מספקית מאיצים לשחקנית שמציעה תשתית AI מלאה. ההצלחה תלויה לא רק בחומרה, אלא גם ביכולת לשפר את סביבת התוכנה וכלי הפיתוח.

עבור גוגל, מיקרוסופט ואמזון, שבבים עצמאיים מאפשרים להוזיל עלויות, לשפר זמינות ולצמצם תלות בספק חיצוני. לכן, המהלכים האחרונים אינם מסמנים את סופה של אנבידיה, אלא את התבגרותו של שוק ה-AI ואת המעבר לשוק מגוון ותחרותי יותר.