לראשונה מזה 18 שנה: 'סופר-מחזור' אמיתי בתעשיית השבבים

ארבע ענקיות הטכנולוגיה האמריקאיות – אמזון, מיקרוסופט, גוגל ומטא – מתכננות להוציא יחד כ-725 מיליארד דולר על הון (CapEx) ב-2026, כשמרבית הסכום מופנה לתשתיות AI . מחירי זיכרון ה-DRAM זינקו בכ-90% מרבעון לרבעון . ההשקעה בתשתיות AI מגיעה לכ-4.4% מהתמ"ג של ארה"ב .

אפקט תופסת-החפרפרת: מחסור בכל פינה

אחת התצפיות המרשימות ביותר של רסגון היא מה שהוא מכנה אפקט "תופסת-החפרפרת" (Whack-a-Mole) – צווארי בקבוק שמתפשטים בזה אחר זה ברחבי שרשרת האספקה כולה. "הכול נגרר על ידי הביקוש חסר השובע הזה לכוח מחשוב AI. מעולם לא ראיתי דבר בסדר גודל כזה בקריירה שלי", אמר רסגון .

רסגון תיאר כיצד המחסור התחיל במאיצי GPU, עבר לזיכרון HBM, אחר כך לציוד ייצור שבבים, לרשתות ואופטיקה, לשבבי הספק – ואפילו למעבדי CPU, שבדרך כלל אינם חלק מהמשוואה .

דוגמה קונקרטית לעוצמת הביקוש: אפילו אינטל, שהיו לה "מלאים שבעבר שווייתם היה אפס", מכרה את כולו. לקוחות אמרו לאינטל: "לא אכפת לנו, פשוט תמכרו לנו" .

HBM: צוואר הבקבוק השקט

צוואר בקבוק קריטי נוסף הוא זיכרון HBM (High-Bandwidth Memory), שתופס יותר מ-85% משטח הסיליקון של שבב AI . ייצור 1GB של HBM דורש בערך פי ארבעה משטח הסיליקון בהשוואה ל-DRAM רגיל – בגלל תהליכי הערמה (stacking) ומורכבות הלוגיקה . עובדה זו מסבירה מדוע היצע הזיכרון לא מצליח לעמוד בקצב הביקוש ל-GPU, ומדוע מחירי הזיכרון הפכו לגורם דומיננטי בעלויות השבבים.

הכנסות ה-CPU של אנבידיה: מתלה אחד מספר את הסיפור

רסגון הדגיש נתון מפתיע: במתלה (rack) אחד המכיל 72 GPU, 36 המעבדים שבתוכו מייצרים לאנבידיה הכנסות של כ-20 מיליארד דולר ממכירות CPU. המחשה זו מראה כיצד תשתיות AI יוצרות ביקוש עצום לשבבים גם מעבר למאיצי ה-GPU עצמם.

מאימון להסקה: המעבר להמראה מסחרית

רסגון הדגיש כי מוקד השוק עובר מאימון מודלי AI (Training) להסקת מסקנות (Inference) – נתיב הליבה למונטיזציה . הוא ציטט את ההכנסות של חברת Anthropic שזינקו מ-9 מיליארד ל-30 מיליארד דולר כראייה ישירה לשינוי זה . ככל שמודלי AI עוברים מפרויקטי מחקר למוצרים בתפעול מלא, כוח המחשוב הנדרש להסקה עשוי לעלות בהרבה על זה של האימון.

ASICs מול GPU: דו-קיום, לא תחרות

שאלה נפוצה בקרב משקיעים היא האם שבבי ASIC מותאמים אישית (כמו אלה של ברודקום) יחליפו בסופו של דבר את ה-GPU של אנבידיה. רסגון מאמין ששניהם יתקיימו במקביל לאורך זמן בשוק הולך וגדל . המסגרת שלו: GPU פרוגרמבילי מתאים יותר למחקר ו-Inference חקרני, בעוד ASICs מצטיינים בעומסי Inference צפויים בהיקף גדול. שוק היעד הכולל גדול מספיק כדי לספוג את שניהם.

החסם האולטימטיבי: חשמל

רסגון סיכם בנימה זהירה. המגבלה הסופית אינה השבבים, לא הזיכרון, לא הרשתות – אלא אנרגיה. תשתיות AI דורשות גידול של כ-5% בשנה בקיבולת רשת החשמל האמריקאית כדי לקיים את קצב הצמיחה . מדובר בדרישה עצומה מרשת שכמעט לא הגדילה את קיבולתה במשך עשרות שנים.

לטענתו, הגל הבא של חדשנות AI – וצווארי הבקבוק – ייפול בהכרח על ייצור אנרגיה, קירור וכוח גרעיני . ללא השקעה משמעותית ברשת החשמל, הסופר-מחזור עצמו עלול להיתקל בתקרת אנרגיה.

מה זה אומר למשקיעים

המסר של רסגון ברור: כל עוד ביקוש ה-AI לא קורס, הסופר-מחזור בשבבים אמיתי ובר-קיימא. אבל אופי ההזדמנות משתנה. הכסף הקל במניות GPU עשוי לפנות מקום לנוף מורכב יותר, שבו 'צוואר הבקבוק' עצמו – בין אם ב-HBM, בשבבי הספק או בתשתית אנרגיה – הופך למנוע העושר האמיתי .