מניות שבבים ובינה מלאכותית: מי הן המרוויחות הסמויות מהטרנד

מניות שבבים ובינה מלאכותית: מי הן המרוויחות הסמויות מהטרנד TL;DR המהפכה של הבינה המלאכותית (AI) מונעת לא רק על ידי ענקיות השבבים כמו אנבידיה, אלא גם על ידי שורה של חברות קטנות ובינוניות הפועלות לאורך שרשרת האספקה כולה. חברות אלו, העוסקות בתכנון אלקטרוני, ייצור ציוד מיוחד, בדיקות ופתרונות קירור, מהוות את עמוד השדרה הטכנולוגי שמאפשר את פיתוח ופריסת שבבי AI, ומציגות פוטנציאל צמיחה משמעותי למשקיעים ארוכי טווח. הסבר פשוט כאשר מדברים על בינה מלאכותית ושבבים, הנטייה הראשונה היא לחשוב על חברות ענק כמו אנבידיה, אינטל או AMD. אלה הן אכן השחקניות המרכזיות שמפתחות את המעבדים החזקים ביותר, כמו יחידות עיבוד גרפיות (GPUs) או יחידות עיבוד עצביות (NPUs), שהכרחיות להרצת מודלי AI מורכבים. אולם, מאחורי כל שבב כזה עומדת תעשייה שלמה, מערכת אקולוגית מורכבת של חברות שכל אחת מהן ממלאת תפקיד קריטי. תארו לעצמכם שאתם רוצים לבנות בית. אתם צריכים אדריכל, קבלן ראשי, אבל גם נגר, חשמלאי, אינסטלטור, ספק מלט וברזל. כל אחד מהם חיוני להשלמת הפרויקט. בתעשיית השבבים, המצב דומה. אנבידיה היא אולי הקבלן הראשי והאדריכל במקרה הזה, אבל מי מייצר את המכונות שמייצרות את השבבים שלה? מי מספק את החומרים הגולמיים? מי בודק שהשבבים עובדים כמו שצריך? השוק של שבבי AI צומח בקצב מסחרר. על פי מחקרים שונים, הוא צפוי להגיע לשווי של מאות מיליארדי דולרים בעשור הקרוב. הצמיחה הזו לא נשארת רק בכיסן של ענקיות השבבים, אלא מחלחלת לכל רמות שרשרת האספקה. חברות קטנות יותר, המתמחות בנישות ספציפיות, מוצאות את עצמן עם ביקוש הולך וגובר למוצריהן ושירותיהן. אלה יכולות להיות חברות שמפתחות תוכנות לתכנון שבבים (EDA), יצרניות ציוד ליתוגרפיה, ספקיות מצעי סיליקון, חברות לבדיקת שבבים, ואף חברות שמפתחות פתרונות קירור מתקדמים למרכזי נתונים עתירי AI. ההשקעה בחברות הללו, שמכונות לעיתים "מרוויחות סמויות" או "שחקניות תשתית", יכולה להציע יחס סיכון-סיכוי אטרקטיבי, שכן הן נהנות מצמיחת הענף ללא התחרות הישירה מול הענקיות ועם פוטנציאל להפוך לשחקניות מפתח בתחומן. דוגמה ישראלית קונקרטית ישראל, הידועה כ"אומת הסטארט-אפ", תורמת רבות לתעשיית השבבים והבינה המלאכותית, לא רק בתחום הפיתוח האלגוריתמי אלא גם בתחום החומרה. אחת הדוגמאות הבולטות היא חברת קמטק (Camtek) , הנסחרת בנאסד"ק (סימול: CAMT) ובתל אביב. קמטק אינה מייצרת שבבי AI בעצמה, אלא מספקת ציוד בדיקה ואופטימיזציה קריטי לתהליך הייצור.

כאשר מייצרים שבבים, ובוודאי שבבים מורכבים כמו אלה המשמשים ל-AI, כל פגם קטן יכול להשבית שבב שלם או להפחית משמעותית את ביצועיו. קמטק מייצרת מערכות בדיקה אופטיות אוטומטיות (AOI) ומערכות מדידה, המשמשות לבדיקת פרוסות סיליקון (Wafer) לפני חיתוכן לשבבים בודדים, וכן לבדיקת שבבים ארוזים (Packaging). הציוד של קמטק מסייע ליצרניות השבבים לזהות פגמים זעירים, להבטיח את איכות המוצרים ולשפר את התפוקה. נניח לדוגמה, יצרנית שבבי AI גדולה כמו TSMC, המייצרת רכיבים עבור אנבידיה, מקבלת הזמנה לייצר מיליון שבבי AI חדשים. תהליך הייצור במפעלי ה-Foundry הוא מורכב ויקר להחריד. כל פרוסת סיליקון מכילה אלפי שבבים, וכל טעות בתהליך הייצור יכולה לעלות מיליוני דולרים. TSMC משתמשת בציוד של קמטק כדי לבדוק כל פרוסה וכל שבב, עוד לפני שהם יוצאים מהמפעל. אם קמטק מספקת מערכת בדיקה בעלות של 2 מיליון דולר, שתורמת להעלאת התשואה (Yield) ב-1% בלבד בייצור של מיליון שבבים, כאשר כל שבב נמכר ב-1,000 דולר, החיסכון ליצרנית הוא עצום. חישוב החיסכון: עלות שבב בודד: 1,000 ש"ח (לצורך הדוגמה, במציאות המחירים משתנים). מספר שבבים בפרוסה: נניח 1,000 שבבים. מספר פרוסות לייצור מיליון שבבים: 1,000,000 שבבים / 1,000 שבבים לפרוסה = 1,000 פרוסות. עלות כוללת של הייצור (ללא בדיקה): 1,000,000 שבבים 1,000 ש"ח/שבב = 1 מיליארד ש"ח. אם אחוז התשואה (שבבים תקינים מתוך כלל המיוצרים) עולה ב-1% בזכות ציוד הבדיקה של קמטק, המשמעות היא עוד 10,000 שבבים תקינים (1,000,000 0.01). ההכנסה הנוספת ליצרנית השבבים: 10,000 שבבים 1,000 ש"ח/שבב = 10 מיליון ש"ח. החיסכון הזה, שמגיע מציוד בדיקה בעלות יחסית נמוכה של 2 מיליון דולר (כ-7.5 מיליון ש"ח), ממחיש את הערך העצום שחברות כמו קמטק מביאות לתעשייה. זוהי דוגמה קלאסית לחברה שנמצאת עמוק בשרשרת האספקה, נהנית מכל גידול בביקוש לשבבים, מבלי להיות מותג מוכר לצרכן הסופי. קמטק היא רק אחת מני רבות, וקיימות חברות ישראליות נוספות בתחומים משיקים, כמו למשל נובה (Nova Measuring Instruments) , העוסקת גם היא בציוד לבקרת תהליכי ייצור שבבים. חברות אלו נהנות באופן ישיר מהשקעות עתק בייצור שבבים, כולל שבבי AI, ומהוות עמוד תווך קריטי בתעשייה, מה שהופך אותן למועמדות מעניינות עבור משקיעים המחפשים חשיפה לטרנד ה-AI מעבר לשמות הגדולים. למידע נוסף על חברות ישראליות בתחום הטכנולוגיה ושוק ההון, ניתן לבקר במרכז הידע של מכללת סקילס. טבלת השוואה: שחקניות מפתח בשרשרת אספקת השבבים ל-AI שלב בשרשרת האספקה תיאור התפקיד דוגמאות לחברות גלובליות דוגמאות לחברות ישראליות חשיבות ל-AI :------------------ :---------- :--------------------- :---------------------- :---------- תכנון שבבים (EDA) פיתוח תוכנות וכלי תכנון המאפשרים למתכנני שבבים לתכנן, לדמות ולאמת מעגלים משולבים מורכבים. Synopsys, Cadence Design Systems, Ansys אין חברות EDA ישראליות משמעותיות בתחום הכלים הכלליים, אך יש סטארט-אפים בתחומים ספציפיים.

חיוני ליצירת ארכיטקטורות שבבי AI חדשניות וייעול ביצועים. חומרים גולמיים אספקת חומרים בסיסיים כמו פרוסות סיליקון (Wafer), גזים מיוחדים, כימיקלים ומתכות נדירות. Shin-Etsu Chemical, Sumco, Applied Materials (ציוד) למשל, חברות המספקות גזים תעשייתיים שמשמשים בייצור (למשל, לינדה גז). איכות החומרים משפיעה ישירות על ביצועי השבבים. ציוד ייצור (Foundry Equipment) ייצור מכונות מתקדמות לתהליכי ליתוגרפיה, איכול, ציפוי, טיפול בחום ועוד. ASML, Applied Materials, Lam Research, KLA קמטק, נובה מכשירי מדידה (ציוד בדיקה). המכונות הללו מאפשרות לייצר שבבים קטנים, מהירים ויעילים יותר, מה שקריטי לשבבי AI. ייצור שבבים (Foundry) ייצור בפועל של השבבים על בסיס תוכניות תכנון של חברות אחרות (Fabless). TSMC, Samsung Foundry, Intel Foundry Services אין יצרניות אלו הן הלב הפועם של תעשיית השבבים, ומייצרות את רוב שבבי ה-AI בעולם. בדיקה ואריזה (ATMP) בדיקת השבבים לאחר הייצור (Testing) והשלב הסופי של אריזתם (Packaging) לפני שילובם במוצרים. ASE Technology Holding, Amkor Technology, Teradyne קמטק, נובה מכשירי מדידה. הבטחת איכות ותפקוד תקין של שבבי AI, והכנתם לשילוב במוצרים. פתרונות קירור ותשתית פיתוח וייצור מערכות קירור למרכזי נתונים, ציוד חשמלי ותשתיות מחשוב תומכות. Vertiv, Eaton, Emerson Electric לדוגמה, חברת צ׳ילר תעשיות (פתרונות קירור תעשייתיים). שבבי AI פולטים חום רב; קירור יעיל חיוני לתפעול יציב ולמניעת כשלים. תוכנות ופלטפורמות AI פיתוח תוכנות, ספריות, מודלים ופלטפורמות המאפשרות שימוש בשבבי AI. Nvidia (CUDA), Google (TensorFlow), Microsoft (Azure AI) Mobileye, Habana Labs (נרכשה ע"י אינטל), Anodot. ממקסם את הפוטנציאל של שבבי AI ומאפשר יישומים חדשניים. טעויות נפוצות 1. התמקדות בלעדית בענקיות: טעות נפוצה היא להניח שרק חברות כמו אנבידיה, אינטל או AMD ירוויחו מהצמיחה של AI. אמנם הן שחקניות מפתח, אך התעלמות משרשרת האספקה הרחבה מפספסת הזדמנויות השקעה רבות בחברות הצומחות במהירות מאחורי הקלעים.

משקיעים רבים ממהרים לרכוש מניות של חברות הדגל, אך לעיתים קרובות מרווחיות גבוהה יותר ופוטנציאל צמיחה מפתיע טמונים בחברות התשתית. 2. חוסר הבנה של התהליך: משקיעים רבים אינם מבינים את המורכבות של ייצור שבב בודד. הם רואים את המוצר הסופי, אך לא את אלפי השלבים, המכונות והחומרים הנדרשים לייצורו. הבנה בסיסית של שרשרת האספקה מאפשרת זיהוי טוב יותר של החברות הקריטיות שבלעדיהן תעשיית השבבים לא יכולה להתקיים. זהו יתרון משמעותי בניתוח השקעות לטווח ארוך. 3. הערכת חסר לחשיבות הקירור והתשתית: שבבי AI, במיוחד אלה המשמשים במרכזי נתונים, פולטים כמויות אדירות של חום וצורכים כוח רב. משקיעים נוטים להתעלם מחברות המספקות פתרונות קירור, ניהול אנרגיה ותשתיות תומכות. אלה הן עמוד השדרה הפיזי המאפשר למנועי ה-AI לפעול ביעילות ובאופן אמין, והשוק שלהן צומח בהתמדה. 4. התעלמות מהסיכונים הגיאופוליטיים: תעשיית השבבים רגישה מאוד למתחים גיאופוליטיים, במיוחד בין ארה"ב לסין. סנקציות, מגבלות יצוא ושינויים במדיניות הסחר יכולים להשפיע באופן דרמלי על חברות מסוימות בשרשרת האספקה. משקיעים צריכים להיות מודעים לסיכונים אלה ולבחון את חשיפת החברות השונות לאזורים רגישים. 5. התמקדות בנתוני עבר בלבד: שוק השבבים וה-AI מתפתח בקצב מסחרר. מה שהיה רלוונטי לפני שנה עשוי להיות מיושן היום. הסתמכות יתר על נתוני עבר בלבד, ללא בחינה של חדשנות טכנולוגית עתידית, מגמות שוק ופיתוחים חדשים, עלולה להוביל להחלטות השקעה שגויות. חשוב להבין את הכיוונים העתידיים של ענף השבבים, לרבות פיתוחי חומרים חדשים וארכיטקטורות עיבוד מתקדמות. 6. השקעה ללא הבנה מעמיקה של המודל העסקי: כל חברה בשרשרת האספקה פועלת במודל עסקי שונה.

יש חברות Fabless (ללא ייצור), יש יצרניות ציוד, יש יצרניות חומרים. הבנה מעמיקה של המודל העסקי של כל חברה, מקורות ההכנסה שלה, יתרונותיה התחרותיים והחסמים לכניסה לשוק שלה, היא קריטית להערכת פוטנציאל ההשקעה. למשל, חברות כמו ASML נהנות ממונופול כמעט מוחלט בטכנולוגיות מסוימות, מה שמקנה להן כוח תמחור אדיר. הבנה זו מאפשרת זיהוי "חפיר כלכלי" לחברות מסוימות. שאלות ותשובות (FAQ) מה ההבדל בין חברת שבבים "רגילה" לחברת "מרוויחה סמויה" מה-AI? חברת שבבים "רגילה" כמו אנבידיה מתכננת ומפתחת את שבבי הליבה ל-AI. חברה "מרוויחה סמויה" היא לרוב חברה תשתיתית בשרשרת האספקה, המספקת שירותים, ציוד או חומרים חיוניים לייצור או לתפעול שבבי AI, מבלי להיות היצרנית הישירה. האם חברות תשתית בשרשרת האספקה בטוחות יותר להשקעה מחברות השבבים הגדולות? לא בהכרח "בטוחות יותר", אך הן מציעות פרופיל סיכון-סיכוי שונה. הן פחות חשופות לתחרות ישירה על שבבי הליבה ויכולות ליהנות מביקוש יציב למוצריהן ושירותיהן, אך גם הן חשופות לשינויים טכנולוגיים ולתנודות במחזוריות תעשיית השבבים. יתרונן הוא בדרך כלל בהיותן מונופולים קטנים או בעלות יתרון טכנולוגי משמעותי בתחום נישתי. כיצד משקיע קטן יכול לזהות חברות כאלה? זיהוי חברות כאלה דורש מחקר מעמיק של שרשרת האספקה, קריאת דוחות חברות, מעקב אחר פרסומים בתעשייה ובחינת חברות קטנות ובינוניות הנסחרות בבורסה. כדאי להתמקד בחברות בעלות יתרון תחרותי ברור, טכנולוגיה ייחודית או דומיננטיות בנישה מסוימת. ניתן להיעזר גם בהדרכה חינמית של מכללת סקילס כדי ללמוד כיצד לבצע מחקר מסוג זה. אילו סיכונים קיימים בהשקעה בחברות קטנות יותר בשרשרת האספקה? הסיכונים כוללים תנודתיות גבוהה יותר במחיר המניה, חשיפה גבוהה יותר ללקוחות בודדים, יכולת מוגבלת לגוון את מקורות ההכנסה, וחוסר יציבות פוטנציאלי במחזורי תעשיית השבבים. ייתכן גם שקשה יותר למצוא מידע מקיף עליהן בהשוואה לענקיות הטכנולוגיה. האם יש חברות ישראליות נוספות שניתן לראות בהן "מרוויחות סמויות" מה-AI? בהחלט. מעבר לקמטק ונובה בתחום ציוד הבדיקה, ישנן חברות ישראליות רבות בתחומים כמו פיתוח תוכנה, סייבר לתעשייה, פתרונות תקשורת ואחסון נתונים, וכן סטארט-אפים בתחום ה-Deep Tech המפתחים טכנולוגיות חדשניות שיכולות לשרת את תעשיית ה-AI בעתיד.

חברות אלו נהנות באופן עקיף מהצמיחה המואצת של התחום. איך משפיעה רגולציה על חברות אלו? רגולציה ממשלתית, כמו למשל הגבלות יצוא של טכנולוגיות מסוימות לסין שהוטלו על ידי ממשל הנשיא דונלד טראמפ, יכולה להשפיע באופן עמוק על חברות בשרשרת האספקה. חברות עם תלות גבוהה בשווקים מסוימים או בטכנולוגיות מוגבלות עלולות לספוג פגיעה משמעותית. חשוב לבחון את חשיפת החברות לסיכונים רגולטוריים. מהו הטווח הארוך של השקעה בחברות שבבים ותשתית AI? השקעה לטווח ארוך בתחום זה מבוססת על ההנחה כי הבינה המלאכותית היא טרנד טכנולוגי שרק הולך ומתפתח, וכי הביקוש לשבבים ולתשתיות תומכות רק ילך ויגבר. חברות עם יתרונות תחרותיים חזקים, חדשנות טכנולוגית מתמשכת ומעמד מפתח בשרשרת האספקה יכולות להציג צמיחה משמעותית לאורך שנים. חשוב לבצע מחקר מעמיק לפני כל השקעה, ומומלץ לבחון את המסלולים המקצועיים שמכללת סקילס מציעה כדי להרחיב את הידע. מסקנה חד משמעית ההשקעה בבינה מלאכותית אינה מסתכמת ברכישת מניות של אנבידיה ושותפותיה המובילות. כדי לנצל את מלוא הפוטנציאל של הטרנד הטכנולוגי העצום הזה, יש להרחיב את המבט ולזהות את החברות הקריטיות הפועלות בצל, לאורך כל שרשרת האספקה של שבבי ה-AI. חברות אלו, המספקות את הכלים, החומרים, הבדיקות והתשתיות, מהוות את עמוד השדרה של התעשייה ומציגות פוטנציאל צמיחה משמעותי ואטרקטיבי עבור משקיעים ארוכי טווח. הבנה מעמיקה של המודלים העסקיים שלהן, החדשנות הטכנולוגית שהן מביאות והאתגרים הגיאופוליטיים שהן ניצבות בפניהם, היא המפתח לזיהוי הזדמנויות השקעה מבטיחות מעבר לכותרות הראשיות. ההזדמנות להבין ולהשקיע בחברות אלו דורשת ידע וכלים מתאימים. הצטרפו כעת להדרכה החינמית של מכללת סקילס כדי ללמוד כיצד לנתח חברות, לזהות טרנדים ולהפוך למשקיעים טובים יותר. השאירו פרטים עוד היום וצאו לדרך של למידה והתפתחות פיננסית. הצעד הבא אם הנושא הזה מעניין אותך והגעת עד לכאן, הזמן להפוך את הידע לפעולה. הצטרפו להדרכה החינמית של מכללת סקילס והשאירו פרטים כדי לקבל גישה למסלול הלימוד המלא. למידע נוסף אפשר לעיין גם במרכז הידע. סקירה זו נכתבה בסיוע מערכת בינה מלאכותית של מכללת סקילס. כל המידע חינוכי בלבד ואינו מהווה ייעוץ השקעות.