המאבק על בעלות באינטליגנציה מלאכותית – למה מרכזי נתונים חשובים יותר מתמיד

לפני מספר שנים, מרכזי נתונים נראו כמשהו טכני ובלתי נראה – תשתית מוסתרת עמוק בחלק האחורי, נדונה רק לעיתים רחוקות מחוץ לחוגים מקצועיים. אבל הצמיחה המואצת של אינטליגנציה מלאכותית שינתה לחלוטין את התמונה. היום, מרכזי נתונים הפכו ל “באר הנפט” החדשה של הכלכלה הדיגיטלית: נכס אסטרטגי שסביבו מושקעים מיליארדים, מדיניות ממשלתית ואסטרטגיות תאגידיות נבנות.

חדשות אחרונות מאשרות זאת. Anthropic הודיעה על בניית מרכזי נתונים משלה בארצות הברית, בעלות 50 מיליארד דולר, סכום המקביל לתקציבים של פרויקטים אנרגיה גדולים. כמעט בו-זמנית, X.AI ו-Nvidia חשפו פרויקט משותף בערב הסעודית, אחד ממרכזי הנתונים הגדולים ביותר באזור.

למה הנושא של מרכזי נתונים הפך לגלובלי כל כך? למה שחקנים גדולים עוזבים את המודלים הטהורים של עננים ומשקיעים עשרות מיליארדים בנכסים שלהם? וכיצד מהלך זה משפיע על ארכיטקטורת אינטליגנציה מלאכותית, מערכות אנרגיה, גאופוליטיקה ועלייתן של מודלים חלופיים, מארקטיקה ועד מרכזי נתונים בחלל?

זה מה שהטור הבא חוקר.

הגל הגלובלי של עניין בבעלות על מרכזי נתונים

כאשר צריכת משאבי חישוב נמדדת במיליוני דולרים לשנה, שכירת שרתי ענן אכן יותר יעילה: עסקים אינם צריכים לבנות ולתחזק בניינים, לשלם עבור חשמל וקירור, לרכוש ציוד, או לשדרג אותו באופן קבוע. אבל כאשר הוצאות מגיעות לעשרות מיליארדי דולרים, הלוגיקה משתנה.

בנקודה זו, זה הופך ליותר יעיל כדי לבנות מרכזי נתונים משלך, להעסיק מהנדסים, לרכוש ציוד, ולאופטימיזציה של התשתית עבור צורכיך הספציפיים. החברה פוסקת לשלם יותר מדי עבור הרווחים של ספקי עננים ומקבלת שליטה רבה יותר על עלות ויעילות של חישוב.

זה הסיבה שמגמת בניית מרכזי נתונים פרטיים היא הרלוונטית ביותר עבור ענקים כמו OpenAI או Anthropic, חברות שצורכיהן כה גדולים שהענן אינו עוד מוצדק כלכלית.

בו-זמנית, חשוב להבין שהמושג “מרכז נתונים” הוא רב-שכבתי. עבור חברות מסוימות, זה בעיקר מתקן לאחסון נתונים, דיסקים, בסיסי נתונים ומידע משתמש. עבור אחרים, זה גם מרכז חישוב: שרתים הרצים מודלים כמו GPT, Claude, או LLaMA, ואוגרים נתונים ומבצעים פעולות מורכבות. בעצם, היום, מרכז נתונים הוא “מחסן” טכנולוגי ענק שמאכלס אלפי מחשבים מיוחדים.

וככל שהביקוש לקיבולת אינטליגנציה מלאכותית גדל, “המחסן” הזה הופך להיות אסטרטגי ונדון יותר, ולכן מרכזי נתונים נדונים כיום לא רק על ידי מהנדסים, אלא גם על ידי משקיעים, מחוקקים ובכירים.

מה חשוב יותר בבניית מרכזי נתונים לאינטליגנציה מלאכותית: מהירות או איכות?

במציאות, אף אחד מהירות הבנייה או “איכות” הפורמלית של מרכז נתונים אינו המניע הראשי. חברות גדולות משקיעות בתשתית שלהן כדי להפחית עלויות ולקבל שליטה מרבית על חישוב.

איכות המודלים עצמם מדאיגה את השחקנים הבכירים פחות ממה שמישהו היה יכול לחשוב. הסיבה היא פשוטה: הפער באיכות בין מובילי השוק הוא מינימלי. זה מאוד דומה לתעשיית הרכב: פולקסווגן, טויוטה, הונדה – כולם שונים, אך אף אחד לא יכול להיפרד באופן משמעותי מהשוק. כל אחד שומר על חלקו היציב.

שוק האינטליגנציה מלאכותית עוקב אחר הלוגיקה הדומה. משתמשים מתקדמים כבר משתמשים במודלים רבים בו-זמנית: אחד עבור תכנות, אחר עבור יצירת טקסט, שלישי עבור ניתוח או חיפוש. לקוחות תאגידיים עושים את אותו הדבר. למשל, שירותים כמו Grammarly אין להם מודל משלהם בכלל. הם קונים טוקנים מספקים רבים, Anthropic, OpenAI, Meta. כאשר בקשה מגיעה, המערכת בוחרת אוטומטית את הספק: זה שכרגע זול יותר, מהיר יותר, או מדויק יותר. אם הטקסט הוא באנגלית – הוא הולך ל-GPT; אם בהינדי – ל-Claude; אם LLaMA כרגע יש לו התעריפים הנמוכים ביותר – הוא הולך שם. זה בעצם מודל הפצה של עומס דומה לבורסה.

בשיחות עם לקוחות תאגידיים של Keymakr, אני רואה את אותו המגמה: חברות גדולות נטשו זמן רב

הגאוגרפיה של נתונים

על ידי “שליטה”, אני מתכוון לגאוגרפיה של נתונים. אם חברה עובדת עם סוכנויות ממשלתיות, החוק אוסר על נתונים לעזוב את המדינה. יישומים ממשלתיים וכמעט צבאיים משתמשים באופן פעיל באינטליגנציה מלאכותית במודיעין, יחידות IT הגנה, ושירותים מוניציפליים. אבל אי אפשר לתת למערכות אלה גישה למודל אם מרכז הנתונים ממוקם באזור עם שיפוט מוסדר או אמון נמוך. זה למה ממשלות דורשות קיבולת חישוב להיות ממוקמת פיזית בתוך המדינה.

חברות גדולות מבינות את זה היטב. אם הן רוצות להשתתף במכרזים ממשלתיים, לחתום על חוזים, או לעבד נתונים רגישים, הן צריכות תשתית באזורים מסוימים ואת היכולת להבטיח ציות לתקני ביטחון. האילוץ הגאוגרפי הזה משפיע גם על גורם קריטי נוסף בבנייה והפעלה של מרכזי נתונים – אנרגיה.

מרכזי נתונים של אינטליגנציה מלאכותית צורכים כמויות עצומות של חשמל, הן כדי להריץ שרתים והן כדי לקרר אותם. קירור לעיתים קרובות עולה יותר מעצמה החישוב עצמו. זה יוצר הגבלות קפדניות. באזורים מסוימים, מרכזי נתונים מוגבלים לצריכת כמות מסוימת של חשמל מהרשת; באחרים, פליטות חום לסביבה מוסדרות בקפדנות. עקיפת הגבלות מובילה לקנסות ושדרוגים הנדסיים יקרים.

בנוסף, חשמל נרכש בעיקר מחברות אנרגיה בבעלות המדינה, שיש להן מבנה תעריפים משלהן. אי אפשר פשוט “לקנות ככל שאתה רוצה”. למשל, עד לסף מסוים, המחיר הוא שיעור אחד; מעליו, שיעור אחר. אם מרכז נתונים שואב יותר חשמל מאשר מותר בתקופות שיא, הוא מיד חייב בקנסות. מסיבה זו, חברות גדולות מוצאות את זה יותר כלכלי לבנות מרכזי נתונים משלהן ליד תחנות כוח משלהן.

זה טבעית מוביל לרעיון של פיתוח ייצור אנרגיה פרטי, כגון חוות שמש, תחנות גז, או תחנות הידרואלקטריות קטנות. אבל כל אחת מהפתרונות האלה היא מוגבלת. תחנות גז ופחם מייצרות פליטות. הידרואלקטריה משנה את מערכות הנהר. אנרגיה גרעינית היא הנקייה ביותר מבחינת פליטות, אבל רק ממשלות יכולות לבנות תחנות גרעיניות.

וזה בדיוק הנקודה בה רעיונות חדשים מתחילים לצוץ…

פתרונות חלופיים

האפשרות הבולטת ביותר היא מיקום מרכזי נתונים באזורים עם אקלים קר בטבע, כגון קנדה הצפונית, הטריטוריות הצפוניות של סקנדינביה, או אזורים רחוקים בארקטיקה. שם, הטבע עצמו פותר את בעיית הקירור, מוריד באופן דרסטי את עלויות הפעלה.

הצעד הבא הוא “מרכזי נתונים תת-ימיים”. חישוב מתבצע תת-ימית, עם סביבה ימית קרה המספקת קירור טבעי. אבל גם גישה זו היא בעלת חסרונות. כבר הועלו חששות סביבתיים. למשל, ליד דרום איסלנד, שם עובר הזרם הגולף, הוצע כי הפריסה הנרחבת של מרכזי נתונים תת-ימיים יכולה להשפיע על תהליכים קלימטיים מקומיים, ואולי אפילו לשנות את התנהגות זרמי האוקיינוס. תצפיות ראשוניות של סטיות כאלה כבר נרשמו.

ישנן גם אפשרויות יותר עתידניות. לאחרונה, דנתי עם עמיתים על מושג מרכזי נתונים בחלל. הרעיון של שיגור תשתית חישוב למסלול הוא רעיון שקיים זמן רב; הטכנולוגיה הביאה אותו לסף הישימות, עם יסוד טכני מוכן.

למה החלל נראה מושך? הוא מיד מפתר שני אתגרים גדולים: קירור וחשמל. טמפרטורות בחלל הקרוב לכדור הארץ הן נמוכות מאוד, מה שהופך את פליטת חום לכמעט חינם. חשמל גם לא בעיה: לוחות שמש ענקיים יכולים להיפרס, בדומה לטלסקופים בחלל. בחלל, אין אבק, אין מזג אוויר, אין צל. הלוחות מספקים כוח יציב סביב השעון, כמעט ללא תחזוקה.

תקשורת עם כדור הארץ היא אתגר הנדסי נפרד, אבל הוא לגמרי ניתן לפתרון. אחת הגישות היא להשתמש במערכות לוויינים כמו Starlink, אבל עם ערוצים רחבים הרבה יותר. קשרים רדיו יכולים, בעיקרון, לטפל בנפחים האלה, וקשרים אופטיים, ערוצים בסיסיים עם רוחב פס עצום, יכולים להיעשות אם נדרש. מהנדסים ימצאו בטח פתרון כאן.

בסך הכל, תשתית חלל היא יותר ענף עתידי של פיתוח, אבל דיון בו אינו נראה עוד כמדע בדיוני, במיוחד כאשר הביקוש לחישוב גדל הרבה יותר מהיכולת החדשה על כדור הארץ.

שווה לציין את החדשות האחרונות: Google הודיעה על פרויקט Suncatcher, שמטרתו ליצור מרכזי נתונים אורביטליים של אינטליגנציה מלאכותית. לפי התוכנית, לוויינים המצוידים בשבבים TPU יופעלו על ידי אנרגיה סולארית וישדרו נתונים דרך ערוצים אופטיים. Google טוענת כי פתרון זה יכול לספק עד שמונה פעמים יותר יעילות בייצור אנרגיה מאשר מערכות יבשתיות. הלוויינים הראשונים אמורים לשוגר ב-2027.

ההשפעה של רגולציות

כאשר מדובר ברגולציות המשפיעות על מרכזי נתונים, השפעתם הסביבתית, ואם מסגרות חוקיות יכולות באמת “לדחוף” את השוק הזה לחלל או למים, השאלה נותרת פתוחה.

כל מדינה פועלת אחרת, מיישמת רגולציות לפי תוכניותיה הארוכות-טווח. אין סוד שאירופה, למשל, היא בעלת כללים מחמירים יותר, שמאטים את פיתוח האינטליגנציה המלאכותית. ארצות הברית, לעומת זאת, נוקטת גישה פרגמטית יותר: חוקים נכתבים בדרך כלל כדי לאפשר המשך החדשנות והצמיחה. לובי טכנולוגי חזק בקליפורניה, ביתן של חברות כמו Nvidia, Apple, Microsoft, ו-Meta, הופך איסור מוחלט על אינטליגנציה מלאכותית לבלתי סביר. זה אומר שהטכנולוגיה תמשיך להתקדם.

אנו חיים בעידן שבו “חשיבה מחוץ לקופסה” מעודדת הן במערב והן באסיה, ודוגמאות של אילון מאסק וסטיב ג’ובס ממשיכות להשראה פרויקטים שאפתניים. כך, אולי חישוב בחלל הוא הצעד הלוגי הבא.