דמיינו שאתם יושבים בישיבת דירקטוריון של חברת טכנולוגיה ותיקה. במשך שנים, השוק ראה בכם סוס איטי, חברה ששיא תהילתה מאחוריה, כזו שמתקשה להדביק את הקצב של חברות הזנק זריזות ומתחרים נוצצים. ואז, בוקר אחד, הכל מתהפך. אתם לא רק חוזרים למשחק, אתם מכתיבים מחדש את החוקים שלו. זה בדיוק התסריט שהתממש לאחרונה עבור אחת מענקיות החומרה המוכרות בעולם, ומספק לנו שיעור מאלף על דינמיקה של שווקים, חדשנות, והכוח העצום של טכנולוגיות מתפתחות.
לפי הדיווח של TheMarker, אינטל ניפצה את התחזיות בזכות מה שמוגדר כקדחת הבינה המלאכותית. התוצאה המיידית הייתה מדהימה, המניה זינקה ב-15 אחוזים לאחר סגירת המסחר, וטיפסה לרמתה הגבוהה ביותר מאז ימי בועת הדוט.קום בשנת 2000. אך המספרים האלה הם רק קצה הקרחון. הדיווח מבהיר כי החברה מציגה צמיחה חזקה במיוחד בתחום מרכזי הנתונים והבינה המלאכותית. הדו"חות הרבעוניים והתחזיות החזקים נובעים ישירות מהביקוש האדיר לפתרונות בינה מלאכותית. הזינוק במניה הוא עדות חותכת להצלחתה של למנף את המגמה הזו, והצלחה זו משמשת מודל לחברות אחרות בתעשייה שמחפשות את דרכן בעולם המשתנה במהירות.
מה נשיג במאמר זה: אינטל
במאמר זה לא נסתפק בקריאת כותרות העיתונים. אנחנו נצלול פנימה אל תוך מנוע הצמיחה של תעשיית הטכנולוגיה נכון להיום. נפרק את מקרה הבוחן של אינטל לגורמים, ונבין מדוע המעבר שלה ממיקוד במחשבים אישיים לאספקת תשתיות עבור למידת מכונה ולמידה עמוקה הוא קריטי. נספק מפת דרכים מעשית לחברות טכנולוגיה שרוצות לשכפל את ההצלחה הזו, ונעניק למשקיעים כלים לזהות את ההזדמנויות האמיתיות מעבר להייפ התקשורתי. בסוף הקריאה, תהיה לכם הבנה ברורה של הכוחות המניעים את שוק השבבים, וכיצד ניתן לנווט בו בחוכמה.
האנטומיה של קאמבק טכנולוגי
כדי להבין את גודל ההישג, חייבים להבין את נקודת הפתיחה. במשך תקופה ארוכה, שוק המחשוב נשלט על ידי פרדיגמות קלאסיות של יחידות עיבוד מרכזיות. אך התפתחותם של מודלי שפה גדולים ורשתות עצביות מורכבות דרשה משהו אחר לחלוטין. היא דרשה כוח עיבוד מסיבי ויכולת לבצע פעולות מתמטיות מקבילות בקנה מידה חסר תקדים.
המעבר ממוצר מסורתי לפתרונות תשתית
כפי שעולה מהדיווח של TheMarker, המפתח לזינוק של אינטל טמון במיקוד בתחום מרכזי הנתונים. מרכזי נתונים הם הלב הפועם של הכלכלה הדיגיטלית כיום. כל שאילתה שאנחנו מריצים, כל תמונה שאנחנו מייצרים באמצעות אלגוריתם, דורשת שרתים חזקים שיעבדו את המידע. השכילה להבין שהזהב האמיתי אינו נמצא באפליקציה הסופית שהמשתמש רואה, אלא בייצור של המכושים ואתי החפירה עבור כורי הזהב הדיגיטליים. אספקת שבבים ייעודיים שיודעים להתמודד עם עומסי עבודה של בינה מלאכותית הפכה את החברה לספקית תשתית קריטית.
מינוף משאבים קיימים לטובת חדשנות
החכמה של חברות ענק היא לא לזרוק את כל מה שעשו בעבר, אלא למנף את קווי הייצור, את שרשראות האספקה ואת הקשרים העסקיים לטובת המוצר החדש. אינטל השתמשה ביתרון הגודל שלה כדי להבטיח ייצור המוני של פתרונות בינה מלאכותית, תוך שהיא משפרת את יעילות צריכת החשמל של השבבים שלה, נתון קריטי עבור מנהלי מרכזי נתונים שמתמודדים עם עלויות אנרגיה עצומות.
השלבים: איך חברות יכולות לשכפל את המודל
ההצלחה של אינטל אינה מקרית, והיא מציעה תבנית פעולה שחברות הזנק ותאגידים כאחד יכולים לאמץ. הנה השלבים המרכזיים לביצוע תפנית אסטרטגית מבוססת טכנולוגיה עמוקה.
שלב 1: זיהוי צוואר הבקבוק התשתיתי
אל תחפשו לפתח עוד יישום קצה. (אינטל) חפשו את המקום שבו התעשייה כולה נתקעת. במקרה של בינה מלאכותית, צוואר הבקבוק היה כוח העיבוד ויכולת העברת הנתונים המהירה בתוך השרת. חברה שרוצה להוביל חייבת למפות את התהליך השלם של הלקוחות שלה ולמצוא את הנקודה שבה המערכת זועקת למשאבים. ברגע שזיהיתם את נקודת החיכוך, רכזו את כל מאמצי המחקר והפיתוח לשם.
שלב 2: התאמת סביבת העבודה והמחקר
אי אפשר לפתח פתרונות של המחר עם כלי העבודה של האתמול. חברות חייבות לעדכן את סביבת העבודה שלהן, לאמץ תהליכי פיתוח מהירים, ולהשקיע בממשקי תכנות שיאפשרו למפתחים חיצוניים להשתמש בחומרה שלהן בקלות. המטרה היא להפוך את המוצר שלכם לסטנדרט התעשייתי שעליו כולם בונים.
שלב 3: מעבר ממכירת מוצר למכירת פתרון כולל
לקוחות לא קונים שבבים, הם קונים מהירות, אמינות ויכולת עיבוד. שיווק נכון בעידן הנוכחי דורש הדגמה של תרחישי שימוש אמיתיים. הראו כיצד לוח הבקרה שלכם מאפשר ניטור יעיל יותר, כיצד מדדי הייחוס שלכם עולים על המתחרים, וכיצד הפתרון שלכם חוסך זמן יקר באימון של מודלים מורכבים.
שלב 4: תקשורת שקופה מול שוק ההון
כפי שראינו במקרה של אינטל, הדו"חות הרבעוניים והתחזיות החזקים היו הטריגר לזינוק במניה. חברות חייבות לדעת כיצד לתקשר את החזון שלהן למשקיעים. עליהן להציג צינור עסקאות עתידי ברור, להסביר את המודל הכלכלי מאחורי הפיתוחים החדשים, ולהוכיח שהביקוש אינו תופעה חולפת אלא שינוי מבני עמוק בשוק.
הצד השני של המטבע: האם אנחנו עיוורים לסיכונים?
עד כה, התמונה נראית ורודה לחלוטין. אך מי שעובד בשטח יודע שהתמונה מורכבת הרבה יותר. ההתלהבות העצומה סביב כל מה שקשור לבינה מלאכותית מייצרת גם סביבה מסוכנת מאוד עבור חברות ומשקיעים כאחד.
ובכל זאת, יש כאלה שדווקא יגידו שההשקעה המסיבית בתשתיות חומרה היא מלכודת דבש מסוכנת. הטיעון הנגדי, שאסור להתעלם ממנו, גורס כי שוק החומרה הוא מחזורי באופיו. חברות ענק קונות כיום שרתים בקצב מסחרר כדי לא להישאר מאחור במירוץ החימוש הטכנולוגי. אולם, מה יקרה כאשר כל מרכזי הנתונים יהיו מצוידים לעייפה? מה יקרה כאשר יעילות האלגוריתמים תשתפר עד כדי כך שהם ידרשו פחות כוח עיבוד?
מומחי כלכלה מזהירים מפני תרחיש של עודף היצע. אם חברות יתבססו על הנחה של צמיחה אינסופית בביקוש לשבבים, הן עלולות למצוא את עצמן עם קווי ייצור יקרים ומחסנים מלאים בסחורה שאיש אינו קונה בעוד שנתיים או שלוש. המחשבה שבינה מלאכותית מבטלת את חוקי הכלכלה הבסיסיים של היצע וביקוש היא אשליה. כאשר מחזור ההצטיידות הנוכחי יסתיים, חברות שלא השכילו לגוון את מקורות ההכנסה שלהן יספגו מכה אנושה. זהו סיכון ממשי שכל משקיע חייב לשקלל לפני שהוא רוכש מניות בשיא של עשרים וחמש שנים.
טעויות נפוצות של חברות המנסות לרכוב על הגל
בעקבות ההצלחה של ענקיות התשתית, חברות רבות מנסות לחקות את המודל, אך נופלות במלכודות מוכרות.
הטעות הראשונה היא הוספת תווית ללא מהות. חברות רבות משנות את החומרים השיווקיים שלהן ומוסיפות את המונח בינה מלאכותית לכל מוצר, מבלי שבוצע שינוי אמיתי בארכיטקטורה של המערכת. משקיעים ולקוחות מתוחכמים יודעים לזהות את הבלוף הזה במהירות, והנזק למוניטין הוא בלתי הפיך.
טעות שנייה היא התעלמות מהאבטחה. הכנסת מודלים מתקדמים למערכות הליבה של הארגון פותחת פתח לסיכוני אבטחת מידע חמורים. (אינטל) חברות שרצות מהר מדי קדימה מבלי לבנות מנגנוני הגנה סביב מסדי הנתונים שלהן, מסתכנות בדלף מידע שעלול לרסק את החברה.
טעות שלישית היא חוסר סבלנות. פיתוח של חומרה ותשתיות עמוקות דורש זמן. זהו אינו תהליך של עדכון גרסה בתוכנה שקורה בלחיצת כפתור. חברות שמצפות להחזר השקעה מיידי מתייאשות מהר מדי וזונחות פרויקטים בעלי פוטנציאל אדיר רגע לפני הפריצה.
טיפים מתקדמים למשקיעים בתעשיית הטכנולוגיה
עבור משקיעים שמנסים למצוא את ההזדמנות הבאה, המקרה של אינטל מציע מספר תובנות חשובות.
ראשית, אל תסתכלו רק על מכפילי הרווח המסורתיים. בתקופות של שינוי טכנולוגי עמוק, החברות המנצחות הן אלו שמשקיעות סכומי עתק במחקר ופיתוח. בדקו את שיעור ההשקעה של החברה בתשתיות עתידיות לעומת מתחרותיה.
שנית, נתחו את שרשרת הערך במלואה. אם חברות השבבים מוכרות יותר, מי עוד מרוויח? אולי החברות שמייצרות את מערכות הקירור הנוזלי עבור אותם שרתים לוהטים? אולי החברות שמספקות את חומרי הגלם הנדירים לייצור השבבים? השקעה חכמה היא לעיתים קרובות השקעה בשכבה השנייה והשלישית של התעשייה.
שלישית, חפשו את החברות שמציעות ממשק תכנות פתוח ונוח. הטכנולוגיה הטובה ביותר לא תנצח אם קשה להשתמש בה. חברות שבונות קהילות מפתחים חזקות סביב המוצרים שלהן יוצרות חסם כניסה משמעותי בפני מתחרים.
מה הלאה: המפה לשנים הקרובות
הזינוק של אינטל, כפי שדווח ב-TheMarker, אינו אירוע נקודתי. הוא מסמן את תחילתו של עידן שבו התשתית הפיזית והווירטואלית חוזרת לקדמת הבמה. חברות שישכילו להבין את הצרכים העמוקים של מרכזי הנתונים, וידעו לספק פתרונות מהירים, חסכוניים בחשמל ואמינים, יזכו בנתח הארי של השוק.
התחרות רק תלך ותגבר. אנו נראה יותר שיתופי פעולה בין יצרניות חומרה לחברות תוכנה, בניסיון ליצור מערכות שלמות ומוכנות לשימוש. המנצחים הגדולים יהיו אלו שלא יפחדו לזנוח פרדיגמות ישנות ולהמר בגדול על ארכיטקטורות חישוב חדשות.
הלקח המרכזי מסיפור הקאמבק הזה הוא ברור. חדשנות אמיתית אינה דורשת בהכרח המצאה של שוק חדש לחלוטין, אלא זיהוי מדויק של הצרכים המשתנים בשוק קיים, והתאמה מהירה ואגרסיבית של היכולות הארגוניות כדי לענות עליהם.
הבעיה האמיתית היא לא למצוא את האלגוריתם המושלם, אלא לבנות את התשתית שתחזיק אותו.
