בשנים האחרונות התרגלנו לשמוע על מיליארדים של השקעות הוניות (Capex).
עכשיו, גולדמן זאקס (GS) כבר מדבר על טריליונים.
שני דוחות שפרסם לאחרונה הבנק האמריקאי, מציגים תמונת עולם שבה תשתית הבינה המלאכותית, שבבים, מרכזי נתונים ואנרגיה, הופכות למנועי ההשקעה הגדולים בהיסטוריה הכלכלית של האנושות.
הנקודה הקריטית שגולדמן זאקס מעלה אינה רק האם הביקוש יצדיק את ההוצאה, אלא שגודל ההוצאה עצמה אינו מספר קבוע. הוא תלוי בסט קטן של הנחות, ושינוי בכל אחת מהן יכול להזיז את הסכום הכולל בסדרי גודל של מאות מיליארדי דולרים.
7.6 טריליון דולר בשש שנים
המודל הבסיסי של גולדמן זאקס, שמבוסס על תחזיות המכירות העתידיות של (NVIDIA (NVDA בוול סטריט, מצביע על הוצאות הון מצטברות של כ-7.6 טריליון דולר בתחום תשתיות ה-AI בין 2026 ל-2031.
בשנת 2026 לבדה מדובר ב-765 מיליארד דולר, וב-2031 הנתון השנתי צפוי לעלות ל-1.6 טריליון דולר.
ההוצאה מתחלקת לשלושה אשכולות מרכזיים, מחשוב (compute), בעיקר שבבים מאיצים כמו GPU שהם הלב של כל מערכת AI, מרכזי נתונים ואנרגיה.
מבין השלושה, תחום המחשוב הוא הגדול ביותר, כ-5.1 טריליון דולר מתוך הסכום הכולל.
מרכזי הנתונים צפויים לספוג עוד 2.1 טריליון דולר, והאנרגיה, שלכאורה נשמעת כמו רכיב משני, צפויה להגיע ל-358 מיליארד דולר.
חשוב להבין שהנתונים הללו אינם תחזית כלכלית להכנסות, אלא הערכה של צד ההיצע, כלומר כמה הון יידרש כדי לבנות את המנגנון הפיזי שעליו רצה הבינה המלאכותית.
בתמונה ניתן לראות את תחזית הוצאות ההון השנתיות על תשתיות AI בין 2026 ל-2031, בחלוקה לשלושה רכיבים מרכזיים, מחשוב ושבבים, מרכזי נתונים וחשמל.
מקור: GoldmanSachs
ההנחה הראשונה, אורך החיים של השבב הוא המשתנה המשפיע ביותר
אם יש משתנה אחד שגולדמן זאקס מציין כבעל השפעה גדולה יותר מכל משתנה אחר על הסכום הסופי, זהו אורך החיים הכלכלי של שבבי ה-AI.
בניגוד למרכזי נתונים, שמופחתים על פני 15-20 שנה, ולתשתיות חשמל שנמשכות 25 שנה ומעלה, שבב GPU נחשב כיום לנכס עם חיים כלכליים של ארבע עד שש שנים בממוצע.
הסיבה לטווח הזמן הקצר היא כפולה.
מצד אחד, קיימת שחיקה פיזית.
מצד שני, וחשוב יותר, קיימת התיישנות כלכלית.
כל דור חדש של שבבים מספק יכולות טובות משמעותית ביחס לעלות, ולכן השבב הישן מאבד את כדאיות השימוש בו עוד לפני שהוא מאבד את התפקוד הפיזי שלו.
הבעיה היא ש-NVIDIA משחררת ארכיטקטורות חדשות בקצב שנתי, וכל דור מביא קפיצה שאינה רק הדרגתית, אלא אקספוננציאלית. לכן, לוחות הפחת המקובלים עלולים להפוך למיושנים ביחס למציאות הכלכלית בשטח.
גולדמן זאקס ממחישים את ההשפעה המספרית בצורה חדה. אם ממוצע אורך החיים ינוע בין 3-7 שנים, סך ההפחתה השנתית על המחשוב בשנת 2031 לבדה יכול לנוע בין 728 מיליארד דולר ל-1.045 טריליון דולר.
כלומר, פער של יותר מ-300 מיליארד דולר בשנה אחת בלבד, בגלל הנחה אחת.
מה שמסבך עוד יותר את התמונה הוא תופעה מעניינת. שבבים ישנים כמו A100 ו-H100 ממשיכים להיות מושכרים במחירים גבוהים מאוד.
הדבר מרמז שייתכן שקיים ביקוש אמיתי למחשוב מדרגה שנייה, לסקריפטים פחות תובעניים, להסקות בשולי הרשת ולמחשוב בשווקים מתעוררים.
אם המגמה הזו תתחזק, אורך החיים הכלכלי בפועל עשוי להיות ארוך מהמקובל.
במקרה כזה, גם קצב החלפת השבבים יאט, והיקף ההשקעה הכולל עשוי לרדת.
בתמונה ניתן לראות את אורך החיים הכלכלי של שבבי ה-AI.
אם השבבים מחזיקים 3 שנים, סך הוצאות ההון הם 5.1 טריליון דולר.
אם השבבים מחזיקים 7 שנים, סך הוצאות ההון יורד ל2.2 טריליון דולר.
פער של כמעט 3 טריליון דולר רק בגלל שינוי בהנחת חיי השבב!
מקור: GoldmanSachs
ההנחה השנייה, עלות בניית מרכזי הנתונים של הדור הבא
עידן ה-AI שינה את הפרופיל של מרכז הנתונים מקצה לקצה.
מרכז ענן קלאסי מהעשור הקודם פעל עם צפיפות הספק של 5-15 קילו וואט, ועלות הבנייה שלו עמדה על כ-10 מיליון דולר למגה וואט.
לעומת זאת, מרכז הנתונים המתקדם של עידן ה-AI, שמריץ אשכולות GPU של מאות אלפי שבבים, פועל כיום עם 130-200 קילו וואט, ועלותו הנוכחית עומדת על 15-20 מיליון דולר למגה וואט.
לכך מתווסף גם סיכון מעלה, ככל שדרישות הצפיפות ממשיכות לטפס.
מפעל ה-AI של העתיד, כפי שמתארת NVIDIA, צפוי לדרוש מעל 500 קילו וואט ומיליוני שבבים.
במילים אחרות, מרכז הנתונים הופך מבניין טכנולוגי למתקן תעשייתי מלא.
התוצאה הפיננסית משמעותית מאוד, שינוי של 4 מיליון דולר בלבד בעלות למגה וואט מתורגם, בהיקפי הבנייה הנוכחיים, לכדי מאות מיליארדי דולרים נוספים בהוצאות הכוללות לאורך שש שנים.
גולדמן זאקס מראים שבתרחיש של 19 מיליון דולר למגה וואט, במקום 15 מיליון דולר, סך הוצאות מרכזי הנתונים בלבד עולה ב-573 מיליארד דולר לעומת תרחיש הבסיס.
בנוסף, קיים גם ממד של סיכון ייצור, מרכזי נתונים שנבנו לפני שנתיים כבר מסתמנים כלא מספקים עבור דור שבבי ה-Rubin/Feynman הבא.
המשמעות היא שגם נכסים שנחשבים ארוכי חיים מבחינה כלכלית עלולים להתיישן הרבה לפני הצפוי.
ככל שמרכזי הנתונים של עידן ה-AI הופכים לצפופים, יקרים ומורכבים יותר, כך נוצר ביקוש לחברות שמסוגלות לבנות קיבולת מחשוב ייעודית ולא רק למכור שבבים.
כאן נכנסות חברות כמו (Nebius (NBIS ו-(CoreWeave (CRWV, שבונות שכבת ענן AI עם אשכולות GPU, תוכנה, חוזים ארוכי טווח וקיבולת שמיועדת לאימון והסקה של מודלים.
הן נהנות מהעובדה שענקיות הטכנולוגיה ולקוחות AI צריכים עוד מחשוב, אבל לא תמיד מצליחים לבנות אותו מספיק מהר בעצמם.
לצידן, גם (Applied Digital (APLD מתחברת להנחה הזו, משום שהיא בונה קמפוסים ייעודיים לדאטה סנטרים של AI.
כלומר, היא לא רק נהנית מהביקוש למחשוב, אלא גם מהעלייה בהיקף הבנייה הפיזית של מרכזי נתונים.
ככל שכל מגה וואט של קיבולת AI דורש יותר קרקע, חשמל, תכנון, קירור ותשתיות, כך חברות שמסוגלות להקים קמפוסים כאלה הופכות לרלוונטיות יותר.
בתמונה ניתן לראות את האבולוציה של מרכזי הנתונים, מצפיפות נמוכה וקירור אוויר ל-500+ קילו וואט וקירור נוזלי.
השינוי הזה מייקר משמעותית כל מגה-וואט ומוסיף מאות מיליארדים להשקעה הכוללת.
מקור: GoldmanSachs
ההנחה השלישית, מיקס ארכיטקטורות השבבים - GPU מול ASIC
כיום, NVIDIA שולטת בשוק ה-GPU לצורכי AI, עם שולי רווח גולמי של כ-75% על מכירות Data Center. הנתון הזה מאפשר לה לייצר רווחיות חריגה על כל שבב שנמכר, והוא גם מסביר למה השאלה סביב מעבר אפשרי לשבבים ייעודיים הפכה לאחת השאלות החשובות ביותר בשוק.
עם זאת, שחקניות כמו גוגל עם שבבי ה-TPU, אמזון עם Trainium, מייקרוסופט עם Inferentia וחברות נוספות, מפתחות שבבים ייעודיים מסוג ASIC, כלומר מעגלים משולבים שמותאמים לאפליקציה או לעומס עבודה מסוים.
שבבים כאלה לא נועדו להחליף את כל שוק ה-GPU, אלא לתת מענה יעיל יותר למשימות ספציפיות.
בחלק מהיישומים הם יכולים לייצר יחס טוב יותר בין ביצועים לעלות, ולכן הם עשויים להפוך לחלק משמעותי יותר מתשתיות ה-AI בשנים הקרובות.
השאלה שגולדמן זאקס שואלים היא האם מעבר רחב יותר ל-ASIC יקטין את סך ההשקעה בתשתיות AI, או שפשוט ישנה את זהות החברות שנהנות מההשקעה.
התשובה תלויה באלסטיות הביקוש. אם הביקוש למחשוב הוא ביקוש מתרחב, כלומר מחשוב זול יותר יפתח שימושים חדשים, עומסי עבודה נוספים וקיבולת רחבה יותר, אז מעבר ל-ASIC לא בהכרח יקטין את הסכום הכולל שמושקע בתשתיות AI. הוא בעיקר ישנה את חלוקת הרווחים בתוך שרשרת הערך.
לעומת זאת, אם הביקוש קשיח, כלומר ארגונים בונים לכמות מחשוב מוגדרת ולא ינצלו את הירידה בעלויות כדי להתרחב, אז שבבים זולים יותר עלולים לשחוק ישירות את סך ההשקעה הכולל.
גולדמן זאקס מאמץ את תרחיש הביקוש המתרחב כתרחיש הבסיס, כלומר הוא מניח שהביקוש למחשוב ימשיך לגדול ככל שעלות המחשוב תרד. זו הנחה הגיונית, משום שככל שהמחשוב נעשה זול ונגיש יותר, כך נפתחים יותר שימושים, יותר מודלים, יותר יישומים ויותר לקוחות שיכולים להרשות לעצמם לצרוך AI בהיקפים גדולים יותר.
לכן, מיקס השבבים משפיע בעיקר על השאלה מי ירוויח מההוצאה, ולא בהכרח על גודל העוגה הכוללת.
בתוך התמונה הזו, המעבר האפשרי בין GPU ל-ASIC לא בהכרח פוגע בכל שרשרת הערך, אלא משנה מי נהנה מהביקוש למחשוב.
לצד חברות השבבים עצמן, יש גם חברות ענן AI כמו (Nebius (NBIS ו-(CoreWeave (CRWV שיכולות ליהנות מתרחיש שבו הביקוש למחשוב ממשיך להתרחב, גם אם סוג השבב משתנה לאורך זמן.
הסיבה היא שהן מוכרות קיבולת מחשוב ושירותי AI, ולא רק חשיפה ישירה לסוג שבב אחד.
אם מחשוב זול ויעיל יותר יפתח עוד שימושים, עוד מפתחים ועוד עומסי עבודה, חברות שמחזיקות תשתית מחשוב זמינה יכולות להמשיך ליהנות מהביקוש.
במילים פשוטות, הוויכוח GPU מול ASIC הוא לא רק שאלה טכנולוגית, זו שאלה של חלוקת רווחים.
אם הביקוש ל-AI ימשיך להתרחב, המעבר לשבבים ייעודיים לא בהכרח יפגע בגודל ההשקעה הכוללת, אלא יפתח יותר מקום לשחקניות נוספות ליהנות מהגל.
ההנחה הרביעית, האטה בגלל צווארי בקבוק פיזיים ומוסדיים
גולדמן זאקס מגדירים האטה כפער הולך וגדל בין התחייבות הון לבין הכנסת קיבולת בפועל לאוויר.
צווארי הבקבוק הם ממשיים. תורים לחיבור לרשת החשמל שנמשכים שנים, תהליכי רישוי ברמה המדינתית והפדרלית, מחסור בעובדים מיומנים, וזמני אספקה ארוכים של ציוד קריטי כמו שנאים, ציוד מיתוג ומערכות קירור.
בתרחיש הבסיס, האטה כזו לא מקטינה את ההשקעה הכוללת. היא פשוט מפזרת אותה על פני טווח זמן ארוך יותר, ומוסיפה עלויות כפולות בגלל פתרונות עוקפים, כמו ייצור חשמל פרטי.
הסיכון האמיתי מגיע אם ההאטה הופכת לכרונית ומשמעותית מספיק כדי לפגוע בסנטימנט ההשקעה.
כאשר פרויקטים נתקעים לאורך זמן, תשומת הלב עוברת מהצד ההיצע לצד הביקוש. האם החזר ההשקעה (ROI) יצדיק את ההמתנה?
ברגע שהספקות האלה מתחילים להצטבר, אפשר לראות גל של דחיות ו/או ביטולים.
כאשר צווארי הבקבוק המרכזיים הם חשמל, קרקע, חיבור לרשת, זמני הקמה וקיבולת פיזית זמינה, חברות שמחזיקות כבר נכסי אנרגיה ותשתית הופכות לרלוונטיות במיוחד.
כאן נכנסות (IREN, Cipher Mining (CIFR ו-(TeraWulf (WULF.
שלושתן מגיעות בחלקן מעולמות הכרייה הדיגיטלית, אבל הערך שלהן בעידן ה-AI נובע מהיכולת להפוך חשמל, קרקע וחיבורי רשת לקיבולת מחשוב.
במילים פשוטות, אם השוק סובל ממחסור בחשמל זמין לדאטה סנטרים, מי שכבר מחזיק תשתית פיזית כזו יכול להפוך לשחקן חשוב יותר.
גם APLD מתאימה כמובן, היא נהנית לא רק מהצורך לבנות דאטה סנטרים, אלא גם מהמחסור בקיבולת זמינה אצל ענקיות הענן.
אם פרויקטים נתקעים בגלל רישוי, חשמל או זמני הקמה, חברות שכבר מקדמות קמפוסים ייעודיים ויכולות לספק קיבולת חתומה מראש הופכות לאטרקטיביות יותר עבור לקוחות שמחפשים פתרון מהיר יחסית.
בתמונה ניתן לראות את כל שרשרת הערך של מרכז נתונים מודרני.
שכבת המחשוב, רשתות התקשורת, תשתיות החשמל, מערכות הקירור, ארונות השרתים, הנדל״ן, הבנייה והתוכנה שמפעילה את המערכת.
כמו שרשמתי לכם כאן כמה פעמים, מהפכת ה-AI לא נשענת רק על שבבים, אלא על תשתית פיזית שלמה שבה כל צוואר בקבוק יכול להפוך להזדמנות עסקית עבור חברות ציבוריות שונות.
מקור: Dhaval
מהפכת ה-AI כבר לא רק סיפור עתידי, היא מייצרת הכנסות בפועל
אחת הטענות החשובות שעולות מהדוחות של גולדמן זאקס היא שאנחנו כבר מעבר לשלב ההייפ.
7 המופלאות כבר החלו לתרגם את ההשקעות העצומות שלהן לתזרים מזומנים מוחשי, כאשר אנבידיה היא הדוגמה המובהקת ביותר.
הכנסות ה-Data Center שלה זינקו מ-47 מיליארד דולר בשנת הכספים 2024 לכ-115 מיליארד דולר ב-2025. מדובר בקפיצה של למעלה מ-140% בשנה אחת.
(Microsoft (MSFT דיווחה שהענן שלה (Azure) צומח בקצב של 33% ב-2025, ונציגי החברה ציינו שה-AI הוא מנוע הצמיחה המרכזי של המוצר.
(Alphabet (GOOG ממנפת AI בשני כיוונים.
בצד המוצר, דרך Gemini ו-Google Search
בצד התשתית, דרך TPU chips ו-Google Cloud.
(Amazon (AMZN מדווחת על צמיחה של למעלה מ-17% ב-AWS, כאשר שירותי ה-AI, כמו Bedrock ו- SageMaker (שירותי AI בתוך ה-AWS), מוצגים כמגזר עם הצמיחה הגבוהה ביותר.
Meta לא מוכרת AI ישירות, אלא ממנפת אותו לאופטימיזציה של פרסום.
אבל, ה-ROI כבר ניכר, הכנסות הפרסום צמחו ב-33% ברבעון הראשון של 2026 לעומת הרבעון הראשון של 2025!
המסקנה המתבקשת היא שאנחנו לא נמצאים בשלב שבו ייתכן שה-AI ישתלם, אנחנו כבר בשלב שבו הוא משתלם בפועל ושאלת ההתמכרות אליו רק הולכת ומעמיקה.
האנרגיה, צוואר הבקבוק האמיתי של מהפכת ה-AI
אם הדוחות של גולדמן זאקס מלמדים אותנו דבר אחד בבהירות מוחלטת, הוא שהמגבלה הקריטית של מהפכת ה-AI אינה הון, אלא חשמל.
מרכז נתונים ממוצע של 250 מגה ואט עולה כ-12 מיליארד דולר, כולל ציוד.
את הסכום הזה שוק ההון יודע לגייס, אבל לחבר את אותו מרכז לרשת החשמל? זה כבר הסיפור האמיתי.
תורי החיבור לרשת החשמל בארה"ב נמשכים שנים. תשתיות של צינורות גז טבעי דורשות 5-7 שנים להקמה, ואנרגיות מתחדשות כמו סולארי ורוח אינן מתאימות לביקוש 24/7 שנדרש ממרכזי נתונים.
ה-hyperscalers כבר מגיבים, במטרה להנות מכך.
מייקרוסופט חתמה על הסכם PPA של 20 שנה (הסכם רכישת חשמל ארוך טווח) עם CEG להפעלה מחדש של כור גרעיני.
Alphabet מתקשרת עם Elementl Power לצורך מיקום מוקדם של אתרים גרעיניים.
Meta בונה שותפות עם (Entergy (ETR לפיתוח תשתיות ייצור והולכה ייעודיות.
גולדמן זאקס מוסיפים שצפויה השקעה של מעל 700 מיליארד דולר ברשת החשמל האמריקאית עד 2030, וש-60% מגידול הביקוש של מרכזי הנתונים עד 2030 יידרש להגיע מקיבולת חדשה שעדיין לא קיימת.
מה זה אומר למשקיע
מהפכת ה-AI כבר אינה רק סיפור על מודלים, אפליקציות או חברות תוכנה.
היא הופכת בהדרגה לסיפור תשתיתי רחב הרבה יותר, שמחבר בין שבבים, מרכזי נתונים, חשמל, נדל"ן, מימון ושרשראות אספקה.
ככל שהביקוש למחשוב ממשיך לעלות, כך גם גדלה החשיבות של מי שמספק את שכבות הבסיס שעליהן המהפכה הזו נשענת.
עבור משקיעים, המשמעות היא שההזדמנות אינה נמצאת רק בחברות שמפתחות את מודלי ה-AI עצמם, אלא גם בחברות שמאפשרות את קיומם בפועל, יצרניות שבבים, ספקיות ציוד תשתית, חברות חשמל, מפעילות מרכזי נתונים, חברות קירור, חברות מימון ותשתיות אנרגיה.
לצד ההזדמנות, חשוב לזכור שהיקף ההשקעות תלוי בהנחות רגישות מאוד, כמה מהר שבבים מתיישנים, כמה יעלה לבנות מרכז נתונים מתקדם, האם צווארי הבקבוק בחשמל ייפתרו, והאם הביקוש למחשוב ימשיך להתרחב גם כשהעלויות משתנות.
בסופו של דבר, השאלה המרכזית אינה רק מי תוביל את עידן ה-AI, אלא מי יצליח לבנות, לממן ולהפעיל את התשתית שתאפשר לו להתקיים.
