המרוץ הירוק של הבינה המלאכותית

במשך שנים הייתה האנרגיה הירוקה אחד הסמלים הנוחים של האחריות התאגידית. חברות רכשו חשמל ממקורות מתחדשים, הציבו יעדי Net Zero פרסמו דוחות ESG, והציגו את המעבר לאנרגיה נקייה כחלק ממחויבותן לסביבה. אף שהפחתת התלות בדלקים מאובנים נעשתה יעד כלכלי ומדיני מרכזי, עבור חברות רבות היא נותרה בשוליים; חשובה לגיוס הון ולתדמית, אך לא תנאי קשיח להמשך הפעילות. עידן הבינה המלאכותית משנה את המעמד הזה. ככל שהביקוש לשירותי AI גדל, חברות הטכנולוגיה זקוקות לפתרונות אנרגיה זולים, יציבים וזמינים. השינוי הזה כבר מתבטא בשוק בחתימות על חוזי חשמל ארוכי טווח ובהשקעות באנרגיה דלת פחמן, באגירת אנרגיה ובמערכות קירור מתקדמות. מאחורי המרוץ אחר המודלים החזקים ביותר מתפתח מרוץ מקביל אחר התשתיות שיצליחו להזין אותם בלי להפוך את ההתרחבות לסיכון תפעולי וכלכלי.

כל הדרכים מובילות אל המדבר
הסוכנות הבינלאומית לאנרגיה, ה-IEA, מעריכה כי צריכת החשמל של מרכזי נתונים תצמח בכ-15% בשנה עד 2030, ותגיע לכ-950 טרה-ואט-שעה [1]. הפער בין קצב התפתחות התוכנה לבין קצב הקמתן של תשתיות פיזיות נעשה אפוא מכריע. שירות AI חדש יכול להגיע במהירות לקהל משתמשים רחב, בעוד שהקמת תחנות כוח, קווי הולכה, מתקני אגירה וחיבורי רשת עשויה להימשך שנים. זמינות החשמל מתחילה לכן לקבוע היכן ניתן להקים מרכזי נתונים ובאיזה היקף. מרכזי הנתונים אינם מתפזרים באופן שווה על פני הגלובוס, אלא נבנים באשכולות גאוגרפיים באזורים שבהם יש קרקע, סיבים אופטיים, כוח אדם ורגולציה נוחה. כך מקומות שנחשבו שוליים יחסית במפת ההייטק מקבלים חשיבות חדשה. נבאדה היא דוגמה טובה לכך. ענקיות הטכנולוגיה אינן נמשכות אליה רק בגלל המדבר הפתוח והשמש החזקה; המדינה מציעה שילוב של קרבה לשווקי החוף המערבי, תשתיות קיימות, תמריצים ופוטנציאל להפקת חשמל נקי גם מחוץ לשעות האור. מרכזי נתונים, הנדרשים לעמוד בהתחייבויות זמינות מחמירות, אינם יכולים להסתפק באנרגיה סולארית. היתרון של נבאדה טמון בשילוב בין שדות סולאריים לבין אנרגיה גיאותרמית המופקת מחום תת-קרקעי ומהווה מקור יציב יחסית לחשמל נקי. בפברואר 2026 הודיעה Ormat הישראלית על הסכם ארוך טווח עם NV Energy להוספת עד 150 מגה-ואט גיאותרמיים, המיועדים לתמיכה בפעילות מרכזי הנתונים של Google במדינה [2]. גם Amazon פנתה לשילוב של גיאותרמיה, אנרגיה סולארית ואגירה כדי לתמוך בצמיחת מרכזי נתונים באזור רינו [3]. העסקאות ממחישות כיצד איכותה של המערכת האנרגטית המקומית נעשית גורם מכריע במיקום מרכזי הנתונים.

מהמאזן השנתי למבחן השעתי
בעבר יכלה חברה לרכוש אנרגיה מתחדשת בהיקף המקביל לצריכתה השנתית ולהציג מאזן ירוק, גם אם בשעות מסוימות פעילותה נשענה על דלקים מאובנים. כעת, התעשייה נעה לעבר יעד מחמיר יותר: אנרגיה נטולת פחמן סביב השעון (24/7 carbon-free energy), כלומר התאמה שעתית בין הצריכה לבין ייצור חשמל נטול פחמן באותה רשת חשמל [4]. התאמה כזו דורשת שילוב בין שמש ורוח, לבין מקורות נקיים ויציבים שיכולים להשלים את החסר. מכאן חשיבותו של Clean Firm Power: חשמל נקי או דל פחמן שאפשר להסתמך עליו ברציפות [5]. מכאן גם העניין בגיאותרמיה ובאנרגיה גרעינית. חברת Microsoft חתמה עם Constellation על הסכם רכישת חשמל ארוך טווח, שנועד לתמוך בחידוש פעילותו של הכור הגרעיני ביחידה 1 באתר Three Mile Island, יחידה נפרדת מזו שנפגעה בתאונה ב-1979 [6]. חברת Google, מצידה, חתמה עם Kairos Power על פיתוח ופריסה מתוכננת של כורים גרעיניים מתקדמים בהיקף של עד 500 מגה-ואט עד 2035 [7]. העסקאות אינן נובעות רק מן הרצון להפחית פליטות, אלא מן הצורך להבטיח חשמל דל פחמן שניתן לספק ברציפות.

חשמל נקי הוא רק ההתחלה
מרכז נתונים דל פחמן אינו נשען על מקור חשמל יחיד, אלא על מערכת שלמה: ייצור, אגירה, גיבוי וקירור. האגירה מגשרת בין שעות הייצור לשעות הצריכה, מפחיתה עומסי שיא ומאפשרת לשלב שיעור גבוה יותר של אנרגיה מתחדשת בלי לערער את יציבות הרשת. חברת Google, למשל, חתמה ב-2025 על שותפות עם Energy Dome, המפתחת מערכת אגירה ארוכת-טווח המבוססת על פחמן דו-חמצני [8]. בניגוד לסוללות ליתיום-יון, המערכת פועלת במחזור תרמודינמי סגור: כאשר יש עודף חשמל, ה-CO₂ נדחס והופך לנוזל. כאשר הביקוש עולה, הוא משתחרר, מתפשט ומניע טורבינה. המטרה היא להאריך את משך האגירה ולאפשר שימוש בחשמל מתחדש גם לאחר שחלון הייצור הסתיים. גם מערכות הגיבוי נדרשות להשתנות. גנרטורים מבוססי דיזל עדיין נפוצים בשל אמינותם, אך אינם מתיישבים עם התחייבויות האקלים של חברות הענן. חברת Microsoft בחנה עם Caterpillar ו-Ballard מערכת גיבוי המבוססת על תאי דלק מימניים. בניסוי בוויומינג הודגמה מערכת בהספק של 1.5 מגה-ואט, שתמכה בסימולציה של עומס קריטי במשך 48 שעות באמצעות שילוב של סוללות, בקר מיקרו-גריד ותא דלק [9]. חשיבות הניסוי טמונה בכך שהוא נוגע באחד החלקים השמרניים ביותר במרכז הנתונים: מערכת החירום, שבה אמינות מיידית גוברת לרוב על שיקולים סביבתיים.

גם לאחר שנפתרה שאלת אספקת החשמל, נותרת שאלת החום. רוב האנרגיה שנכנסת למרכזי הנתונים הופכת לבסוף לחום שיש לפנות על ידי מערכות קירור. קירור המבוסס על אידוי מים עשוי להיות יעיל, אך הוא מעביר את הלחץ למשאב אחר. לפי אומדן שפורסם בדוח Stanford HAI לשנת 2026, צריכת המים הישירה והעקיפה שיוחסה להרצת GPT-4o במהלך 2025 עשויה הייתה להגיע לכ-1.3 עד 1.6 מיליון קילוליטר [10]. בקצה העליון של ההערכה, מדובר בכמות העולה על צורכי מי השתייה השנתיים של כ-1.2 מיליון בני אדם. האומדן כולל את המים המשמשים הן לייצור החשמל והן לקירור, ולכן משמעותו משתנה לפי המיקום. ליטר מים באזור קר ועשיר במשקעים אינו שקול לליטר מים במדבר. לכן התעשייה פונה למערכות המצמצמות שימוש במים. חברת Microsoft הציגה תכנון המבוסס על קירור ישיר לשבב במעגל סגור, ללא אידוי מים בתהליך השוטף [11], ובחנה גם אפשרות של חריטת תעלות זעירות בתוך הסיליקון והזרמת נוזל סמוך למוקדי החום [12]. תכנון הקירור כבר אינו נעצר ברמת הבניין או בארון השרתים; הוא נכנס אל תוך השבב. אולם גם המערכת היעילה ביותר לא תספיק אם הביקוש לחישוב ימשיך לגדול ללא גבול. לצד הרחבת היצע החשמל, התעשייה תידרש להפיק יותר תועלת מכל יחידת אנרגיה.

כמה אינטליגנציה ניתן להפיק מקילוואט?
טביעת הרגל הסביבתית של מודלי ה-AI גדלה במהירות. לפי Stanford HAI, אימון AlexNet בשנת 2012 הוערך בכ-0.01 טון פחמן דו-חמצני שקול (CO₂e), ואילו אימון Grok-4 בשנת 2025 הוערך בכ-72,816 טון CO₂e [10]. עם זאת, הקשר בין גודל המודל לבין מחירו האנרגטי אינו לינארי. אימון DeepSeek V3 הוערך בכ-597 טון CO₂e בלבד, הרבה פחות מהאומדנים של מספר מודלי חזית אחרים [10]. הפער מלמד כי ארכיטקטורת המודל, יעילות החומרה, שיטות האימון והאופטימיזציה עשויות לשנות באופן ניכר את העלות הסביבתית. לפי נתוני Epoch AI שהובאו בדוח, יעילות השיא של חומרת למידת המכונה, במונחי פעולות חישוב לכל ואט (FLOPs per watt), השתפרה בעשור האחרון בכ-40% לשנה בממוצע [13]. אלא שהחיסכון ברמת השבב אינו מבטיח ירידה בצריכת החשמל הכוללת. זהו ביטוי לפרדוקס ג׳בונס (Jevons paradox): ככל שיחידת חישוב נעשית זולה ויעילה יותר, מופעלות יותר יחידות חישוב ונוצרים שימושים חדשים.

העלות המצטברת אינה נוצרת בהכרח במהלך אימון המודל, אלא בהרצתו. כל בקשה לסכם טקסט, לכתוב קוד או לייצר תמונה מפעילה חלק ממערכת רחבה. הפעולה הבודדת עשויה להיות זניחה, אך כאשר היא חוזרת מיליארדי פעמים, נוצר עומס משמעותי. דוח Stanford HAI מצביע גם כאן על הבדלים ניכרים. בניסוי השוואתי שנערך בתנאים מוגדרים ובחן תגובות באורך בינוני של כ-2000 טוקנים, צריכתן של DeepSeek V3.2 ו-V3.2 Exp הוערכה בכ-23 ואט-שעה לבקשה, וזו של GPT-5 high בכ-21.9 ואט-שעה. מודלים חסכוניים יותר, ובהם Claude 4 Opus או GPT-5-mini/medium, הוערכו בכ-5 עד 6 ואט-שעה [10]. הפערים הופכים את בחירת המודל להחלטה תפעולית. לא כל סיכום דורש מודל חזית, ולא כל מערכת שירות לקוחות זקוקה למנוע המשמש למחקר מדעי או לניתוח משפטי מורכב. ארגון שיפעיל מודל כבד עבור כל פעולה זניחה, לא רק ישלם יותר, אלא עשוי להיחשף לביקורת על שימוש בזבזני במשאבים. כפי שמערכות תוכנה מודדות זמן תגובה, זמינות ועלות מחשוב ענן, הן עשויות להתחיל למדוד גם אנרגיה לתגובה או פליטות למשימה. מערכות AI יצטרכו לנתב משימות בין מודלים ברמות שונות של יכולת ועלות, ולהפעיל את המודל הכבד רק כאשר תוספת האיכות מצדיקה זאת. מכאן עולה מדד תחרותי חדש: אינטליגנציה לקילוואט, כלומר כמות הערך הקוגניטיבי, המדעי או העסקי שניתן להפיק מכל יחידת אנרגיה, ליטר מים ויחידת עלות תפעולית. לצד איכות התשובה והיכולת לפתור בעיות, ייבחן גם המחיר הפיזי של הפעלת המודל בקנה מידה גדול. כדי להשוות בין מערכות, לא די בהצהרות כלליות; נדרשים מדדים מוסכמים ושקופים.

מרצון טוב לחובת דיווח
באפריל 2026 פתחה הנציבות האירופית התייעצות ממוקדת בנושא מדידת צריכת האנרגיה והפליטות של מודלים ומערכות AI. המהלך נועד לסייע בגיבוש מתודולוגיה שתתייחס למודלים למטרות כלליות (General-purpose AI), לאימון, להרצה וליעילות אנרגטית [14]. חשיבותו טמונה במעבר מהצהרות למדידה. כל עוד הנתונים אינם שקופים, קשה להשוות בין מערכות, להעריך את עלויותיהן החיצוניות או לדרוש מן הספקים דין וחשבון. מתודולוגיה מוסכמת עשויה להשפיע על רכש ממשלתי, מערכות בריאות, מוסדות פיננסיים וחברות הכפופות ליעדי אקלים.

לקוחות יוכלו לדרוש מידע על צריכת האנרגיה, מקור החשמל וטביעת הפחמן של ההרצה. ספק AI שלא ידע להסביר כיצד הוא מודד צריכה ומפחית פליטות עלול להיתקל בחסם מסחרי, ולא רק בביקורת סביבתית. בהמשך ייתכן שמודלים יקבלו מעין תווית אנרגטית. כפי שמקרר מדורג לפי צריכת החשמל השנתית שלו, וכפי שמכונית נבחנת לפי פליטותיה, גם מערכת AI עשויה להידרש להציג את המחיר הפיזי של האינטליגנציה שהיא מספקת.

אבל מדידה אינה פותרת את שאלת המימון. כאשר חברת טכנולוגיה מבקשת חיבור בהיקף עצום, הרגולטור צריך לקבוע איזה חלק מהרחבת הרשת ימומן על ידה ואיזה חלק יגולגל לתעריף הכללי. הכרעות דומות יידרשו לגבי תוספת כושר ייצור, דיווח סביבתי ותנאים שיוצמדו להטבות מס. מכאן מתעוררת גם שאלת התועלת הציבורית: האם יש להבחין בין מחשוב המשמש רפואה, מדע וביטחון לבין יישומים בעלי ערך שולי? ככל שהחשמל נעשה משאב מגביל, הרגולטורים עשויים להידרש בעתיד לא רק להיקף הצריכה, אלא גם לאופן שבו מוקצים חיבורים ועדיפויות במערכת מוגבלת. המחלוקת בנבאדה מדגימה את המתח. מרכזי הנתונים מביאים איתם השקעות ופעילות כלכלית, אך מעוררים שאלות בנוגע לצריכת מים וחשמל, להטבות המס ולחלוקת עלויות התשתית [15]. הוויכוח מתמקד אפוא לא בעצם הקמתם, אלא בתנאים שבהם יוקמו: מי יממן את כושר הייצור הנוסף, כיצד יתוכנן הגיבוי והאם הטבות המס מצדיקות את ההשקעה הציבורית הנדרשת. כך נבאדה הפכה מקרה בוחן ליחסים המתהווים בין חברות טכנולוגיה, ספקיות חשמל, רגולטורים וקהילות מקומיות.

הפרדוקס האנרגטי של ה-AI
יכולת חישוב אינה תלויה עוד רק בגישה לשבבים ולמודלים, אלא גם ביכולת להבטיח להם חשמל במחיר ובקצב הנדרשים. חברה שתפיק יותר תועלת מכל קילוואט תוכל להפחית עלויות, להתרחב מהר יותר ולעמוד בדרישות רגולטוריות. אותו עיקרון חל גם על מדינות. רשת חשמל אמינה, כושר ייצור זמין, זמני חיבור קצרים, אגירה וקירור נעשים חלק מן התחרות על מרכזי נתונים ושירותי ענן. עבור תעשיית האנרגיה הנקייה זהו שינוי מהותי. במשך שנים היא הוצגה בעיקר כבחירה מוסרית וסביבתית. כעת היא הופכת לחלק ממדיניות הצמיחה. עם זאת, אין פירוש הדבר שה-AI יפתור את משבר האקלים. הגידול המהיר בביקוש לחשמל עשוי להגביר גם את השימוש באנרגיה קונבנציונלית, להכביד על רשתות וליצור לחצים מקומיים על מים וקרקע. התוצאה תיקבע לא לפי היקף ההצהרות על קיימות, אלא לפי הקצב שבו ניתן יהיה להוסיף חשמל נקי ורציף בלי להעביר את העומס למשאבים אחרים ובלי לגלגל את מלוא העלות אל הציבור.

ישראל כמעבדת קצה
במדינות כמו ישראל, שבהן הרשת מבודדת, הקרקע מוגבלת, האקלים חם והביקוש לביטחון אנרגטי גבוה, המתח חריף במיוחד. הביקוש המקומי לחיבורי חשמל גדולים עבור מרכזי נתונים וחוות שרתים צפוי לגדול עם התרחבות שירותי הענן, פעילות חברות בינלאומיות ופרויקט נימבוס, שנועד להעביר מערכות ממשלתיות לענן תוך שמירה על ריבונות הנתונים ומיקומם בישראל. במדינות המחוברות לרשתות אזוריות גדולות, חלק מן העומס יכול להיספג באמצעות יבוא חשמל, עודפי ייצור או גמישות תכנונית רחבה יותר. בישראל מרחב התמרון קטן בהרבה. מדובר ברשת מבודדת יחסית שאינה יכולה להישען בשעת מחסור על יבוא רחב ממדינות שכנות, ולכן ישראל נדרשת להחזיק בתחומה את כושר הייצור והעתודות שיאפשרו למשק להמשיך לפעול גם בזמן תקלה או פגיעה. בה בעת, חלק גדול מן הפוטנציאל המתחדש בישראל נשען על אנרגיה סולארית, שאינה מספקת לבדה את החשמל הדרוש להפעלה רציפה. הדרום מציע שטחים זמינים וקרינת שמש גבוהה, אך דורש השקעה בהולכה, בתקשורת, באגירה, בגיבוי ובפתרונות קירור חסכוניים במים. האילוצים האלה דוחפים במקביל להרחבת משק החשמל ולפיתוח טכנולוגיות המותאמות למרכזי נתונים הפועלים באקלים חם, תחת מגבלות מים ובסביבה המחייבת אמינות גבוהה.

בין אשלים לקסם
הפרויקט של Enlight באשלים מבטא תפיסה שבה תשתית האנרגיה מתוכננת כחלק מן המתקן. החברה זכתה במכרז לפיתוח מתחם משולב בדרום, בהשקעה מתוכננת של עד 1.1 מיליארד דולר, על שטח של כ-50 אקרים. התוכנית כוללת מרכז נתונים בעל קיבולת צריכה של כ-100 מגה-ואט, לצד מתקן סולארי ומערכת אגירה [16]. תחנת קסם של קבוצת שמיר אנרגיה מייצגת את צדו האחר של הביקוש. מדובר בתחנת מחזור משולב המבוססת על גז טבעי, בהספק מתוכנן של כ־780 מגה-ואט [17], שאמורה להתחיל לפעול במחצית השנייה של 2029 [18]. אמנם קסם אינה מוקמת במיוחד עבור מרכזי נתונים, אך היא ממחישה את הצורך בהרחבת כושר הייצור הקונבנציונלי כדי לענות על הגידול הכולל בביקוש. הצבת אשלים וקסם זו לצד זו מדגימה היטב את הפרדוקס. מרכזי הנתונים מעודדים השקעות באנרגיה דלת פחמן ובאגירה, אך העומס שהם מייצרים מחזק גם את הכדאיות של תחנות גז גדולות. ככל שהקמת התשתיות הירוקות תפגר אחר הביקוש, כך תעמיק התלות בתשתית המאובנת שאמורה הייתה להצטמצם.

מכאן הצורך במדיניות שתתאם בין הרחבת חוות השרתים לבין הקמת התשתיות שיידרשו לפעילותן.

כשהביקוש הקדים את הרשת
בתחילת 2026 ביקשה המדינה להאיץ את הקמתן של חוות שרתים כחלק ממדיניות צמיחה. צוות בין-משרדי המליץ לכוון מתקנים לאזורים שבהם קיימת קיבולת, לקדם פארקי אנרגיה ייעודיים ולמנוע מבקשות לא בשלות לתפוס מקום ברשת [19]. בהמשך אישרה הממשלה את החלטה 3907, שנועדה לקדם חוות שרתים מתקדמות ולאפשר הכרה בחוות גדולות כתשתיות לאומיות [20]. אלא שהאצת התכנון לא יצרה את החשמל הדרוש להפעלתן. ביולי 2026 חשפה רשות החשמל את היקף הפער. בתוך כחודשיים הוגשו בקשות לחיבור חוות שרתים בהיקף של כ-19 אלף מגה-ואט, נוסף על כ-8,000 מגה-ואט של בקשות פתוחות. הביקוש המצטבר, כ-27 ג׳יגה-ואט, חורג באופן דרמטי מכושר הייצור וההולכה המתוכנן של ישראל לעשורים הקרובים. גם ההתחייבויות שכבר ניתנו מצמצמות את מרחב הטעות; לפי מנהל המערכת, התחייבויות אלה כבר ממצות את יכולת הייצור הזמינה לצורכי תכנון עד 2035 [21]. רשות החשמל הורתה לכן להקפיא ל-140 ימים את הטיפול בבקשות לחוות שרתים בהספק של 8 מגה-וולט-אמפר ומעלה, למעט פרויקטים שכבר קיבלו התחייבות חתומה. בתקופה זו אמורה המדינה לגבש כללים שימנעו שמירת מקום ספקולטיבית ויקבעו כיצד להקצות את קיבולת החיבור המוגבלת. ההקפאה מבטאת הכרה בכך שהחיבור לרשת הפך לצוואר בקבוק.

האסדרה החדשה תידרש לקבוע אילו פרויקטים בשלים דיים כדי לשריין קיבולת, ובאיזו מידה על היזמים לממן את חיזוק הרשת, תחנות המשנה ותוספת כושר הייצור הנדרשים עבורם. הטלת העלויות על הציבור תסבסד למעשה צרכני חשמל גדולים, ואולם הטלתן על היזמים עשויה לפגוע בתחרותיות. נוסף על כך תידרש המדינה להבחין בין מתקנים החיוניים למערכות ממשלתיות, רפואיות וביטחוניות לבין חוות מסחריות הפונות לשוק העולמי. לא כל בקשת חיבור מצדיקה אותה עדיפות, ולא כל השקעה פרטית מצדיקה מימון ציבורי של תשתית עודפת. השאלה נוגעת גם למקום שבו ישראל יכולה להפיק את הערך הרב ביותר מן המרוץ.

ישראל כספקית תשתיות AI
בסביבה חמה ומוגבלת במים, היכולת לפנות חום בלי להישען על אידוי עשויה לקבוע אם מרכז נתונים חדש יהיה בר-קיימא מבחינה תפעולית. חברת ZutaCore מפתחת מערכת דו-פאזית לקירור נוזלי ישיר לשבב, המבוססת על נוזל דיאלקטרי ולא על מים. החברה גייסה ביוני 2026 כ-100 מיליון דולר, בהשתתפות Mitsubishi Electric, Carrier Ventures ו-Samsung Ventures [22], למטרת קידום פתרונות לעומסי AI ולמחשוב עתיר ביצועים. בתחום הגיבוי, Phinergy משתפת פעולה עם Net Zero Innovation Hub for Data Centers בפרויקט הדגמה של מערכת אלומיניום-אוויר בהספק של כ-500 קילוואט ובקיבולת של כ-10 מגה-ואט-שעה [23]. המערכת תותקן כדי לבחון את התאמתה למרכזי נתונים בקנה מידה גדול, והצלחתה תהיה תלויה ביכולתה להתחרות בדיזל באמינות, במהירות ובעלות לאורך חיי המערכת. בתחום האגירה, Nostromo Energy פיתחה את IceBrick360, מערכת אגירה תרמית המיועדת למרכזי נתונים [24]. המערכת מקפיאה מים בשעות שבהן החשמל זמין או זול יותר, ומשתמשת בקור האגור כדי להפחית את צריכת מערכות הקירור בשעות השיא. יחד מצביעות הדוגמאות על תחום התמחות אפשרי: תשתיות מחשוב הפועלות בתנאי אקלים, רשת וביטחון מאתגרים.
המבחן הישראלי של המרוץ הירוק

ישראל אינה יכולה להוסיף כוח מחשוב במנותק מן המערכת הפיזית שנושאת אותו. החלטת רשות החשמל הפכה את העיקרון הזה ממסקנה תכנונית למגבלה מעשית: המסלול להקמת החוות התקדם מהר מן היכולת לחברן. המרוץ הישראלי יוכרע אפוא בשלוש זירות: בתכנון האנרגיה של המתקן, בחלוקת קיבולת הרשת ובטכנולוגיות שנולדות מן המחסור. אם שלושתן ינועו יחד, מגבלותיה של ישראל עשויות להפוך ליתרון. אם ימשיכו לנוע בנפרד, החזון ייעצר שוב בנקודת החיבור.