עד לא מזמן, השיח הכלכלי-טכנולוגי סביב מהפכת הבינה המלאכותית התמקד כמעט בלעדית בשרשרת האספקה של הסיליקון: המחסור בשבבים, מרוץ החימוש להשגת מעבדי אנבידיה והמאבק על כוח חישוב. אך בחודשים האחרונים מתרחש שינוי טקטוני שקט - אך דרמטי - שמסיט את תשומת הלב מהשבב אל השקע: צוואר הבקבוק האמיתי של ה-AI עובר מסיליקון לאלקטרון. במילים אחרות, הבעיה היא כבר לא רק כוח חישוב, אלא כוח חשמל.
נתון אחד ממחיש את הבעיה: שאילתה בודדת ב-ChatGPT צורכת בממוצע פי 10 חשמל מחיפוש רגיל בגוגל. תכפילו את המספר הזה במיליארדי אינטראקציות יומיות, ותקבלו צונאמי אנרגטי.
העסקה שנחתמה לאחרונה, במסגרתה גוגל השקיעה כ-4.5 מיליארד דולר בחברת אנרגיה Intersect Power לרכישת צבר של יכולות ייצור וחיבור לחשמל לחוות שרתים, היא קריאת השכמה לתעשייה כולה. זוהי הצהרה שבעידן החדש, ענקית טכנולוגיה חייבת להיות גם ענקית אנרגיה.
גוגל, כמו מיקרוסופט ואמזון (שבוחנות אפילו רכישת תחנות אנרגיה גרעיניות), מבינה שהרשת החשמל הציבורית פשוט לא תעמוד בעומס. אך בעוד בארה"ב ענקיות הטכנולוגיה יכולות לפתור את הבעיה באמצעות פנקס צ'קים פתוח ורכישת נדל"ן עצום לחוות סולאריות, המציאות בישראל שונה בתכלית ומחייבת אותנו לחשיבה אחרת לגמרי.
אי אנרגטי בפקק תנועה
ישראל מוגדרת כאי אנרגטי. בניגוד למדינות באירופה שיכולות לווסת עומסים באמצעות רכישת חשמל משכנותיהן ברגעי שיא, רשת החשמל הישראלית היא משאב סגור, מבודד ומוגבל. אין לנו אופק ריאלי להקמת תחנות כוח גרעיניות לצרכים אזרחיים בטווח הקרוב, ושטחי הקרקע להקמת חוות סולאריות ענקיות מצומצמים מאוד.
במקביל, הביקוש לחשמל בישראל עולה לא רק בגלל הדאטה-סנטרים. המעבר לרכב חשמלי, הגידול באוכלוסייה, צורכי הביטחון ועליה בצריכת החשמל של משקי הבית, כולם מתחרים על אותם אלקטרונים. אם ה-Start-up Nation תנסה להתחרות במגרש של הגדולים רק דרך בניית עוד ועוד דאטה-סנטרים מרכזיים (Hyperscale) בישראל, אנו צפויים להתנגש בקיר בטון. תרחיש שבו כל פעולה פשוטה של GenAI עוברת דרך חוות שרתים מרכזית זוללת אנרגיה, הוא תרחיש שישראל אינה יכולה להרשות לעצמה, לא תשתיתית ולא לאומית.
השאלה הקריטית שמקבלי ההחלטות צריכים לשאול היום אינה "כמה עוד שרתים נקים?", אלא "איפה יתבצעו פעולות החישוב?" הפתרון למגבלת החשמל הישראלית ולעלויות המאמירות טמון בביזור, ובמעבר ממודל ריכוזי למודל היברידי חכם המבוסס בראש ובראשונה על מחשוב קצה Edge AI ו-On-Prem.
במקום לשנע כמויות אדירות של דאטה לענן ובחזרה, תהליך שבעצמו מבזבז אנרגיה ורוחב פס, התפיסה החדשה גורסת כי יש להביא את ה-AI אל מקור הנתונים. הרצת מודלים בתוך הארגון או על התקני קצה, בין אם במפעל, בבית החולים או ברכב האוטונומי, מפחיתה דרמטית את התלות ברשת החשמל הארצית ומאפשרת ניהול אנרגטי יעיל יותר.
מעבר לחיסכון בחשמל, עיבוד מקומי שכזה פותר שתי בעיות קריטיות נוספות לישראל: הוא משפר דרמטית את זמני התגובה הנדרשים ליישומים בזמן אמת, ומבטיח שהמידע הרגיש נשאר בתוך גבולות הארגון או המדינה. זהו שיקול קריטי במיוחד עבור תעשיות ביטחוניות, פיננסיות ורפואיות, שבהן ריבונות על המידע היא תנאי סף.
לצד השינוי הגיאוגרפי של החישוב, נדרש גם שינוי בתפיסת המודלים. העולם הטכנולוגי מתחיל להתפכח מהמרוץ אחר המודל הגדול ביותר, והמגמה כעת היא מעבר למודלים יעילים (SLMs - Small Language Models). מודלים אלו, שהם קטנים וממוקדים יותר, דורשים חומרה צנועה יותר, צורכים הרבה פחות אנרגיה ומספקים דיוק גבוה יותר למשימות ספציפיות, כל זאת מבלי "לשרוף" את הרשת או את התקציב.
אסטרטגיה במקום כיבוי שריפות
עסקת גוגל-Intersect Power היא סימן דרך המעיד על המיזוג בין הכלכלה הדיגיטלית לתשתית הפיזית. עבור חברות הטכנולוגיה העולמיות, תשתיות חשמל הן הנדל"ן החדש. עבור המנהל הישראלי, המסר חייב להיות מתורגם למעשים. אי אפשר לבנות אסטרטגיית AI מנותקת מאילוצי תשתית.
ישראל צריכה מודל אחר, של מדיניות לאומית וארכיטקטורה ארגונית שמניחות מראש שמשאב החשמל הוא מוגבל ויקר. הפתרון עובר דרך תכנון חכם המשלב מחשוב ענן למה שחייבים, תוך העברת נתח משמעותי מהעומס ל-Edge ול-On-Prem. רק כך נוכל להבטיח שישראל תישאר בחזית הטכנולוגיה, מבלי שהאור בחדר השרתים, או במדינה כולה, יכבה.
הכותבת היא מנהלת מוצר בכירה לפתרונות VOICE AI למגזר הציבורי בחברת AudioCodes
טעינו? נתקן! אם מצאתם טעות בכתבה, נשמח שתשתפו אותנו