מיקרון: האם זו הנטיה החדשה בוול סטריט? שינוי בהימור על זיכרון
בעודה אנוידיה שלטה בשנים האחרונות בשוק שבבי AI, משקיעים מתחילים להסתכל על מיקרון (Micron) כחברת הזיכרון האמריקאית שעלולה להנציח את התגלית הבאה. הפוקוס משתנה, מעיבוד לאחסון נתונים.
בעודה אנוידיה שלטה בשנים האחרונות בשוק שבבי AI, משקיעים מתחילים להסתכל על מיקרון (Micron) כחברת הזיכרון האמריקאית שעלולה להנציח את התגלית הבאה. הפוקוס משתנה, מעיבוד לאחסון נתונים.
HBM (Hybrid Bonded Memory) הוא סוג של זיכרון קרוב לעיבוד שמעביר נתונים במהירות עצומה. בתוך מערך ה-GPU, זה הגרון הצר, ללא HBM יעיל, אפילו ה-CPU החזק ביותר הוא איטי. מיקרון היא אחת מהספקות המעטות שכשרות לייצור זאת בקנה מידה.
Nvidia קטעה את דמי השירות וגדלה מהר, אבל משקיעים מתחילים להבין שזיכרון הוא קריטי פחות פחות. מיקרון תופסת אופק, הביקוש לזיכרון בעומק דה-AI גדל בקצב מדהים. חברות כמו Meta, Google, OpenAI משקיעות מיליארדים בנתונים, לא רק בחישוב.
הידעת?
מיקרון היא היחידה שמייצרת HBM (Hybrid Bonded Memory) בקנה מידה תעשייתי בארה״ב, זה הזיכרון במהירות גבוהה שכל מערך ה-AI צריך.
בשנה שעברה, כל הפוקוס היה על Nvidia. השנה, חלק מהעיניים מתחילות להתמקד ב-Micron Technology, חברה אמריקאית המייצרת זיכרון DRAM וזיכרון HBM, אשר הוא קריטי לתפעול מרכזי נתונים. TechCrunch חשף אמת עדינה אך משמעותית שמשקיעים החלו להבחין בה: שינוי בהימור לטווח הארוך.
נניח שיש לך GPU חזק מאוד, כמו Nvidia H100 או B100. אם הזיכרון שלך איטי, תחכה שעות לנתונים. זה כמו שיש לך ציפור מהירה אבל היא קשורה לחוט איטי.
HBM (Hybrid Bonded Memory) הוא החוט הזה, וזה מיקד ההתמקדות של Micron. בעוד שזיכרון DRAM רגיל לוקח כמה מיקרו-שניות לגישה, HBM יכול לעבוד עם כמויות רבות של נתונים בו-זמנית. לכן מרכזי נתונים בעולם משלמים פרמיה עבורו.
וול סטריט רואה בזה אות של דפוס: דרישות ה-AI לא מסתיימות בעיבוד. היא צורכת זיכרון. כל שדרוג של Nvidia דורש שדרוג מקביל של Micron.
אתה אולי שומע ש-Samsung ו-SK Hynix גם בונות HBM. הם בדרכם. אבל Micron כבר שם, בייצור בקנה מידה תעשייתי, בארה״ב, ולא בסיאול או בטייוואן. זו יתרון דק אך קריטי:
משקיעים לומדים את השיעור: תחרות בשוק הזיכרון תוריד מחירים, דבר שיהיה טוב לצרכנים בטווח הארוך. אבל בטווח הקצר, Micron עלולה להיות היחידה שמחזיקה בקלפים.
אם אתה בונה AI כחברה קטנה או סטארטאפ:
חישוב עלויות: בדוק את חשבוני ה-API שלך. אתה משלם ל-Micron בעקיפין דרך כל יחידת חישוב. כלים פתוחים כמו Llama או Mistral עלולים לצרוך חלק גדול יותר מתקציבך משום שהם תובעים זיכרון יקר.
כלים מקומיים: שקול להריץ מודלים קלים יותר (כמו Claude 3.5 Sonnet או Gemini 2.0) בתוך הארגון שלך. תחסוך זיכרון כשתקבע איך להשתמש בו.
שאלה חדשה: אם הנהלה שלך שואלת "למה AI כל כך יקר?", זה לא רק בגלל Nvidia. זה כי הם צריכים זיכרון, וזיכרון אינו זול.
Micron לא הולכת להנצח את Nvidia. אבל היא תגדל בקביעות והשפעתה על שוק ה-AI תשתנה. אם אתה מתכנן השקעה ארוכת-טווח ב-AI, הבן שעלויות לא יירדו בעצמן, תחרות על זיכרון היא המפתח.
בינתיים? עקוב אחרי מחירי זיכרון HBM. כשהם יורדים, זה סימן שחברות משחררות קיבולת מהמחסנות שלהן.
אם אתה עובד עם צוות AI או בונה סוכנים, הבן שהעלות של compute לא תישמר במקום. המלצה: התמקד בעלויות ה-infrastructure שלך קדימה, אמת שאתה משתמש בזיכרון בחכמה, ושקול לאתחל כלים מקומיים (עם מודלים קלים יותר) כדי לחסוך.
לא בקרוב. אבל המתחרות בשוק, סמסונג, SK Hynix, מאיימות על כיסוי הבעלות. תחרות יכולה להוריד מחירים. זה טוב למצרכי AI, אבל הערה עבור משקיעים: הפעילות לטווח קצר עשויה להיות רועדת.