איך Huawei מנסה לעקוף את מגבלות השבבים — בלי לנצח במרוץ הליתוגרפיה

פגודה בת 18 קומות מול עוגת חמש השכבות

ג׳נסן הואנג, מנכ״ל Nvidia, מתאר את תעשיית ה-AI באמצעות “עוגת חמש שכבות”: אנרגיה, שבבים, תשתיות מחשוב, ענן ומודלים, ולבסוף יישומים. זהו מודל תעשייתי ברמה גבוהה, שמסביר כיצד ערך כלכלי זורם מהתשתית הפיזית אל המוצר הסופי.

ליאו הנג, המדען הראשי של חטיבת המוליכים למחצה ב-Huawei, מציע במקום זאת “פגודה בת 18 קומות”. המודל שלו מפרק את אותן שכבות רחבות למערכת מורכבת בהרבה: תיאוריה, חשמל, משאבי טבע, כרייה וחומרי גלם; סיליקון, תכנון טרנזיסטורים, תהליכי ייצור, ליתוגרפיה וציוד; אריזה מתקדמת; ארכיטקטורת שבב; קומפיילרים, סביבת ריצה וכימות; ובהמשך אימון AI, מודלי בסיס, סוכנים, מוצרים ויישומים.

ההבדל המרכזי הוא נקודת המבט. “עוגת חמש השכבות” היא מפה עסקית ותעשייתית פשוטה יחסית. “הפגודה” היא מפת תלות הנדסית: היא מראה מה מסתתר בתוך המילים “שבבים”, “תשתיות” ו“מודלים”, וכיצד כל שכבה נשענת על השכבות שמתחתיה.

למה השכבה החלשה קובעת את התקרה?

הטענה של ליאו היא למעשה עיקרון מוכר בהנדסת מערכות: הביצועים הכוללים מוגבלים על ידי החוליה החלשה ביותר. מודל AI מתקדם לא יוכל לפצות על מחסור בחשמל, רוחב פס לזיכרון, אריזה יעילה, תפוקת ייצור, כלי תוכנה, חיבורי תקשורת או יכולת פריסה.

לכן, מאיץ מהיר בפני עצמו אינו מספיק. אם רכיבי המערכת ממתינים זה לזה, אם הנתונים נעים באיטיות או אם התוכנה אינה יודעת לנצל את החומרה, חלק גדול מהיכולת התיאורטית מתבזבז. “הפגודה” היא אפוא קריאה לחזק את הממשקים והתיאום בין כל שכבות המערכת, ולא להתמקד רק במעבד החזק ביותר.

אשכולות גדולים במקום שבב יחיד וחזק

מכאן נובעת גם האסטרטגיה של Huawei להשתמש באשכולות — מערכות המשלבות מספר גדול של מאיצים מקומיים, שכל אחד מהם עשוי להיות פחות חזק ממאיצי הקצה של Nvidia.

כדי שהגישה תעבוד, יש לתכנן יחד את השבבים, הזיכרון, רשת התקשורת, הקומפיילר, סביבת הריצה, שיטות הכימות ותוכנות האימון המבוזר. המטרה היא לצמצם את הזמן שבו המאיצים מחליפים מידע או נותרים ללא עבודה.

הפתרון עשוי להתאים במיוחד למשימות שניתן לחלק במקביל, אך הוא עלול לדרוש יותר חשמל, רוחב פס, מורכבות תוכנה ועלויות תפעול מאשר מערכת המבוססת על מספר קטן יותר של מעבדי קצה. נכון לעכשיו, הדיווחים תומכים בכך שזהו כיוון אסטרטגי של Huawei, אך אין עדיין אימות עצמאי מספיק לכך שהמערכות שלה משתוות למערכות Nvidia המובילות.

חלק ממאמץ רחב לבניית שרשרת מקומית

המהלך משתלב בניסיון הסיני לבנות אקוסיסטם משולב ועצמאי יותר: תכנון וייצור שבבים, זיכרון, אריזה, מסגרות תוכנה ל-AI ואינטגרציה של מערכות. הסיבה פשוטה — מגבלה בשכבה אחת, כמו ציוד ייצור או תוכנה, עלולה להגביל את המערכת כולה.

נתוני IDC שדווחו על ידי Reuters מצביעים על כך שספקיות סיניות של GPU ושבבי AI החזיקו יחד בכ-41% משוק שרתי מאיצי ה-AI בסין בשנת 2025. Nvidia נותרה מובילת השוק עם 55%, אך הפער הצטמצם. Huawei הובילה את הספקיות הסיניות, כאשר מגבלות הייצוא האמריקאיות והלחץ להעדיף פתרונות מקומיים תרמו לשינוי.

בשורה התחתונה, Huawei אינה בורחת מפיזיקת המוליכים למחצה. היא מנסה להעביר חלק מהתחרות אל הארכיטקטורה, האריזה, התוכנה והתיאום בקנה מידה של אשכולות — תחומים שבהם אקוסיסטם לאומי משולב עשוי לפצות באופן חלקי על פער בגישה לליתוגרפיה המתקדמת ביותר.