שרשרת הערך של הבינה המלאכותית: מה קורה מאחורי כל תשובה של צ׳טבוט

שרשרת הערך של הבינה המלאכותית היא רצף החברות שבלעדיהן צ׳טבוט לא יכול לענות לכם. השאלה שאתם מקלידים עוברת דרך אפליקציה אל מרכז נתונים בענן, ושם התשובה מחושבת על שבבים ייעודיים עם זיכרון מהיר. את השבבים מייצרים מפעלים מתקדמים, בעזרת מכונות ״הדפסה״ מהדור החדש ביותר, שרק חברה אחת בעולם מייצרת כיום. וכל זה רץ על חשמל, קירור ורשת תקשורת. מאחורי כל חוליה עומדות חברות, ורבות מהן נסחרות בבורסה.

חילקנו את השרשרת לחמש שכבות, מהמסך שלכם ועד תחנת הכוח:

1. אפליקציות ותוכנה: מוצרים כמו Copilot ו-Gemini, ופלטפורמות לארגונים, כמו אלה של פלנטיר.
2. ענן ומודלים: מיקרוסופט, גוגל (אלפבית), אמזון, מטא ואורקל.
3. שבבים וזיכרון: אנבידיה, AMD וברודקום מתכננות את המעבדים, ומיקרון, SK hynix וסמסונג מייצרות את הזיכרון המהיר שלצידם.
4. ייצור וציוד שבבים: TSMC מייצרת את השבבים, ו-ASML מייצרת את המכונות שמדפיסות אותם.
5. חשמל, קירור ותקשורת: קונסטליישן, ורטיב ואריסטה.

שרשרת הערך של הבינה המלאכותית: מה כל שכבה עושה

אותה מפה, במילים: מה כל שכבה תורמת לתשובה, ומה מניע את הביקוש למוצרים שלה.

מה קורה כששולחים שאלה לצ׳טבוט

זה המסלול של שאלה אחת, בפשטות. כל צעד נשען על אחת השכבות במפה.

1. אתם מקלידים באפליקציה. ChatGPT או Gemini, למשל, שולחות את השאלה לשרתים של החברה. זו שכבה 1.
2. הבקשה מגיעה למרכז נתונים. הוא שייך לחברת ענן, כמו מיקרוסופט, גוגל, אמזון או אורקל, או לחברה שמפעילה את הצ׳טבוט בעצמה. זו שכבה 2.
3. המודל מחשב את התשובה על שבבי AI. החישוב רץ על מאיצים: מעבד גרפי (GPU) של אנבידיה או AMD, או שבב ייעודי כמו ה-TPU של גוגל. השלב הזה נקרא הסקה (Inference). זו שכבה 3.
4. הזיכרון מזין את השבב. מודל שפה הוא אוסף עצום של מספרים (״משקלים״) שיושבים בזיכרון HBM הצמוד לשבב. כדי לנסח כל מילה, השבב קורא כמויות גדולות מהם, וכשהזיכרון איטי, השבב מחכה. גם זו שכבה 3.
5. הרשת מחברת בין השבבים. מודלים גדולים לא נכנסים לשבב אחד, ולכן כמה שבבים עובדים יחד ומעבירים נתונים זה לזה כל הזמן, דרך מתגי תקשורת מהירים כמו אלה של אריסטה. זו שכבה 5.
6. החשמל והקירור עובדים ברקע. החישוב צורך חשמל והופך אותו לחום, שצריך לפנות. גם זו שכבה 5.
7. התשובה חוזרת אליכם, מילה אחר מילה. והשבבים עצמם? אותם ייצרה מראש שכבה 4: מפעל של TSMC, עם מכונות של ASML.

כמה חשמל צורכת שאלה אחת? גוגל פרסמה באוגוסט 2025 מדידה של אפליקציית Gemini: שאלת טקסט חציונית צרכה 0.24 וואט-שעה. לפי גוגל, זה בערך כמו לצפות בטלוויזיה פחות מתשע שניות.

גוגל מוסיפה שאם סופרים רק את השבבים בזמן שהם מחשבים, מקבלים 0.10 וואט-שעה בלבד, אבל לדבריה זו הערכת חסר: היא מתעלמת ממעבדי השרת ומהזיכרון שלו, ממכונות שעומדות מוכנות לעומס ומהתשתית של מרכז הנתונים, כמו קירור. במילים אחרות, גם בתשובה אחת עובדות כמעט כל השכבות במפה.

שאלה בודדת צורכת מעט מאוד. אבל המוני משתמשים, יחד עם אימון המודלים, מגדילים מאוד את צריכת החשמל של מרכזי הנתונים. על זה נרחיב בשכבה 5.

אימון והסקה: שני סוגי עבודה על אותה שרשרת

לפני שצ׳טבוט יכול לענות, צריך לאמן את המודל: להזין לו כמויות עצומות של טקסט, על אלפי שבבים שעובדים יחד במשך שבועות וחודשים. זו עבודה שנעשית מדי פעם, בידי מעט חברות, ודורשת השקעה גדולה מראש. הסקה, לעומת זאת, קורית בכל פעם שמישהו שואל שאלה, ולכן היא גדלה עם השימוש בפועל.

שני סוגי העבודה צורכים את אותם מוצרים: שבבים, זיכרון, רשת, חשמל וקירור. גוגל, למשל, הציגה את הדור השביעי של שבבי ה-TPU שלה, Ironwood, כשבב שנבנה גם לאימון וגם להסקה בהיקפים גדולים. כשהשימוש ב-AI גדל, הביקוש מגיע לכל השכבות שמתחת לאפליקציה.

שכבה 1: אפליקציות ותוכנה – איפה ה-AI פוגש את המשתמש

זו השכבה שאתם רואים. רבים מהמוצרים המוכרים בה שייכים לאותן חברות שמופיעות בשכבה 2: Copilot של מיקרוסופט, Gemini של גוגל ו-Meta AI של מטא. ענקיות הטכנולוגיה נמצאות בכמה שכבות בבת אחת.

ומה עם ChatGPT? OpenAI, החברה שמפתחת אותו, היא חברה פרטית. ביוני 2026 היא הודיעה שהגישה לרשות ניירות הערך האמריקאית טיוטה חסויה של תשקיף להנפקה, אבל נכון לאוקטובר 2026 המניות שלה עדיין לא נסחרות בבורסה. לפי ההסכם שעליו חתמו מיקרוסופט ו-OpenAI באוקטובר 2025, מיקרוסופט החזיקה אז בכ-27% ממנה.

פלנטיר מייצגת סוג אחר של חברה בשכבה הזאת. לפי הדוח השנתי שלה, פלטפורמת AIP מחברת בצורה מאובטחת מודלי שפה של צד שלישי לנתונים ולתהליכים של הלקוח. כלומר, המוצר של פלנטיר הוא לא המודל עצמו, אלא התוכנה שמחברת מודלים קיימים לנתונים ולהחלטות של ממשלות וחברות.

שכבה 2: ענן ומודלים – הלקוחות הגדולים של כל השרשרת

חברות הענן הגדולות, שמכונות גם ״היפרסקיילרים״, בונות מרכזי נתונים, קונות שבבים, חותמות על הסכמי חשמל ומשכירות כוח מחשוב לאחרים. הן הלקוחות הגדולים של השכבות שמתחתיהן, ולכן השוק עוקב מקרוב אחרי תוכניות ההשקעה שלהן.

מיקרוסופט מדווחת לפי שנת כספים שונה, ולכן השארנו אותה מחוץ להשוואה. התחזית של מטא כוללת גם תשלומי קרן על חכירות מימוניות, וההשקעות של אמזון כוללות גם תחומים שאינם AI. לפי Fortune, אמזון העלתה את התחזית בגלל עלויות זיכרון גבוהות יותר. כך מחסור בשכבה אחת מגולגל לשכבה שמעליה.

• מיקרוסופט מפעילה את ענן Azure. בהסכם מאוקטובר 2025 התחייבה OpenAI לרכוש ממנה שירותי Azure בהיקף נוסף של 250 מיליארד דולר.
• אלפבית (גוגל) מפתחת את מודלי Gemini, מפעילה את Google Cloud ומתכננת שבבי AI משלה (TPU).
• אמזון מפעילה את AWS ומפתחת שבבי AI משלה בשם Trainium. מאחורי השבבים עומדת Annapurna Labs, חברת שבבים שנוסדה בישראל ושאמזון רכשה ב-2015.
• מטא מפתחת מודלים משלה ומשתמשת ב-AI בפייסבוק, באינסטגרם ובוואטסאפ. בספטמבר 2026 השתמשו בממוצע 3.64 מיליארד בני אדם ביום לפחות באחת מהאפליקציות שלה.
• אורקל בונה מרכזי נתונים עבור OpenAI במסגרת פרויקט Stargate. בינואר 2026 היא דיווחה על פרויקטים משותפים בשני קמפוסים בטקסס ובאתרים בניו מקסיקו, בוויסקונסין ובמישיגן.

יש כאן מתח מובנה: גוגל ואמזון קונות שבבים מאנבידיה, ובמקביל מתכננות שבבים משלהן. הן גם הלקוחות של שכבה 3 וגם מתחרות בה.

שכבה 3: שבבים וזיכרון – המנוע של החישוב

מתכננות השבבים: אנבידיה, AMD וברודקום

שלוש החברות האלה מתכננות שבבים אבל לא מייצרות אותם בעצמן. אנבידיה, למשל, כותבת בדוח השנתי שלה שהיא נעזרת ביצרניות כמו TSMC וסמסונג לייצור פרוסות הסיליקון.

• אנבידיה: בשנת הכספים 2026, שהסתיימה בינואר 2026, היו הכנסותיה 215.9 מיליארד דולר, ו-193.7 מיליארד דולר מתוכן, כ-90%, הגיעו מתחום מרכזי הנתונים. מתוך הכנסות מרכזי הנתונים, 31.4 מיליארד דולר הגיעו ממוצרי תקשורת, תחום שאליו התרחבה ברכישת מלאנוקס הישראלית ב-2020. לצד החומרה, פלטפורמת התוכנה CUDA רצה על כל המעבדים הגרפיים שלה.
• AMD: מוכרת מאיצי AI מסדרת Instinct. באוקטובר 2025 הודיעה על הסכם עם OpenAI לפריסה של מעבדים גרפיים שלה בהיקף של 6 גיגה-וואט. לפי ההודעה, השלב הראשון נקבע למחצית השנייה של 2026.
• ברודקום: מתכננת שבבי AI בהתאמה אישית (ASIC) ומוצרי תקשורת מבוססי Ethernet. באוקטובר 2025 הודיעו היא ו-OpenAI על פריסה של מאיצים שתכננה OpenAI, בהיקף של 10 גיגה-וואט. לפי ההודעה, הפריסה אמורה להתחיל במחצית השנייה של 2026 ולהסתיים עד סוף 2029.

העסקאות האלה נמדדות בגיגה-וואט, יחידה של הספק חשמלי, ולא במספר שבבים. זו עוד דוגמה לקשר ההדוק בין שכבת השבבים לשכבת החשמל.

הזיכרון: למה HBM הפך לצוואר בקבוק

HBM (זיכרון ברוחב פס גבוה) הוא זיכרון DRAM הבנוי כמגדל של שבבים המונחים זה על גבי זה, ומוצמד למעבד בתוך אותה אריזה. מיקרון מסבירה שהוא נועד לכך שהמעבדים יישארו עסוקים, במקום לחכות לנתונים. אנבידיה כותבת בדוח השנתי שלה שהיא קונה זיכרון משלוש חברות: SK hynix, מיקרון וסמסונג.

• SK hynix (קוריאה): לפי נתוני חברת המחקר IDC שמובאים בתשקיף שלה, ברבעון הראשון של 2026 היא הייתה היצרנית הגדולה בעולם של זיכרון HBM, עם 56.4% מהכנסות השוק. ביולי 2026 התחילו להיסחר בנאסד״ק תעודות ה-ADS שלה (תעודות פיקדון אמריקאיות שמייצגות את המניות), תחת הסימול SKHY. המניות עצמן ממשיכות להיסחר בבורסה של קוריאה.
• סמסונג (קוריאה): בפברואר 2026 הודיעה שהתחילה בייצור המוני של זיכרון HBM4 ושלחה מוצרים ללקוחות, והעריכה שמכירות ה-HBM שלה ב-2026 יגדלו לעומת 2025 יותר מפי שלושה. המניות שלה נסחרות בבורסה של קוריאה, ותעודות GDR שלה נסחרות בלונדון, לא בוול סטריט.
• מיקרון (ארה״ב): מדווחת שהיא כבר מייצרת זיכרון HBM4 בהיקף גדול. בדוח השנתי האחרון שלה היא כותבת שהביקוש לזיכרון ולאחסון, בהובלת ה-AI, גדל מהר יותר מההיצע בתעשייה.

שכבה 4: ייצור וציוד שבבים – TSMC ו-ASML

TSMC הטייוואנית נוסדה ב-1987 כיצרנית השבבים הראשונה שמייצרת רק עבור אחרים, ולא מוכרת שבבים בשם שלה. לפי החברה, ב-2025 היא ייצרה 12,682 מוצרים שונים עבור 534 לקוחות. לפי חברת המחקר TrendForce, ברבעון הרביעי של 2025 היה לה נתח של 70.4% מהכנסות שוק ייצור השבבים לפי הזמנה.

TSMC מציעה גם שירותי אריזה מתקדמת כמו CoWoS, שמשלבים כמה שבבים באותה אריזה, למשל שבב AI ומגדלי זיכרון לצידו. אנבידיה מציינת בדוח השנתי שלה שהיא משתמשת בטכנולוגיה הזאת.

ASML ההולנדית לא מייצרת שבבים. היא מייצרת את מכונות הליתוגרפיה ש״מדפיסות״ את המעגלים על פרוסות הסיליקון. בדוח השנתי שלה לשנת 2025 היא כותבת שהיא כרגע היצרנית היחידה בעולם של מערכות ליתוגרפיה מסוג EUV, שמשתמשות באור באורך גל של 13.5 ננומטר כדי להדפיס את השכבות העדינות ביותר בשבבים המתקדמים. גם יצרניות הזיכרון נעזרות בה: מיקרון מציינת שדור ה-DRAM החדש שלה הוא הראשון שלה שמשתמש בליתוגרפיית EUV.

וגם ל-ASML יש צוואר בקבוק משלה: היא כותבת שהיא תלויה בספק יחיד, Carl Zeiss SMT, לעדשות, למראות ולרכיבים האופטיים החיוניים של המכונות שלה, ושכושר הייצור שלו מגביל כמה מערכות היא יכולה לבנות.

שכבה 5: חשמל, קירור ותקשורת – התשתית של מרכז הנתונים

לפי דוח שפרסמה הסוכנות הבינלאומית לאנרגיה (IEA) ב-2025, מרכזי נתונים צרכו ב-2024 כ-415 טרה-וואט-שעה, כ-1.5% מצריכת החשמל בעולם. בתרחיש המרכזי של הסוכנות, הצריכה תגיע עד 2030 לכ-945 טרה-וואט-שעה, יותר מפי שניים.

לפי אותו דוח, מרכז נתונים טיפוסי שמתמקד ב-AI צורך חשמל כמו 100 אלף משקי בית, והגדולים שנמצאים כיום בבנייה יצרכו פי 20. בארה״ב, מרכזי הנתונים צפויים להיות אחראים לכמעט מחצית מהגידול בביקוש לחשמל עד 2030.

• קונסטליישן אנרג׳י משלבת את צי הכורים הגרעיניים שלה עם תחנות הגז והגאותרמיה של Calpine, שאת רכישתה השלימה ב-7 בינואר 2026. לפי החברה, העסקה הפכה אותה ליצרנית החשמל הגדולה בארה״ב, עם 55 גיגה-וואט של כושר ייצור. הדוגמה המוכרת ביותר לקשר בינה לבין ה-AI היא הכור לשעבר בתרי מייל איילנד, שקיבל את השם Crane: הסכם ל-20 שנה שנחתם עם מיקרוסופט ב-2024 הוא שמאפשר את הפעלתו מחדש.
• ורטיב מספקת למרכזי נתונים מערכות חשמל וקירור, כולל קירור נוזלי, ושירותים נלווים. שרתי AI צפופים וחמים יותר משרתים רגילים, ולכן הקירור הפך לחלק מרכזי בתכנון מרכז נתונים.
• אריסטה מייצרת מתגי תקשורת מבוססי Ethernet שמחברים בין אלפי שבבים. בדוח השנתי שלה היא מציינת שהיא מתחרה בטכנולוגיות התקשורת של אנבידיה (InfiniBand ו-NVLink), שנמכרות לעיתים קרובות יחד עם המעבדים.

צווארי הבקבוק: מי תלוי במי

בחלק מהחוליות שולטות מעט מאוד חברות. כשחוליה כזאת נתקעת, כל מי שמעליה מרגיש את זה.

יש גם צוואר בקבוק הפוך, בצד הלקוחות. הכסף זורם בשרשרת מלמעלה למטה, ומרוכז אצל מעט קונים גדולים:

• אצל אנבידיה, בשנת הכספים 2026, לקוח ישיר אחד היה אחראי ל-22% מההכנסות ולקוח אחר ל-14%.
• אצל אריסטה, ב-2025, שני לקוחות היו אחראים ל-26% ול-16% מההכנסות. בדוח של 2024 החברה ציינה את שני הלקוחות הגדולים שלה בשמם: מטא ומיקרוסופט.
• אצל ASML, ב-2025, הלקוח הגדול ביותר היה אחראי ל-23.9% מהמכירות, ושני הגדולים יחד ל-38%.

המשמעות: מניות משכבות שונות לא תמיד מפזרות את הסיכון כמו שנדמה, כי רבות מהן תלויות באותה החלטה: כמה ישקיעו ענקיות הענן ומעבדות המודלים בשנה הבאה.

מניות של חברות בינה מלאכותית: איך להשתמש במפה

המפה לא אומרת מה לקנות. היא עוזרת להבין מה בדיוק מחזיקים במניה או בתעודת סל. אלה הדרכים העיקריות להיחשף לשרשרת:

• מניות בודדות: בוחרים חברה בשכבה מסוימת. הסיכון מרוכז יותר, כי התוצאה תלויה בכמה חברות בודדות. את התפקיד של 15 חברות מרכזיות מכל השכבות ריכזנו ברשימת מניות ה-AI בעמוד הבית.
• תעודות סל: בפעולה אחת מחזיקים עשרות חברות. תעודות סל של שבבים מתמקדות, מטבע הדברים, בשכבות 3 ו-4, ובדרך כלל לא מחזיקות את חברות הענן והחשמל. השוואה של דמי ניהול, מדדים ומספר החזקות תמצאו במדריך תעודות הסל וקרנות הסל על AI ושבבים.
• מדד רחב: קרן על מדד כמו נאסד״ק 100 מחזיקה את ענקיות ה-AI לצד חברות מתחומים אחרים. הסבר צעד אחר צעד יש במדריך איך להשקיע בבינה מלאכותית.

מי שבודק חברה בודדת יכול להיעזר בארבע שאלות. את רוב התשובות תמצאו בדוח השנתי של החברה, שמתפרסם באתר רשות ניירות הערך האמריקאית (SEC): טופס 10-K לחברות אמריקאיות, וטופס 20-F לחברות זרות רבות, כמו ASML.

1. באיזו שכבה היא נמצאת, ומה היא מוכרת בפועל? חברה יכולה להיות בכמה שכבות, כמו גוגל, שמתכננת שבבים, מפעילה ענן ומפתחת מודלים.
2. כמה מההכנסות שלה קשורות ל-AI? חפשו את פילוח ההכנסות לפי תחום. אצל אנבידיה, למשל, מרכזי הנתונים היו כ-90% מההכנסות בשנת הכספים 2026, ואצל חברות אחרות ה-AI הוא רק חלק מהעסק.
3. מי הלקוחות, ועד כמה הם מרוכזים? בדוחות מופיע בדרך כלל אם לקוח בודד אחראי ל-10% מההכנסות או יותר. ריכוז גבוה פירושו תלות בהחלטות של מעט קונים.
4. מי יכול להחליף אותה? לחלק מהחברות אין מתחרה ישירה, כמו ASML במכונות EUV. אצל אחרות הלקוחות בונים חלופות בעצמם, כמו שבבי ה-TPU של גוגל וה-Trainium של אמזון.

וחשוב לזכור: מניות עולות ויורדות, ומניות בתחום חם עלולות לרדת בחדות כשהציפיות משתנות. כפי שראינו, ירידה בהשקעות של ענקיות הענן יכולה לפגוע בכמה שכבות בבת אחת, ולכן פיזור גם מחוץ ל-AI מקטין את התלות בחברה אחת או בשכבה אחת. ובשוק ההון משקיעים רק כסף שלא תזדקקו לו בשנים הקרובות, כדי שלא תיאלצו למכור דווקא בזמן ירידה.

שאלות נפוצות על שרשרת הערך של ה-AI