איפה גרה הבינה המלאכותית?

במשך שנים התרגלנו לחשוב שהכול עובר לענן. התמונות, המסמכים, השיחות, השירותים, המודלים. הענן הפך למילה שמעלימה את החומר. הוא גרם לנו לשכוח שיש מבנים פיזיים, חדרי שרתים, כבלים תת-ימיים ורעש מחריש אוזניים של מאווררי ענק. מבחינתנו, זה פשוט שירות שעובד. אבל כפי שראינו בפרק הקודם של ״חזית הבינה״,¹ סביב ה-AI נבנית תעשייה כבדה, ומתברר שהענן לא באמת מרחף, אלא יושב על הקרקע וזקוק לכמויות אדירות של אנרגיה ותשתית יקרה. הפעם נצלול אל הכתובת הפיזית של הענן: מרכזי הנתונים (Data centers). המתקנים האלה הם כבר מזמן לא המחסן האחורי של עולם ההייטק. מי שמחזיק בהם, מפעיל אותם ומזין אותם בחשמל, שולט בחלק קריטי ממכונת ה-AI העולמית.

הכוח נמצא באינטגרציה
קל לדמיין מרכז נתונים כאולם ענק ומלא במעבדים גרפיים (GPUs), אבל כדי לאמן מודל חזית מתקדם, לא מספיק לדחוף הרבה מאיצים לחדר. האתגר האמיתי הוא לגרום להם לעבוד יחד כאורגניזם אחד, במהירות עצומה, לאורך זמן, מבלי שהמערכת תיחנק מצווארי בקבוק או תמיס את עצמה מעומסי חום. אחד הרכיבים שפחות נמצאים בשיח, אך קריטי בסיפור הזה, הוא זיכרון ברוחב פס גבוה (HBM). הוא זה שמאפשר לשבבים להחליף ביניהם כמויות מידע בלתי נתפסות בשברירי שנייה. כאן הזרקור עובר מ-Nvidia אל חברות כמו SK Hynix ו-Samsung הדרום קוריאניות או Micron האמריקאית. ללא זיכרון ייעודי, רשת תקשורת מהירה במיוחד, כמו InfiniBand, וסיבים אופטיים ייחודיים, החומרה היקרה ביותר לא תגיע לקיבולת מלאה. לכן, כוחו של מרכז נתונים מודרני לא נובע מרכיב בודד. הוא נובע מן החיבור בין כל שכבות המערכת: שבבים, זיכרון, תקשורת, תוכנה, חשמל, קירור ותפעול. חיבור כזה דורש משאבים אדירים, ואכן הפיזור העולמי של מרכזי הנתונים חושף עד כמה מהפכת ה-AI נשענת על גיאוגרפיה קיימת של הון, תשתיות וכוח מחשוב.

היתרון האמריקאי, וגם נקודת השבר שלו
לפי נתוני דו״ח Stanford HAI, בשנת 2025 ארה"ב הובילה בפער ניכר עם 5,427 מרכזי נתונים. הרחק מאחור נמצאות גרמניה (529), בריטניה (523) וסין (449). רוב מדינות העולם האחרות לא התקרבו לרף ה-300. הפער האמריקאי מצביע על עומק של מערכת שקשה מאוד לשכפל במהירות. ארה"ב לא מובילה רק בפיתוח המודלים או בגיוסי הון. היא שולטת גם בשכבת האירוח והמסחור של הענן העולמי. השליטה הזו מאפשרת לה לקבוע את הסטנדרטים, למשוך את הכישרונות הטובים ביותר ולייצר תלות עמוקה של מפתחים, חברות ומדינות בשירות שלה. אבל גם היתרון האמריקאי לא מאפשר עצמאות מוחלטת. החומרה שמזינה את אותם מרכזי נתונים, תלויה בשרשרת אספקה שברירית, שעוברת בטייוואן (TSMC), בדרום קוריאה, באירופה וביפן. פגיעה בחוליה קריטית בשרשרת, עשויה להאט את המערכת כולה. מרכזי הנתונים מעניקים לארה"ב כוח פוליטי וכלכלי עצום, אבל לא חסינות מלאה. מעבר לכך, המספרים שעל המפה לא מספרים את כל הסיפור. הם מראים היטב את היתרון האמריקאי, אבל לא את התחכום הסיני או את החולשה האירופית.

סין סוחטת את הלימון, אירופה סופרת שרתים
על הנייר, סין נמצאת הרחק מאחור במספר המתקנים, אבל זו תהיה טעות להמעיט בערכה, משום שהמספר היבש לא מודד את יכולת הניצול של המתקנים בפועל. יתרה מזאת, המודל הסיני אינו מסחרי או גלובלי. הוא מדינתי, ריכוזי וממוקד מטרה: בניית יכולת פנימית חסינה. בגלל סנקציות ומגבלות ייצוא קשוחות על שבבים מתקדמים, סין לא יכולה פשוט לקנות עוד חומרה מהמדף העולמי. לכן האסטרטגיה שלה שונה, היא לומדת להוציא יותר מכל שבב קיים. כך יעילות אלגוריתמית הופכת מנושא הנדסי לצורך גאופוליטי דחוף. פיתוח מודלים חסכוניים, שיטות אימון מתוחכמות וארכיטקטורת רשת שמפיקה ביצועי קצה ממשאבים מוגבלים, אינם רק הישגים טכנולוגיים, הם חלק מן התחרות בין המעצמות.

בזמן שסין נאלצת לייצר יעילות מתוך מצוקת חומרה, המודל האירופי מספר סיפור אחר לגמרי. גרמניה ובריטניה מתברגות בצמרת העולמית במספר המתקנים, וזה נתון מרתק, בעיקר משום שאירופה כמעט ולא קיימת במפת מודלי החזית המובילים. הפער הזה מציף הבחנה חשובה. לא כל תשתית אירוח מתורגמת לכוח פוליטי או טכנולוגי. מרכזי נתונים משרתים מגוון רחב מאוד של צרכים: בנקאות, שירותי ממשלה, מסחר אלקטרוני ואחסון ענן ארגוני. רובם הגדול בכלל לא מותאם או מיועד לעומסי העבודה הנחוצים לאימון של מודלים מתקדמים. אירופה חזקה מאוד בשכבת הנדל"ן והרגולציה, אך חלשה בשכבת היישום והחדשנות, ובפרט חסרות לה חברות מקומיות שיכולות לאתגר את ענקיות הענן האמריקאיות. האתגר האירופי הוא להפוך את התשתית הקיימת למנוע לפיתוח מודלים עצמאיים. אחרת, אירופה תישאר המקום שבו הבינה המלאכותית רצה, אבל לא בהכרח המקום שמכתיב לאן היא מתקדמת.

הכתובת מקומית, השליטה גלובלית

מרכזי הנתונים משנים את כללי המשחק של תעשיית הטכנולוגיה, בעיקר משום שאי אפשר לבנות אותם באותה מהירות שבה מפתחים אפליקציה. זו תשתית כבדה, עתירת הון, שדורשת סינרגיה מורכבת בין מהנדסי חשמל, מומחי קירור, יציבות אנרגטית וניסיון תפעולי שנצבר לאורך עשורים. כתוצאה מכך, גם פרופיל כוח האדם האסטרטגי משתנה. מדעני נתונים וחוקרי אלגוריתמים עדיין חיוניים, אבל ללא מהנדסי שטח ואנשי תפעול שיודעים להחזיק מתקני ענק כאלה לאורך זמן, גם המודל המתקדם ביותר לא יעזור. מדינות שימשיכו לראות ב-AI מוצר דיגיטלי בלבד, יתעוררו בעוד מספר שנים למחסור חמור במהנדסי שטח, אנשי תפעול ומומחי אנרגיה.

בליבת האימון של מודלי חזית, הפער בין מי שרק משתמש לבין מי שמחזיק בטכנולוגיה הולך ונפער. כמעט כל מדינה תוכל לפתח אפליקציות חכמות או להתאים מודל קיים לצרכיה, אבל המועדון המצומצם שבאמת מאמן, מריץ ומנהיג את החזית, שייך אך ורק למי שמחזיק בשילוב שבין הון, תשתית פיזית, אנרגיה וניסיון תפעולי מצטבר. אלא שהטעות המסוכנת ביותר היא להניח שאם מבנה כזה עומד פיזית בגבולות המדינה, היא גם שולטת במה שקורה בתוכו. בפועל, מרכז נתונים הוא נקודת קצה של רשת גלובלית. הוא יכול לשבת בגרמניה, בבריטניה, בסינגפור או במזרח התיכון, אך הרכיבים שנחוצים לפעילותו מגיעים מקצוות שונים של הגלובוס. לכן, ריבונות טכנולוגית לא נמדדת במיקום של המעבד, היא נמדדת בשליטה על שרשרת האספקה כולה, מהשבבים והזיכרון, דרך מערכות הניתוב וחוזי השירות, ועד ליכולת לתפקד באופן עצמאי בזמן משבר. מי שאוחז במבנה, ותלוי לחלוטין באחרים, אוחז בנכס מוגבל מאוד. הוא אולי מופיע על המפה, אבל הוא לא יושב ליד ההגה.

מה הכתובת של הבינה המלאכותית בישראל?
בישראל, הדיון על מרכזי נתונים נשמע לעיתים כמו שיח נדל״ני או פיננסי של השקעות: כמה מתקנים יוקמו, איפה הם יישבו, וכמה מהר חברת החשמל תצליח לחבר אותם לזרם. אלו אמנם שאלות דחופות, אך הן מפספסות את לב האירוע. מרכז נתונים מקומי אינו סתם נדל״ן טכנולוגי אלא נכס אסטרטגי המספק קיבולת חישוב זמינה, שליטה במערכות רגישות, ויכולת לתחזק שירותים חיוניים בזמן משבר.

ההבנה כי הענן זקוק לקרקע מוצקה כבר מחלחלת למסדרונות הממשל. בתחילת 2026 אישרה הממשלה החלטה לקידום מואץ של חוות שרתים מתקדמות ל-AI, לצד קידום תיקון לחוק התכנון והבנייה לקיצור תהליכים בירוקרטיים. במקביל, משרד האוצר גיבש המלצות לתיעדוף הקמת מתקנים בפריפריה, קיצור הליכי תכנון וסינון בקשות של פרויקטים לא בשלים לחיבורי חשמל כדי שלא יתפסו את הרשת על חשבון מתקנים חיוניים. המהלכים האלה מסמנים תפנית בדיון הישראלי שעובר משפה של חדשנות, לשפה של מגה-ואטים, קרקע וסטטוטוריקה.אלא שהמעבר לחומר חושף מיד את מלכוד האנרגיה. מרכז נתונים לבינה מלאכותית הוא צרכן אנרגיה כבד, הצורך חשמל בהיקף הדומה לשכונת מגורים בת כ-10,000 יחידות דיור. חבוי כאן פער זמנים מטריד. הקמת חוות שרתים אורכת שנים בודדות, בעוד שפיתוח תשתיות ייצור והולכה של חשמל נמשך לעיתים למעלה מעשור. במערכת קטנה וצפופה כמו בישראל, מדובר במשאב מוגבל המאלץ לקבוע סדרי עדיפויות חותכים בין תעשייה, מגורים, בתי חולים, צה״ל וחוות שרתים. ללא מדיניות ברורה שתדע להבדיל בין אינטרס לאומי לצורך מסחרי גרידא, המתקנים הללו עלולים להפוך ממנוע צמיחה למוקד של חיכוך אזרחי.

הצורך הזה בחשמל ובשטח מנתב את התעשייה מחוץ למרכז הארץ, אל הגליל והנגב, שם ניתן לחבר יחד קרקע ואנרגיה. אך גם כאן כדאי להתפקח מאשליות. מרכזי נתונים, כשלעצמם, אינם מייצרים מקומות עבודה רבים לאחר שלב הבנייה. כדי שהם יפכו למנוע צמיחה אמיתי לפריפריה, צריך לבנות סביבם אקוסיסטם שלם. מרכז הנתונים הוא רק העוגן. הערך הלאומי והכלכלי נוצר בחברות המקומיות שיספקו לו שירותים: התקנה ותחזוקה של מערכות קירור נוזלי מורכבות, אבטחה פיזית ודיגיטלית, הנדסת חשמל מתקדמת, ואופטימיזציית אנרגיה. פיתוח של תעשיית תמיכה כזו בנגב ובגליל מחייב חיבור ישיר למכללות ולאוניברסיטאות האזוריות, שיזינו את התעשייה הזו בידע ובאנשי מקצוע.

זה דורש שינוי תפיסה בגזרת ההון האנושי. התוכנית הלאומית לבינה מלאכותית משקיעה כיום רבות במחקר, בפיתוח מודלי שפה בעברית ובערבית, ובתוכניות להכשרת מובילי AI בתעשיית ההייטק. אולם, מרבית המאמצים האלה עדיין מכוונים לשכבת האפליקציה והקוד. עידן מרכזי הנתונים דורש מיומנויות אחרות לגמרי. ללא מהנדסי חומרה, מומחי רשתות עתירות ביצועים, אנשי תפעול שטח ומומחי אגירת אנרגיה, עשוי להיווצר בעתיד צוואר בקבוק אנושי, גם אם יהיו למדינה את כל המאיצים שבעולם.הבינה המלאכותית גרה אצל בעל הבית ישראל לא צריכה לשאוף להיות טקסס של ה-AI. המודל המקומי חייב להיות שונה: חדר מכונות לאומי המורכב ממתקנים מוגנים, יעילים במיוחד, המותאמים לעומסי חזית ומסוגלים לתפקד תחת לחץ ביטחוני.

הבסיס הטכנולוגי לחדר מכונות כזה כבר קיים בשטח, בין היתר בזכות מורשת Mellanox והנוכחות הדומיננטית של Nvidia בישראל. בינואר 2026 פתחה רשות החדשנות את הגישה למחשב-העל הלאומי, עם הקצאה מתוכננת של 1,000 מאיצי Nvidia B200 לחברות הייטק בשלבי אימון מודלים ולקבוצות מחקר באקדמיה. הצעד הזה מצמצם את המחסור המקומי במעבדים גרפיים (GPUs) לאימון מודלים גדולים, אך הוא גם מחדד את גבולות השליטה. Nvidia, בסופו של דבר, היא תאגיד בינלאומי המונע משיקולים עסקיים, מסחריים ורגולטוריים משלו. השבבים הטובים ביותר אולי יושבים פיזית בתוך חדר המכונות המקומי, אך ברזי האספקה, עדכוני הארכיטקטורה וסדרי העדיפויות עדיין מנוהלים מסנטה קלרה.

מחשב-העל הוא רק שכבה אחת בתוך תמונת תשתית רחבה בהרבה. כדי לתרגם את היתרון הטכנולוגי הזה לכוח לאומי, נדרש מערך תומך של רגולציה, רכש ממשלתי מתוחכם וחיבור לחברות ישראליות שמפתחות רכיבי תוכנה וחומרה משלימים. ללא המעטפת הזו, הסיכון האמיתי של ישראל הוא להפוך לצרכנית ענן מתוחכמת להפליא, אך חסרת ריבונות. מדינה שיש לה סטארטאפים נוצצים וחוקרים מבריקים, אך שכבת ההרצה, האימון, האחסון והשליטה בנתונים שלה נמצאת אצל ספקים מעבר לים. במגזר המסחרי זהו סיכון סביר, אך בתחומי הליבה של ביטחון, בריאות ומערכות חירום, זוהי תלות מסוכנת. חוות שרתים שיושבת פיזית על אדמת ישראל אך תלויה לחלוטין בחומרה מיובאת, בחוזי שירות חיצוניים ובסדרי עדיפויות של תאגיד זר, אינה מעניקה שליטה אמיתית. ריבונות טכנולוגית אינה נמדדת במיקום הגיאוגרפי של הבטון והקירות, אלא ביכולת להחזיק את המערכת מתפקדת באופן עצמאי בזמן משבר. שם עובר הגבול בין אירוח שרתים לבין כוח עצמאי ובין כתובת על המפה ליכולת אמיתית.

מוזמנים לדבר עם ד"ר מריה קרוט