מיקרוסופט הציגה את Maia 300 (מאיה 300), מאיץ בינה מלאכותית שפיתחה למרכזי הנתונים שלה, ומסמנת שלב נוסף בתחרות על החומרה שמניעה את מהפכת ה־AI. לפי החברה, מערכות המבוססות על השבב החדש יפיקו כ־40% יותר טוקנים ליחידת הספק חשמלי בהשוואה למערכות GPU מובילות, וארון שרתים מלא יספק תפוקת טוקנים גבוהה עד פי שבעה מזו של מערכת Maia 200. הפריסה צפויה להתחיל ב־2027. מאחורי המספרים עומדת שאלה כלכלית גדולה: מי יספק את כוח המחשוב, הזיכרון והחשמל הדרושים להפעלת מיליארדי בקשות AI — ובאיזה מחיר? נתוני הביצועים הם הערכות מיקרוסופט, שטרם אומתו במבחן השוואתי עצמאי.
13 באוקטובר 2026 | הכרזת החברה פורסמה ב־12 באוקטובר. הנתונים הטכניים ותחזיות הביצועים מבוססים על פרסומי מיקרוסופט, אלא אם צוין אחרת.
תמונה ראשית: פרוסת סיליקון בתהליך ייצור שבבים, אילוסטרציה בלבד — לא צילום של Maia 300. Photo by Laura Ockel on Unsplash.
5 דברים שצריך לדעת
- השבב החדש: Maia 300 הוא הדור השלישי למשפחת שבבי ה־AI שמיקרוסופט מפתחת בעצמה, ומיועד בעיקר להרצת מודלי בינה מלאכותית שכבר אומנו, ולא לאימון הראשוני שלהם.
- יעילות חשמלית: מיקרוסופט צופה כ־40% יותר טוקנים לאותה יחידת הספק לעומת מערכות GPU מובילות. זו הערכה של החברה, ללא מבחן השוואתי עצמאי שפורסם.
- קפיצת מדרגה בהיקף: ארון שרתים המכיל 96 מאיצים צפוי להפיק עד פי שבעה טוקנים מארון Maia 200 מהדור הקודם. זו השוואה בין מערכות שלמות, לא בין שני שבבים בודדים.
- טכנולוגיית הייצור: רכיבי החישוב המרכזיים מיוצרים בטכנולוגיית N2P של TSMC, עם זיכרון HBM4 בנפח 288 גיגה־בייט לכל מאיץ.
- מתי נראה את השינוי? פריסה של Maia 300 במרכזי הנתונים אמורה להתחיל ב־2027. בינתיים Maia 200 כבר מפעיל שירותי AI של מיקרוסופט.
למה שבבים חשובים כל כך לכלכלה ולעולם ה־AI?
שבב אלקטרוני הוא רכיב זעיר העשוי בדרך כלל מסיליקון ומכיל מעגלים חשמליים, ובהם מיליארדי טרנזיסטורים במעבדים מתקדמים. הטרנזיסטורים מאפשרים לבצע פעולות חישוב, להחזיק מידע ולעבד אותות. כמעט כל שירות דיגיטלי נשען עליהם: מהטלפון והשעון החכם ועד מערכות רכב, בתי חולים, רשתות תקשורת ומחשבי ענן.
בבינה מלאכותית החשיבות גדולה במיוחד. מודל שפה מתקדם נדרש לבצע כמויות עצומות של חישובים מתמטיים כדי להבין בקשה וליצור תשובה. ככל שהמודל גדול יותר, וככל שהשיחה כוללת יותר מסמכים, תמונות ופעולות, כך נדרשים יותר עיבוד, זיכרון מהיר וקישוריות בין רכיבים. לכן איכות השבבים אינה משפיעה רק על מהירות התשובה — היא קובעת גם כמה משתמשים ניתן לשרת במקביל וכמה עולה כל בקשה.
המשמעות כלכלית: אם שירות AI מצליח להפחית את עלות החישוב לכל בקשה, הוא יכול להרחיב את מספר המשתמשים או לשפר את הרווחיות שלו. אבל הביקוש הגובר מחייב השקעות עתק במרכזי נתונים, בחשמל, במתקני קירור וברשתות תקשורת. במובן הזה, השבב הפך מתפקיד של רכיב טכני לחלק מכריע באסטרטגיה העסקית של ענקיות הטכנולוגיה.
CPU, GPU ומאיץ ייעודי: למה לא משתמשים באותו שבב לכל משימה?
מעבד מרכזי (CPU) מתאים למגוון רחב של פעולות מחשוב ולניהול מערכות. מעבד גרפי (GPU), שהתפתח במקור עבור גרפיקה, מסוגל לבצע פעולות רבות במקביל ולכן הפך לכלי מרכזי באימון ובהרצה של מודלי AI. מאיץ ייעודי (ASIC) מתוכנן סביב סוגי חישובים מוגדרים יותר; הוא עשוי להיות יעיל מאוד בהם, אך הוא פחות גמיש בחלק מהמשימות האחרות.
מאיה 300 שייך לעולם המאיצים הייעודיים. מיקרוסופט מתכננת אותו לצד התוכנה, הזיכרון ורשת התקשורת שמפעילים את שירותי הענן שלה. היתרון האפשרי נובע מההתאמה הזאת, ולא רק ממספר פעולות החישוב שהשבב מסוגל לבצע. מנגד, רכיב מותאם אישית כרוך בעלויות פיתוח גבוהות ובצורך לתמוך במודלים ובתוכנות המשתנים במהירות.
אימון לעומת הסקה: שני סוגים של ביקוש לשבבי AI
אימון (Training) הוא השלב שבו מודל לומד מדוגמאות ומשנה את פרמטריו; הוא עשוי לדרוש אלפי מאיצים במשך תקופה ממושכת. הסקה (Inference) היא הפעלת המודל לאחר שאומן: כל תשובה מצ'אטבוט, תרגום, יצירת קוד או פעולה של סוכן AI היא חלק מעומס ההסקה.
מאיה 300 תוכנן בראש ובראשונה להסקה. זהו שוק שבו העלות חוזרת בכל שימוש: כל בקשה נוספת צורכת זמן חישוב, גישה לזיכרון וחשמל. לכן חסכון קטן יחסית לכל בקשה עשוי להפוך למשמעותי כאשר השירות מטפל בכמויות גדולות מאוד של פניות. עם זאת, אין פירוש הדבר שמאיץ המיועד להסקה יהיה הבחירה המתאימה גם לאימון מודלים גדולים.
מהו Maia 300 ולמה מיקרוסופט פיתחה אותו?
כשמשתמש פונה ל־Copilot או לשירות AI בענן, מרכזי הנתונים של מיקרוסופט צריכים לחשב את התשובה ולשלוח אותה במהירות. העלות אינה מסתכמת בזמן מעבד: המערכת צריכה להחזיק את המודל בזיכרון, להעביר נתונים בין מאיצים ולפנות חום. כשמיליוני משתמשים מפעילים שירותים כאלה במקביל, היעילות של כל רכיב משפיעה על עלות התפעול הכוללת.
Maia 300 פותח במיוחד למשימות כאלה. הוא מיועד לטפל בשיחות ארוכות, בעיבוד מסמכים והקשרים גדולים ובסוכני AI שמבצעים רצף פעולות, משתמשים בכלים חיצוניים ופועלים בכמה שלבים. בשונה משבב כללי שנדרש להתאים למגוון גדול של משימות, מיקרוסופט מבקשת להתאים את החומרה והתוכנה לדפוסי השימוש של השירותים שלה.
מדובר בשבב למרכזי נתונים ובמערכת שרתים שלמה — לא בשבב חדש למחשבים האישיים של Windows או Surface. ההכרזה הזו נפרדת מההשקה האחרונה של מחשבי Surface Laptop Ultra, שעליהם דיווחנו באתר.
עד 40% יותר תפוקה לחשמל: מה המשמעות של ההבטחה?
מיקרוסופט הודיעה כי מערכות Maia 300 צפויות להפיק כ־40% יותר טוקנים לכל מגה־ואט לעומת מערכות GPU מובילות. טוקן הוא יחידת טקסט או נתונים שמודל AI מעבד או מייצר. המדד נועד להראות כמה עבודה מועילה ניתן לקבל ביחס לצריכת החשמל של תשתית החישוב.
זה לא אומר שכל תשובה ב־Copilot תהיה מהירה ב־40%, וגם לא שהשבב החדש צורך 40% פחות חשמל בכל מצב. התוצאה תלויה בעומס, בסוג המודל, בזמני התגובה הרצויים ובאופן התפעול של מערכת שלמה. יתרה מזאת, מיקרוסופט לא פרסמה במסגרת ההודעה השוואת ביצועים עצמאית מלאה מול דגם מסוים של אנבידיה או AMD בתנאי מדידה זהים. לכן ראוי להציג את היתרון כטענת ביצועים של החברה, לא כעובדה שכבר נבחנה בשוק.
בהשוואה למערכת Maia 200, החברה טוענת גם לעלייה של יותר מפי שניים וחצי ביעילות התפוקה לוואט ברמת ארון השרתים. זהו מדד נפרד מההשוואה למערכות GPU אחרות.
פי שבעה טוקנים מארון שרתים: איך זה עובד?
מיקרוסופט מתכננת להציב 96 מאיצי Maia 300 בארון שרתים — פי שניים ממספר המאיצים בארון Maia 200. כל ארון מיועד לפעול במסגרת הספק של כ־167 קילו־ואט, כולל המערכת שסביב המאיצים. בחברה מעריכים כי מערכת מלאה כזו תספק עד פי שבעה טוקנים בהשוואה לארון מהדור הקודם.
לכן חשוב לא לקרוא את המספר כאילו כל שבב Maia 300 חזק פי שבעה מקודמו: ההשוואה היא בין ארונות שרתים הכוללים מספר שונה של מאיצים, זיכרון, תקשורת ושיפורי תוכנה. מיקרוסופט מתכננת לחבר את הארונות למערכי מחשוב גדולים, כדי שמודלי AI יוכלו להשתמש בכמה מאיצים במקביל.
מה יש בתוך השבב? 2 ננומטר, HBM4 ועיצוב מודולרי
Maia 300 מבוסס על ארכיטקטורת Chiplets — כמה יחידות סיליקון המחוברות למאיץ אחד וכל אחת מהן ממלאת תפקיד אחר. רכיבי החישוב המרכזיים מיוצרים בתהליך N2P של TSMC מטייוואן, בעוד בקרי זיכרון וקלט־פלט מופרדים לרכיבים המתוכננים לפי צרכיהם. הגישה מאפשרת להשתמש בטכנולוגיית הייצור היקרה והמתקדמת במקום שבו היא תורמת ביותר ליעילות החישוב. מעבר לכך, היא מאפשרת לתכנן את תנועת המידע בין היחידות באופן מדויק יותר.
לכל מאיץ שמונה יחידות זיכרון HBM4, בנפח מצטבר של 288 גיגה־בייט וברוחב פס שיא של 18 טרה־בייט לשנייה. לפי מיקרוסופט, המאיץ מתוכנן למעטפת הספק תרמי של עד 950 ואט. הזיכרון המהיר חשוב במיוחד למודלים גדולים, לשיחות ארוכות ולמערכות שנדרשות לשמור הקשר רב תוך כדי יצירת תשובות.
מיקרוסופט גם מדגישה שימוש בפורמטים מספריים בעלי דיוק מופחת, בהם MXFP4, כדי להקטין את כמות המידע שצריך להעביר ולאחסן במהלך ההסקה. היתרון תלוי בהתאמה של המודלים ובשמירה על איכות התוצאות, ולא רק במפרט החומרה.
איך מייצרים שבב AI — ומדוע לא כל חברת טכנולוגיה יכולה לעשות זאת?
ענף השבבים הוא שרשרת ייצור מורכבת. חברה אחת עשויה לתכנן את המעבד, חברה אחרת לייצר את הסיליקון במפעל שבבים, וספקים נוספים מייצרים זיכרון, ציוד מדידה, מארזים ורכיבי תקשורת. מיקרוסופט מתכננת את Maia 300, אבל היא אינה מקימה עבורו מפעל ייצור סיליקון משלה: רכיבי החישוב מיוצרים בתהליך מתקדם של TSMC הטייוואנית. זהו מודל נפוץ אצל חברות שמתכננות שבבים אך מסתמכות על מפעלי ייצור חיצוניים.
הייצור מתבצע על פרוסות סיליקון (Wafers) בתהליכי ליתוגרפיה, שקיעה, צריבה ובדיקה, עד ליצירת מעגלים זעירים בשכבות רבות. הכינוי 2 ננומטר מתייחס לדור של טכנולוגיית ייצור ולמאפייני התהליך; הוא אינו אומר שכל טרנזיסטור בשבב קטן במדויק לשני ננומטרים. אחר כך מגיע שלב האריזה המתקדמת, שבו מחברים את יחידות החישוב, הזיכרון ורכיבי התקשורת למערכת אחת.
זו אחת הסיבות לכך שפיתוח שבב חדש אינו מבטיח אספקה בלתי מוגבלת. יצרני מאיצים תלויים בזמינות קווי ייצור מתקדמים, בזיכרון HBM וביכולת להרכיב כמה שבבים צפופים יחד. לפי חברת המחקר Omdia, הביקוש ל־AI יצר במהלך 2026 צווארי בקבוק בייצור הזיכרון ובאריזה המתקדמת, שעשויים להימשך גם ב־2027.
למה הזיכרון הפך חשוב כמעט כמו המעבד?
מודל AI גדול צריך לשלוף שוב ושוב כמויות מידע מהזיכרון. אם המעבד מסוגל לבצע חישובים במהירות אך הנתונים מגיעים אליו לאט, חלק מכוח החישוב שלו אינו מנוצל. לכן מודדים לא רק עוצמת חישוב אלא גם נפח זיכרון ורוחב פס — כמה מידע אפשר להעביר ביחידת זמן.
HBM הוא זיכרון מהיר במיוחד, המבוסס על שכבות שבבי זיכרון המוערמות זו על זו וממוקמות סמוך למעבד. ב־Maia 300 מיקרוסופט שילבה 288 גיגה־בייט מסוג HBM4 ורוחב פס שיא של 18 טרה־בייט לשנייה למאיץ, לעומת 216 גיגה־בייט וכ־7 טרה־בייט לשנייה בדור Maia 200. השינוי נועד להפחית את הזמן שבו יחידות החישוב ממתינות למידע.
גם ייצור הזיכרון נעשה חלק מהתחרות. חברות כמו SK Hynix, סמסונג ומיקרון מספקות רכיבי זיכרון מתקדמים, בעוד יצרני ציוד ומערכות אריזה עוסקים בחיבור שלהם למאיצים. לכן הביקוש ל־AI משפיע על חברות רבות מעבר ליצרניות המעבדים המוכרות.
מה זה אומר לאנבידיה, AMD וגוגל?
אנבידיה עדיין מספקת חלק מרכזי ממאיצי ה־AI שעליהם נשענים מרכזי הנתונים של תעשיית הטכנולוגיה. גם מיקרוסופט עצמה משתמשת במערכות המבוססות על שבבים של ספקיות חיצוניות. לכן Maia 300 אינו הכרזה על הפסקת הרכישות מאנבידיה או מ־AMD.
הוא כן מצביע על שינוי ארוך טווח: חברות הענן הגדולות אינן רוצות להסתמך על ספק יחיד של חומרה יקרה. גוגל מפתחת מאיצי TPU ואמזון מפתחת את משפחת Trainium. כל חברה מנסה להתאים חלק מעומסי העבודה שלה לחומרה שתוכל לייעל מבחינת ביצועים, זמינות ועלות. אלה מערכות שונות, ולכן אין להסיק מהצהרת מיקרוסופט על יתרון בכל סוג של משימת AI.
במבט עסקי, אפילו העברה של חלק מהמשימות לשבבים עצמיים יכולה לסייע למיקרוסופט לנהל טוב יותר את הוצאות התשתית שלה. מנגד, הפיתוח, הייצור וההקמה של מרכזי הנתונים עולים סכומי כסף גדולים, וההצלחה בפועל תלויה גם בזמינות שבבים וביכולת לפרוס אותם בקנה מידה רחב. להרחבה על פעילות החברה וגורמי הסיכון למשקיעים ראו את מדריך מניית מיקרוסופט (MSFT) שלנו.
המשמעות הכלכלית: מי נהנה מהביקוש לשבבים — ומי נושא בסיכון?
ההשקעה בבינה מלאכותית יוצרת ביקוש במעגלים רחבים: מתכנני שבבים כמו אנבידיה ו־AMD, חברות ענן שמפתחות מאיצים משלהן, מפעלי ייצור כמו TSMC, ספקיות זיכרון, יצרני מכונות בדיקה ואריזה, וספקי חשמל, קירור ותקשורת. כל אחד מהשלבים יכול להפוך לצוואר בקבוק ולהשפיע על המחיר ועל זמן האספקה.
מנקודת המבט של מיקרוסופט, שבב ייעודי עשוי לצמצם עלויות ליחידת עבודה ולהפחית תלות במחירי המאיצים שמציעים ספקים חיצוניים. אבל זהו גם הימור הנדסי ופיננסי: תכנון שבב מתקדם מחייב השקעות גדולות, וכדי להצדיק אותן צריך להגיע לכמויות ייצור גדולות ולניצול גבוה לאורך זמן. אם המודלים ישתנו במהירות או שהביצועים בפועל יהיו נמוכים מהמצופה, החיסכון עלול להתכווץ.
השלכות ההכרזה רלוונטיות גם למגזר השבבים הישראלי. חברות כמו טאואר סמיקונדקטור, נובה וקמטק פועלות בחלקים שונים של שרשרת הייצור, המדידה והבדיקה. זה לא אומר שהן משתתפות בייצור Maia 300 דווקא, אך זה ממחיש מדוע ענף השבבים רחב הרבה יותר מיצרנית המעבד שעליה מופיע הלוגו.
מתי Maia 300 ייכנס לשימוש — ומה יקרה בינתיים?
לפי הודעת מיקרוסופט מ־12 באוקטובר, הפריסה המבצעית של Maia 300 תחל ב־2027. החברה מתכננת בהמשך להרחיב את השימוש במשפחת Maia למערכי מחשוב בהספק כולל של כמה גיגה־ואט — יעד תשתיתי גדול במיוחד, שלא מעיד בפני עצמו על מספר השבבים שכבר הותקנו.
לפי דיווח רויטרס, החברה נערכת לאפשרות של פריסה העשויה להגיע ליותר ממיליון מאיצים ב־2027. עם זאת, זהו היקף אפשרי ולא אישור לכך שכל הכמות כבר הוזמנה או תותקן בוודאות. בינתיים Maia 200 כבר משמש שירותים של מיקרוסופט, כולל Copilot, ולפי החברה הוא מריץ גם מודלים של OpenAI ומודלים פתוחים. מיקרוסופט מתכננת להרחיב את השימוש בדור הזה לשירותים נוספים.
המשמעות עבור המשתמש הביתי עקיפה: Maia 300 לא יהיה מוצר שאפשר לרכוש ולהתקין במחשב. אם ההערכות יתממשו, הוא עשוי לאפשר למיקרוסופט להפעיל יותר בקשות AI, מודלים מתקדמים וסוכנים מורכבים במסגרת מגבלות החשמל והתקציב של מרכזי הנתונים. אין עדיין התחייבות פומבית לכך שמחירי Copilot או Azure יירדו כתוצאה מהשבב.
חשמל, קירור ותשתיות: מה מחיר הצמיחה של תעשיית השבבים?
שבבים יעילים יותר עשויים להפחית את כמות החשמל הנדרשת לכל בקשת AI, אך לא בהכרח את צריכת החשמל הכוללת. ככל שהשירות נעשה נגיש וזול יותר, חברות ולקוחות עשויים להשתמש בו יותר. נוסף על המאיצים עצמם, מרכז נתונים צורך חשמל גם למערכות אחסון, תקשורת וקירור.
לפי תחזית הבסיס שפרסמה סוכנות האנרגיה הבינלאומית (IEA) ב־2025, צריכת החשמל של מרכזי נתונים ברחבי העולם עשויה להגיע לכ־945 טרה־ואט־שעה בשנת 2030 — יותר מכפול מהרמה של 2024. זו תחזית ולא נתון שכבר התממש. הביקוש ל־AI הוא אחד המנועים המרכזיים שלה.
מיקרוסופט מדברת על פריסת תשתיות Maia בהיקף הספק של כמה גיגה־ואט. לכן המבחן הסביבתי של המהלך יהיה לא רק מספר הטוקנים שמופקים לכל ואט, אלא גם צריכת החשמל הכוללת של המתקנים, זמינות רשת החשמל, שיטות הקירור ומקורות האנרגיה שיספקו את הביקוש.
שאלות ותשובות
מהו Maia 300 של מיקרוסופט?
Maia 300 הוא מאיץ בינה מלאכותית חדש למרכזי נתונים, שפותח בידי מיקרוסופט כדי להריץ מודלי AI ושירותים כמו Copilot ביעילות גבוהה יותר.
מתי Maia 300 יהיה זמין?
החברה מתכננת להתחיל פריסה תפעולית של מערכות Maia 300 ב־2027. היא לא הכריזה על מכירה לצרכנים פרטיים.
האם Maia 300 מהיר פי שבעה ממעבד של אנבידיה?
לא. נתון פי שבעה שמסרה החברה הוא השוואה בין תפוקת טוקנים של ארון שרתים עם Maia 300 לבין ארון עם Maia 200. מיקרוסופט לא פרסמה השוואה עצמאית שמצדיקה קביעה כזו מול שבב מסוים של אנבידיה.
מה פירוש 40% יותר טוקנים למגה־ואט?
לפי מיקרוסופט, מערכת המבוססת על Maia 300 אמורה להפיק יותר טוקנים באותה צריכת הספק לעומת מערכות GPU מובילות. אין פירוש הדבר שכל משתמש יקבל תשובות מהירות ב־40% או שצריכת החשמל הכוללת של החברה תפחת.
האם מיקרוסופט תפסיק לקנות שבבים מאנבידיה?
לא נמסרה הודעה כזאת. מיקרוסופט ממשיכה להשתמש גם במאיצים מספקיות חיצוניות, במקביל לפיתוח משפחת Maia.
למה שבבי AI חשובים לכלכלה?
שבבי AI מפעילים את מרכזי הנתונים שמאחורי צ'אטבוטים, תרגום, חיפוש, תכנות ועיבוד מידע. הביצועים והמחיר שלהם משפיעים על עלות השירותים, על ההשקעות בענן ועל הביקוש לייצור שבבים, זיכרון, ציוד בדיקה, תקשורת וחשמל.
מי מייצר את Maia 300 בפועל?
מיקרוסופט מתכננת את המאיץ. יחידות החישוב שלו מיוצרות בידי TSMC בתהליך N2P. רכיבי הזיכרון והאריזה הם חלק משרשרת אספקה רחבה יותר, ולא מדובר בשבב שמיקרוסופט מייצרת לבדה במפעלים שלה.
מה ההבדל בין שבב AI לבין GPU?
GPU הוא מעבד מקבילי רב־תכליתי שמשמש רבות גם לבינה מלאכותית; שבב AI ייעודי כמו Maia 300 מתוכנן לעומסי עבודה מוגדרים יותר, במטרה לשפר יעילות ועלויות. אין פתרון אחד שמתאים תמיד לכל מודל ולכל שימוש.
אחרי מה לעקוב
השלמת ההכנות לפריסה ב־2027, היקף ההזמנות והייצור בפועל אצל TSMC, מבחני ביצועים עצמאיים למערכת Maia 300, האימוץ בשירותי Copilot ו־Azure, והאם מיקרוסופט תציג נתוני עלות מפורטים שיאפשרו להעריך את החיסכון לעומת תשתיות GPU מתחרות.
הזווית הישראלית
ישראל אינה רק שוק של לקוחות ענן: פועלות בה חברות בתחומי תכנון שבבים, ייצור, בדיקה ומדידה, לצד מרכזי פיתוח של חברות שבבים בינלאומיות. הסביבה הזאת מושפעת מהביקוש העולמי למאיצי AI, לזיכרון ולתהליכי ייצור מתקדמים. עם זאת, אין בהכרזה ראיה לכך שחברה ישראלית מסוימת משתתפת בפרויקט Maia 300.
עבור עסקים ומפתחים ישראלים המשתמשים ב־Azure, ייעול תשתיות ההסקה עשוי להשפיע בעתיד על זמינות שירותים, קיבולת ומחירים. מיקרוסופט לא הכריזה על פריסה של Maia 300 בישראל או על שינוי תעריפים בעקבות השבב, ולכן מוקדם להסיק על השפעה מסחרית מקומית ישירה.
מקורות
- מיקרוסופט, 12.10.2026 — הכרזת Maia 300 ותוכנית הפריסה.
- Microsoft Azure — סקירה הנדסית ומפרט השבב.
- רויטרס, 12.10.2026 — היקף הפריסה המתוכנן והמשמעות העסקית.
- The Verge, 12.10.2026 — ההכרזה והשפעתה על התחרות בשוק.
- סוכנות האנרגיה הבינלאומית (IEA), 2025 — תחזיות הביקוש לחשמל במרכזי נתונים.
- Omdia, יולי 2026 — ביקוש לשבבי AI, לזיכרון HBM ולאריזה מתקדמת.
- רויטרס, 8.10.2026 — המחשה לחשיבות של שרשרת האספקה והאריזה המתקדמת.
