בריאן ארמסטרונג, מנכ"ל קוינבייס, מהמר שהצוואר הבקבוק הבא של הבינה המלאכותית לא יהיה רמת החכמה של המודלים, אלא כמות החשמל והחומרה הפיזית הזמינה להפעלתם. בסדרת דברים השבוע, טען ארמסטרונג שתשתית האנרגיה וכוח החישוב, לא שיפורים באלגוריתמים, יקבעו עד לאן הבינה המלאכותית תוכל להתרחב. עם השקעות הון סיכון בבינה מלאכותית שהגיעו ל-242 מיליארד דולר ברבעון הראשון של 2026 בלבד, הוא אומר שהאילוץ האמיתי כבר ניכר בבניית מרכזי הנתונים.
לאן העלויות הולכות
ארמסטרונג צופה שתוך 12 עד 18 חודשים, כ-80% מהעומסים של בינה מלאכותית יעברו למודלים שעולים עד 99% פחות ממערכות הקצה הנוכחיות. ה-20% הנותרים עדיין ישתמשו במודלים מהשורה הראשונה למשימות רגישות כמו מחקר מדעי. הוא השווה את הפיצול לאלקטרוניקה צרכנית: רוב האנשים שקונים מקבוק או מחשב גיימינג מוותרים על המפרט המקסימלי. אותו היגיון, לדבריו, יחול על בינה מלאכותית – רוב המשימות ירוצו על מודלים זולים ומספיק טובים.
קוינבייס כבר מיישמת רעיון זה. החברה מנתבת בקשות למודל החסכוני ביותר הזמין, מה שאפשר לה לשמור על הוצאות הבינה מלאכותית שלה כמעט קבועות גם כשהשימוש בטוקנים גדל באופן אקספוננציאלי. חלופות קוד פתוח כמו DeepSeek V4, שמתפקדות קרוב למערכות הקנייניות הטובות ביותר בעלות של כשלושים האחוזים מהן, הופכות אסטרטגיה זו לאפשרית.
תקציבי ארגונים כבר בלחץ
המשקיע טומי שונסי הצביע על אובר כדוגמה כיצד הוצאות בינה מלאכותית בארגונים יכולות לחרוג מהתחזיות במהירות. לפי שונסי, אובר כילתה את מלוא תקציב הבינה המלאכותית שלה לשנת 2026 עד תחילת אפריל – פחות מארבעה חודשים לתוך השנה. חריגת עלויות כזו, טוען ארמסטרונג, תדחוף חברות לחפש חלופות זולות יותר במקום לרדוף אחר המודל המתקדם ביותר.
ככל שהעלויות לטוקן יורדות, הצוואר בקבוק עובר במעלה הזרם. המחסום האמיתי הופך לאנרגיה ולסיליקון הנדרשים להפעלת כל מודל בקנה מידה. ארמסטרונג מתאר את הביקוש לאינטליגנציה מבוססת בינה מלאכותית כחסר תקרה מעשית. אך התשתית הפיזית לספק אינטליגנציה זו כבר נתקעת.
מדוע ארמסטרונג מתנגד לרגולציה כבדה יותר על בינה מלאכותית
ארמסטרונג גם הביע התנגדות לרגולציה מחמירה יותר על בינה מלאכותית. הוא טוען שאילוצי מדיניות לא צריכים לעצב את מסלול הטכנולוגיה כאשר האתגר המעשי העיקרי הוא כבר מחסור בתחנות כוח ובמרכזי נתונים. רגולציה יתר, לדבריו, עלולה להאט את בניית התשתית הזו בזמן שהיא נחוצה ביותר.
קיבולת מרכזי הנתונים לא יכולה לעמוד בקצב
קיבולת מרכזי הנתונים העולמית כבר אינה עומדת בקצב הביקוש. גם כשכספי הון סיכון זרמו לסטארטאפים של בינה מלאכותית ברבעון הראשון של 2026, קצב הבנייה הפיזי לא הדביק את הפער. הטיעון המרכזי של ארמסטרונג קושר הכל יחד: המגבלה האמיתית על בינה מלאכותית היא לא איכות המודל או אפילו העלות, אלא תשתית האנרגיה וכוח החישוב הגולמית הנדרשת להפעלת טריליוני שאילתות.
השאלה הפתוחה היא כמה מהר תשתית זו תוכל להתרחב – והאם חברות חשמל, רגולטורים ויצרני שבבים יוכלו לעמוד בקצב של תעשייה שאינה מראה סימני האטה.
