שוק הבינה המלאכותית נכנס בשנה האחרונה לשלב חדש. אם בתחילת הגל רוב תשומת הלב הופנתה לחברות שפיתחו מודלי AI או לשבבים של NVIDIA, כעת המשקיעים מסתכלים עמוק יותר לתוך שרשרת האספקה. מרכזי הנתונים החדשים שנבנים כדי להפעיל מערכות AI צורכים כמויות עצומות של חשמל, קירור, תקשורת ורכיבים תעשייתיים מתקדמים. המשמעות היא שחברות שבעבר נחשבו אפורות או תעשייתיות לחלוטין, מתחילות לקבל לפתע תג מחיר של "חברות AI". זה המקום שבו ההבטחה הטכנולוגית פוגשת את המציאות. מאחורי כל מודל שפה נוצץ מסתתר עולם עצום של כבלים, קרמיקה, טורבינות, מערכות חשמל וחומרי גלם.
Vertiv: צוואר הבקבוק של עידן ה-AI
אחת החברות הבולטות ביותר בגל החדש היא Vertiv, שמייצרת מערכות קירור, חשמל וגיבוי למרכזי נתונים. ככל שמעבדי AI הופכים חזקים יותר, כך הם גם צורכים יותר אנרגיה ופולטים יותר חום. המשמעות היא שהקירור הופך לאחד האתגרים הגדולים ביותר של תעשיית הבינה המלאכותית. מערכות קירור לא יעילות עלולות לפגוע בביצועים ואף להשבית שרתים. Vertiv הצליחה למצב את עצמה כספקית מרכזית בתחום הזה. נכון לעכשיו מדובר באחת הדוגמאות הבולטות לכך שהכסף הגדול ב-AI לא נמצא רק באלגוריתמים, אלא גם בתשתיות הפיזיות שמחזיקות אותם בחיים.
Corning: לא רק זכוכית, אלא תשתית חיונית
גם Corning Incorporated, חברה אמריקאית ותיקה שפועלת כבר יותר מ-175 שנה, תופסת מקום חשוב במיוחד בגל החדש. רוב הקוראים כאן מכירים אותה בעיקר דרך זכוכיות Gorilla Glass לסמארטפונים, אבל בשנים האחרונות תחום אחר בפעילות שלה הופך לקריטי במיוחד. החברה מייצרת סיבים אופטיים המשמשים לחיבור מהיר בין שרתים במרכזי נתונים. בעולם ה-AI, שבו אלפי מעבדים גרפיים צריכים להעביר מידע במהירות עצומה ביניהם, התקשורת האופטית הזו הופכת לתשתית בסיסית. Corning היא דוגמה מצוינת לאופן שבו חברה ותיקה, שנראתה במשך שנים כמו שחקנית תעשייתית קלאסית, מקבלת לפתע מעמד של ספקית מפתח למהפכת ה-AI.
Caterpillar: כשהתעשייה הכבדה פוגשת את ה-AI
גם Caterpillar Inc, אחת מיצרניות הציוד הכבד הגדולות בעולם, נהנית מהגל החדש. במבט ראשון קשה לחבר בין דחפורים ובינה מלאכותית, אבל הקשר הופך ברור כשמבינים כמה תשתיות נדרשות כדי להקים מרכזי נתונים חדשים. החוות הענקיות שמפעילות מודלי AI צורכות אנרגיה בהיקפים חסרי תקדים. חברות טכנולוגיה נדרשות לבנות תחנות כוח, מערכות גיבוי, תשתיות קירור ומתקני אנרגיה מורכבים. כאן נכנסת Caterpillar לתמונה עם מנועי טורבינה, גנרטורים וציוד הנדסי כבד. אם עד היום מרכזי נתונים נחשבו בעיקר לעולם של שרתים ותוכנה, עכשיו הם מתחילים להיראות יותר כמו פרויקטי תשתית תעשייתיים ענקיים.
Amphenol: השכבה השקטה שמחזיקה את המערכת
Amphenol מוסיפה רובד חשוב במיוחד, כי היא מייצגת את השכבה הפחות נוצצת אבל הקריטית של עולם ה-AI. החברה פועלת בתחום החיבורים, הכבלים, המחברים ורכיבי התקשורת שמאפשרים למרכזי נתונים לפעול ביעילות גבוהה. ככל שהביקוש ל-AI גדל, כך גם עולה הדרישה לתשתית שתאפשר לשרתים, לרשתות ולמערכות האחסון לעבוד יחד ללא עיכובים. Amphenol לא מייצרת את המודלים ולא את המעבדים שמקבלים את הכותרות, אבל היא מספקת את הממשקים שמאפשרים לכל המערכת הזו לדבר זו עם זו. זה בדיוק מסוג העסקים שבתחילה נראים משניים, אבל הופכים לפתע חיוניים.
EMCOR: מי שבונה את מרכזי הנתונים בפועל
EMCOR מוסיפה את הממד ההנדסי והביצועי. החברה עוסקת בפרויקטי חשמל, מכניקה ותשתיות, ולכן היא נהנית מהקמתם של מרכזי נתונים בקצב הולך וגובר. בעולם של AI, לא מספיק שיהיו שבבים מתקדמים ושרתים חזקים; צריך גם מישהו שיבנה, יתקין ויתפעל את כל המעטפת התעשייתית שמסביב. EMCOR מייצגת את קבוצת החברות שמרוויחות מהמעבר של ה-AI מהעולם הדיגיטלי לעולם הפיזי. זהו סיפור של קבלנות, מערכות ותפעול — פחות זוהר, אבל לא פחות חשוב.
Lumentum: האופטיקה שמאיצה את המרוץ
Lumentum מוסיפה נדבך מתקדם יותר של תקשורת אופטית שחיוני למרכזי נתונים עתירי AI. ככל שהחוות גדלות ומתמלאות בשרתים רבי עוצמה, עולה הצורך בפתרונות פוטוניים ואופטיים שמאפשרים העברת מידע במהירות ויעילות גבוהות במיוחד. בעולם שבו כל שנייה של עיכוב בתקשורת בין אלפי השרתים עלולה לפגוע בביצועי ה-AI, רכיבים אופטיים הופכים לחלק מרכזי בתשתית. Lumentum מייצגת את החברות שמראות כיצד המרוץ סביב הבינה המלאכותית אינו רק עניין של כוח מחשוב גולמי, אלא גם של מהירות ודיוק בהעברת הנתונים בתוך המערכת עצמה.
לא כל מניית AI היא באמת חברת AI
המשמעות הרחבה יותר היא שאנחנו רואים שינוי עמוק באופן שבו שוק ההון מתייחס למהפכת ה-AI. בשלב הראשון המשקיעים התמקדו ביצרניות השבבים ובחברות שפיתחו מודלים. עכשיו החיפוש מתרחב לכל מי שמוכר את "האתים והמעדרים" של עידן הבינה המלאכותית. זה כולל יצרני כבלים אופטיים, ספקיות חשמל, מערכות קירור, רכיבי קרמיקה, תשתיות אנרגיה ואפילו חומרי גלם מיוחדים. ההיסטוריה הכלכלית מלאה בדוגמאות דומות. בתקופת הבהלה לזהב במאה ה-19, לא רק מחפשי הזהב הרוויחו. לעיתים דווקא מי שמכרו ציוד, ביגוד וכלי עבודה היו המרוויחים הגדולים והיציבים ביותר.
עם זאת, יש גם סיכונים משמעותיים. לא כל חברה שמתחברת ל-AI באמת תהפוך למנצחת ארוכת טווח. חלק מהזינוקים במניות מבוססים על ציפיות עתידיות ולא בהכרח על הכנסות מוכחות. בנוסף, תעשיית ה-AI עצמה תלויה מאוד בהמשך ההשקעות האדירות של ענקיות הטכנולוגיה. אם קצב ההשקעות במרכזי נתונים יאט, גם חברות התשתית עלולות להיפגע. קיימים גם סיכוני אנרגיה ורגולציה. מרכזי נתונים צורכים כמויות עצומות של חשמל ומים, ומדינות מתחילות לבחון מגבלות סביבתיות חדשות. המשמעות המיידית בשבילכם כמשקיעים או כצרכנים היא שלא כל "מניית AI" היא באמת חברת AI. לפעמים מדובר פשוט בחברה תעשייתית ותיקה שנמצאת במקרה במקום הנכון בזמן הנכון.
השורה התחתונה
בסופו של דבר, מהפכת הבינה המלאכותית מתחילה לחשוף אמת רחבה יותר על עולם הטכנולוגיה. מאחורי כל שירות AI נוצץ מסתתרת תעשייה פיזית עצומה של מפעלים, חומרי גלם, מערכות אנרגיה ותשתיות. אם עד היום היה קל לחשוב על AI כמשהו וירטואלי בלבד, עכשיו ברור יותר ויותר שמדובר גם במהפכה תעשייתית לכל דבר. השאלה הגדולה היא אילו מהחברות החדשות שמתחברות לגל הזה באמת יהפכו לחלק קבוע מהתעשייה, ואילו פשוט נהנות כרגע מרוח גבית זמנית של שוק שמחפש את הדבר הבא.
