כשמדברים על מרוץ הבינה המלאכותית, השמות שעולים הם אנבידיה, OpenAI, גוגל ומיקרוסופט. כמעט אף אחד לא מזכיר את מגדל העמק או את רחובות. ובכל זאת, השבוע התברר שוב עד כמה שתי הערים האלה, ועוד כמה נקודות על המפה של ישראל, קשורות למרוץ הזה. נובה מרחובות דיווחה על הכנסות שיא של 287.8 מיליון דולר ברבעון. קמטק ממגדל העמק דיווחה על 161.3 מיליון דולר, גם זה שיא. טאואר, שהמפעל הוותיק שלה נמצא באותה מגדל העמק, דיווחה בתחילת השבוע על 526 מיליון דולר, שיא נוסף.

שלוש החברות עוסקות בדברים שונים, אבל כולן חלק מאותה שרשרת. כדי להבין למה הן צומחות כל כך מהר, צריך להבין משהו בסיסי על האופן שבו מייצרים שבבים, ועל מה שהשתנה בשנתיים האחרונות.

מה זה בעצם מדידה ובקרה

שבב מודרני הוא אחד המוצרים המורכבים ביותר שבני אדם מייצרים. על פרוסת סיליקון בגודל של צלחת נבנים מאות שבבים, בתהליך שכולל מאות שלבים: הנחת שכבות, חריטה, ליטוש, ושוב. כל שלב צריך להיות מדויק ברמה של ננומטרים בודדים, אלפיות מעובי של שערה. טעות קטנה באחד השלבים יכולה להפוך פרוסה שלמה, ששווה עשרות אלפי דולרים, לפסולת.

כאן נכנסות חברות כמו נובה וקמטק. נובה מפתחת מערכות שמודדות, תוך כדי הייצור, את העובי, הצורה וההרכב של השכבות על הפרוסה, כדי שהמפעל יוכל לתקן סטיות לפני שהן הופכות לבעיה. קמטק מתמחה בבדיקה: מערכות שמחפשות פגמים, בעיקר בשלבים המתקדמים של הייצור, כשהשבבים כבר נארזים ומחוברים זה לזה. אלה לא מוצרים שהצרכן רואה, אבל בלעדיהם מפעל שבבים מודרני פשוט לא יכול לעבוד.

ישראל חזקה במיוחד בתחום הזה, ולא רק בזכות נובה וקמטק. גם ענקיות אמריקאיות כמו Applied Materials ו-KLA מחזיקות בישראל מרכזי פיתוח גדולים לציוד בדיקה ומדידה, ורבות מהטכנולוגיות שלהן פותחו כאן. התחום הזה, שמשלב אופטיקה, פיזיקה, תוכנה ועיבוד תמונה, מתאים במיוחד לכישורים שהתפתחו בישראל לאורך עשרות שנים.

למה דווקא עכשיו

הבינה המלאכותית שינתה את המשחק בשתי דרכים. הראשונה היא הכמות: חברות הענק בונות מרכזי נתונים בקצב חסר תקדים, וכל מרכז כזה צריך עשרות אלפי שבבים מתקדמים. יצרניות השבבים, מ-TSMC בטאיוואן ועד סמסונג ו-SK הייניקס בקוריאה, משקיעות סכומי עתק בקווי ייצור חדשים, וכל קו כזה צריך ציוד מדידה ובדיקה.

הדרך השנייה חשובה אפילו יותר, והיא נוגעת לסוג השבבים. שבבי בינה מלאכותית כמו אלה של אנבידיה צריכים כמויות עצומות של זיכרון מהיר, ולכן מחברים אליהם זיכרון מסוג HBM, שבו כמה שבבי זיכרון נערמים זה על זה כמו קומות בבניין. גם השבבים עצמם כבר לא מיוצרים כיחידה אחת, אלא כמה רכיבים שמחוברים יחד בתוך "אריזה" אחת. התחום הזה, שנקרא אריזה מתקדמת, הפך לאחד צווארי הבקבוק המרכזיים של תעשיית ה-AI.

וכאן נמצא היתרון של החברות הישראליות. ככל שהמבנה של השבב מורכב יותר, עם יותר שכבות, יותר חיבורים ויותר רכיבים, כך צריך יותר מדידות ויותר בדיקות. נובה דיווחה השבוע שהכנסות האריזה המתקדמת שלה הגיעו לשיא, בזכות הרחבות בקווי HBM ולוגיקה מתקדמת. קמטק מספרת על הזמנות של יותר מ-800 מיליון דולר מתחילת השנה, בעיקר למערכות שבודקות שבבי AI וזיכרונות HBM.

טאואר והאור

טאואר היא סיפור קצת אחר. היא לא מייצרת ציוד, אלא שבבים, כמפעל שמייצר לפי הזמנה עבור חברות אחרות. ואחד התחומים שבהם היא צומחת הכי מהר הוא פוטוניקה של סיליקון: שבבים שמעבירים מידע באמצעות אור במקום חשמל. במרכזי נתונים ענקיים, שבהם אלפי שבבים צריכים לדבר זה עם זה במהירות עצומה, חיבורים אופטיים הופכים להכרח, כי חשמל דרך נחושת פשוט לא מספיק מהר ומבזבז יותר מדי אנרגיה.

לפי ההנהלה של טאואר, קצב ההכנסות השנתי מפוטוניקה של סיליקון צפוי לעבור 1.1 מיליארד דולר ברבעון הרביעי. החברה צופה הכנסות של כ-600 מיליון דולר ברבעון הבא, והמנכ"ל ראסל אלוואנגר אמר שהחברה נכנסת לשלב הצמיחה החזק בתולדותיה. בתחילת השבוע גם הודיעה שתוסיף כ-150 עובדים בישראל.

המספרים מאחורי השיאים

כדאי להסתכל על המספרים לרגע, כי הם מספרים סיפור. ההכנסות של נובה צמחו ב-28% בשנה, ונובה צופה שברבעון הרביעי הן יעברו לראשונה 300 מיליון דולר. ההכנסות של קמטק צמחו גם הן ב-28%, והחברה צופה ל-2027 הכנסות של יותר מ-800 מיליון דולר, צמיחה של יותר מ-35%. טאואר צמחה ב-33%. בתעשייה שבה צמיחה של 10% בשנה נחשבת טובה, אלה קצבים יוצאי דופן.

וזה לא נשאר רק במספרים. שלוש החברות האלה מעסיקות אלפי עובדים בישראל, רבים מהם בפריפריה. מגדל העמק, עיר קטנה יחסית בעמק יזרעאל, היא דוגמה בולטת: עיר קטנה בצפון שבה נמצאים גם מפעל של טאואר וגם המטה של קמטק. זה סוג של הייטק שלא דומה לסטארטאפ בתל אביב. הוא דורש מפעלים, מעבדות, מהנדסים, טכנאים ואנשי ייצור, והוא מייצר תעסוקה יציבה לאורך שנים.

הצד השני של ההייטק

בשבועות האחרונים רוב הכותרות על ההייטק הישראלי עסקו בפיטורים. חברות תוכנה כמו אטרה, פייבר ואחרות מקצצות, וחלקן מסבירות את זה בבינה מלאכותית. ניתוח שפורסם בכלכליסט תיאר את התופעה כ"פיצול" של ההייטק לשניים: חברות התוכנה בלחץ, וחברות השבבים והתשתיות צומחות. הדוחות של השבוע הם ההוכחה הכי ברורה לצד השני של הפיצול הזה.

זה גם מסביר למה שוק העבודה בהייטק נראה כל כך שונה ממי שמסתכל עליו. מתכנת אפליקציות שמחפש עבודה יכול להרגיש שהתעשייה מתכווצת. מהנדסת אופטיקה, פיזיקאי או מומחית לעיבוד תמונה יכולים לגלות שהם מבוקשים מאי פעם. הבינה המלאכותית לא רק מחליפה עבודה, היא גם מייצרת ביקוש אדיר לכישורים מסוימים.

מה יכול להשתבש

כמובן, יש סיכונים. תעשיית השבבים ידועה במחזוריות שלה: תקופות של השקעות ענק מתחלפות בתקופות של עודף ייצור וקיצוצים. אם ההשקעות בבינה מלאכותית יאטו, למשל כי חברות הענק יגלו שהן לא מחזירות את עצמן מהר מספיק, הן יקצצו בהזמנות, ויצרניות הציוד ירגישו את זה ראשונות. השבוע, למשל, הבוחרים בארה"ב דחו כמעט כל הצעה מקומית לבניית מרכזי נתונים חדשים, תזכורת לכך שגם לבנייה הזו יש גבולות.

סיכון נוסף הוא סין. חלק משמעותי מההכנסות של חברות ציוד השבבים מגיע מלקוחות סיניים, והמגבלות האמריקאיות על ייצוא טכנולוגיית שבבים לסין מעיבות על התחום כולו. לצד זה, יש את המתיחות הגיאופוליטית סביב טאיוואן, שבה נמצא חלק גדול מייצור השבבים המתקדמים בעולם. כל זעזוע שם ירגיש בכל השרשרת, כולל בישראל.

מה המדינה יכולה לעשות

ההצלחה של החברות האלה מעלה גם שאלה למדינה. תעשיית השבבים צריכה דברים שסטארטאפ תוכנה לא צריך: קרקע, חשמל יציב, מים, תשתיות תחבורה לפריפריה, וקודם כול אנשים. לא רק מהנדסים עם תארים מתקדמים, אלא גם טכנאים, אנשי תפעול ואנשי ייצור. מכללות טכנולוגיות, מסלולי הכשרה בצפון ובדרום ושיתוף פעולה בין החברות לאקדמיה יכולים לקבוע אם הצמיחה הזו תישאר בישראל, או שהחברות יעדיפו להרחיב את הפעילות שלהן במדינות אחרות, שבהן קל יותר לבנות מפעל ולגייס עובדים.

השורה התחתונה

ובכל זאת, התמונה של השבוע ברורה. בזמן שהעולם מתווכח אם הבינה המלאכותית היא בועה, יש כמה חברות ישראליות שמרוויחות ממנה כבר עכשיו, בכסף אמיתי, ברבעון אחר רבעון. הן לא מבטיחות לשנות את העולם. הן פשוט מוכרות את הכלים שבלעדיהם אי אפשר לבנות את השבבים שישנו אותו. יש בזה משהו ישראלי מאוד: לא בהכרח לבנות את המוצר הנוצץ, אלא להיות החוליה שאי אפשר בלעדיה.

מקורות והרחבה