AMI Labs ובועת ה-AI שמפחדים לדבר עליה

בתחילת 2026 תעשיית הבינה המלאכותית נמצאת במצב פרדוקסלי. מצד אחד, ההבטחות בשיאן. אילון מאסק מדבר על "עידן של שפע", שווי השוק של Nvidia מתקרב לחמישה טריליון דולר וטסלה מציגה רכבים שחוצים את ארה"ב Coast to Coast ללא התערבות אנושית. מצד שני, הקולות הספקניים הולכים ומתגברים ואחד הבולטים שבהם מגיע דווקא ממישהו מלב המערכת.

יאן לקון, ממייסדיי תחום הדיפ לרנינג וחתן פרס טיורינג, עזב בנובמבר 2025[1][2] את תפקידו כמדען הראשי של Meta והקים את AMI Labs. הוא מתח ביקורת חריפה על הכיוון שאליו הולכת התעשייה. לדבריו התעשייה נמצאת באפקט העדר ולא נשאר הרבה מקום לגישות אחרות שעשויות להיות מבטיחות הרבה יותר בטווח הארוך[3]. יאן לקון אינו המבקר הבכיר היחיד של תעשיית ה-AI והדרך הנכונה להגיע ל-AGI (Artificial General Intelligence) - על כך נרחיב בהמשך המאמר.

כיצד ייתכן שההשקעות חסרות התקדים בהיסטוריה של הטכנולוגיה מתרחשות דווקא כשחלק מהמומחים הבכירים ביותר בתחום מזהירים כי זוהי הדרך הלא נכונה? גם אם הבועה הנוכחית לא תתפוצץ כמו בועת הדוט-קום, האם היא עדיין מייצרת סיכונים ייחודיים לציבור המשקיעים ולכלכלה העולמית והישראלית?

חלק ראשון: האם ה-AI יוביל ל-AGI? נדבר על אשליית האינטליגנציה

נפתח בהסבר על המצב הנוכחי. מודלי השפה הגדולים (LLMs) כמו ChatGPT, Gemini, Claude, Llama, Grok ו-Deepseek, מהווים הישג טכנולוגי מרשים. הם מסוגלים לבצע משימות מורכבות בתחומים שבהם השפה מייצגת לוגיקה כמו בכתיבת קוד, בפתרון בעיות מתמטיות או בניתוח חוקים, אך הם רחוקים מאוד מלהיות אינטליגנטיים במובן האנושי.

יאן לקון, שהוביל את תחום הדיפ לרנינג במשך עשורים הסביר כי אינטליגנציה אמיתית אינה רק אוסף של ידע מצטבר וכי ה-LLMs הם בעיקר מאגרי ענק של טקסט שמעוכל ע"י בני אדם. המודלים מצטיינים בדפוסים סטטיסטיים, אך חסרה להם הבנה עמוקה של העולם הפיזי. ההבדל המהותי, לדבריו, הוא יכולת ההסתגלות, אשר היא סימן ההיכר של אינטליגנציה אמיתית.

דוגמה קלאסית שממחישה את הפער היא משפט כמו "זרקתי צלחת על הקיר וזה נשבר". מי נשבר? הצלחת או הקיר? מודל שפה לא באמת יודע את התשובה. הוא יכול לנחש על סמך דפוסים סטטיסטיים אבל הוא לא מבין את הפיזיקה הבסיסית, את תכונות החומרים, או את מה שקורה כשעצם פוגע במשטח קשה[4]. זוהי אינטליגנציה לכאורה, ולא אינטליגנציה אמיתית.

ה-LLMs בונים אינטליגנציה מטקסט בלבד ולא מניסיון אמיתי. לדברי לקון[5] הטקסט הציבורי שמצוי באינטרנט שווה ערך למידע החזותי שילד סופג בארבע השנים הראשונות לחייו. אמנם מדובר בהיקף רחב של מידע אך לא ניתן להגיע לרמת אינטליגנציה של אדם מבוגר רק באמצעות אימון על טקסט, אלא באמצעות למידה מבוססת וידאו. מודלי שפה פועלים בעולם דיסקרטי של מילים וטוקנים בעוד שהעולם האמיתי רציף, פיזי ומלא בסיבתיות. למערכות כיום אין זיכרון מתמשך, אין למידה אמיתית מתמשכת מהסביבה, אין הבנה של סיבה ותוצאה ואין יכולת לתכנן פעולות מורכבות בעולם הפיזי.

המרכיב החסר, לדברי לקון[6], הוא הבנה אמיתית של "איך עובד העולם" ברמה הכי בסיסית, מבחינת פיזיקה, סיבתיות, מרחב וזמן ("מודל עולם"). תינוק צעיר מבין שאם ישמוט צעצוע, הצעצוע ייפול מטה. הוא מבין שחפצים מתקיימים גם אם הם מחוץ לשדה הראייה שלו. זהו ידע שנרכש מהחיים ולא מטקסט. LLMs חסרים אותו לחלוטין.

ב-AMI Labs, החברה שלקון הקים לאחרונה, הוא מעוניין לבנות מערכות שיפצו על הפער הזה ויהיה להן זיכרון מתמשך ויכולת תכנון והבנה של העולם הפיזי[7]. במרץ 2026 AMI Labs הודיעה שהיא גייסה 1.03 מיליארד דולר לפי שווי של 3.5 מיליארד דולר לפני הכסף[8]. זהו אחד הסבבים הגדולים ביותר אי פעם לשלב Seed[9]. בין המשקיעים נמנים: Toyota Ventures, Nvidia, Bezos Expeditions, Temasek, Cathay Innovation ו-Greycroft. Ami Labs מונה כיום מספר עשרות עובדים ויש לה מרכזים בפריז, בניו יורק, במונטריאול ובסינגפור. החלק המעניין בגיוס הוא שגם בתוך הבועה, יש משקיעים גדולים שמוכנים לשלם פרמיה ענקית על גישה שמתנגדת למיינסטרים.

ההבחנה בין AGI לבין ה-AI הנוכחי היא קריטית. ה-AGI, אם יגיע, יהיה אירוע משנה פרדיגמה שכן מדובר במכונה שתוכל לבצע כל משימה אינטלקטואלית שבן אדם (גם המוכשר באדם) יכול לבצע, ולרוב באופן טוב יותר. אך לפי לקון ורבים מעמיתיו, הגעת ה-AGI עוד רחוקה והדרך הנוכחית של scaling LLMs רחוקה מלהוביל לשם.

זה לא אומר שה-AI הוא חסר ערך. דוגמה מצוינת לכך, באה לידי ביטוי בנהיגה על רכבים של טסלה. מערכת ה-FSD, שמאפשרת נהיגה אוטונומית מתקדמת, מבצעת מהלכים שנהגים רבים לא היו מוכנים לבצע בעצמם כמו השתלבות בכבישים סואנים מאוד וכמו נהיגה בתנאי מזג אוויר קשים. זוהי דוגמה להישג הנדסי מרשים של ה-AI הנוכחי, אך לא מדובר בהישג שדורש אינטליגנציה "של החיים", אלא מיומנות מאוד גבוהה וספציפית למשימת הנהיגה.

הבעיה המרכזית עבור משקיעים היא חוסר הוודאות. הם לא יודעים להעריך, בשום רמה של ודאות, האם ה-AI, כפי שאנו מכירים אותו כיום, הוא הצעד הראשון לעבר ה-AGI, או שהוא פשוט לא, ושמדובר בטכנולוגיה חזקה אך מוגבלת שמקשה עליהם בחיזוי העתיד הכלכלי ובתמחור החברות.

חלק שני: הבועה שכולם מפחדים לדבר עליה

המימון המעגלי

בסוף 2025 חל מהלך מעניין. Nvidia ו-OpenAI הכריזו על שותפות אסטרטגית ענקית לפיה Nvidia תשקיע עד 100 מיליארד דולר ב-OpenAI, ובתמורה לכך, OpenAI תרכוש שבבים של Nvidia בהיקף דומה. זה נשמע כמו עסקה ענקית והיא אכן הייתה אמורה להיות כזו, אבל בינואר 2026, הודיעה Nvidia שהיא מקפיאה את התוכנית, ומצמצמת אותה לכ-30 מיליארד דולר בלבד[10].

מדובר בדוגמה קלאסית למימון מעגלי שמאפיין חלק מהתעשייה כיום, תופעה המוכרת בעולם ההשקעות כ-Vendor Financing. חברה א' משקיעה בחברה ב', וחברה ב' קונה שירותים או מוצרים מחברה א'. שווי השוק של שתיהן עולה, אבל במאזן המאוחד לא נוצר כל ערך חדש אלא רק אשליה של צמיחה. הדבר גורם לכך שההערכות השווי, במקרים רבים, מנופחות ומונעות ע"י אינטרסים הדדיים ולא ע"י כלכלה אמיתית, ביצועים אמיתיים או ביקושים.

ההבדל מבועת הדוט-קום

כשמשווים את התקופה הנוכחית לבועת הדוט-קום של 2000, צריך לשים לב להבדל גדול ובולט במיוחד. החברות המובילות היום הן ענקיות טכנולוגיה רווחיות עם תזרימים חזקים, בהיקף של מדינות. זאת לעומת בועת שנת 2000, אז דובר על חברות חלשות בהרבה, בשוויים נמוכים בהרבה (גם במונחים ריאליים), אשר היו תלויות מאוד בצמיחה של תחום האינטרנט. מצד אחד החוזק של החברות הוא דבר חיובי מאוד שמקנה רשת בטחון, אבל מצד שני, המשבר גם יכול להיות גדול בהרבה, משום שהחברות הללו בגדלים של כלכלות שלמות והתיקונים עלולים להיות דרמטיים.

חברות הענק הללו ביצעו לאחרונה (וממשיכות לבצע) השקעות הוניות חסרות תקדים בהיסטוריה סביב תחום ה-AI. מדובר בסכומים של מאות מיליארדי דולרים המוזרמים לחוות שרתים, לשבבי GPU ולתשתיות AI מדי שנה. ההערכות לשנת 2026 מדברות על סכום כולל של כ-650 מיליארד דולר[11] רק אצל ארבעת ה-hyperscalers הגדולים (Meta, Microsoft, Amazon ו-Google).

השאלה האמיתית אינה אם יש בועה, אלא מתי ואם יהיה תיקון או בלימה? מתי יתחילו המשקיעים והחברות להטיל ספק בתשואה מההשקעות העצומות? מתי ואם החברות יגלו שההיצעים שהן יצרו גדולים מהביקושים? אם זה יקרה, באותו מועד , ההשפעה על השוק עשויה להיות דרמטית. בניגוד לבועת הדוט-קום, כאן מדובר בחברות שמהוות חלק גדול מהשוק העולמי. תיקון חד עלול להשפיע לא רק על מגזר הטכנולוגיה, אלא על כלכלות שלמות, כולל כלכלת ישראל, שתלויה מאוד בהשקעות זרות ובייצוא הייטק.

במקום השוואה לבועת הדוט-קום, אפשר להשוות את המצב להקמת מסילות הברזל בארה"ב ובבריטניה במאה ה-19. גם אז הייתה התלהבות חסרת תקדים, השקעות ענק בתשתיות והבטחה לעתיד מזהיר ולשינוי בעולם. בסופו של דבר, מסילות הברזל אכן שינו את הכלכלה ואת החברה אך לפני שזה קרה, הייתה גם בועה שהתפוצצה. משקיעים רבים נמחקו, חברות פשטו רגל, ורק המעטים ששרדו את הסערה קצרו את הפירות. חשוב לזכור את הלקח ההיסטורי מאותה התקופה. מקימי התשתיות (המסילות) ספגו את מרבית ההפסדים ואילו הערך הכלכלי העצום נוצר אצל אלו שהשתמשו בתשתיות.

גם כאן, התשתית (חוות השרתים, השבבים וה-LLMs) יישארו כנראה, וישנו את העולם, אך לא ידוע מי יספוג את ההפסדים עבור הקמתה. האם יהיו אלה משקיעים פרטיים, בעלי מניות של ענקיות הטכנולוגיה, או שמא גם כלכלות שלמות, כמו כלכלת ישראל, ירגישו את הרעידה?

חלק שלישי: ההזיות ומחיר חוסר האמינות

אחד המחסומים המשמעותיים ביותר בדרך לאימוץ רחב של בינה מלאכותית הוא חוסר האמינות שלה.

אמנון שעשוע, ממובילי תחום ה-AI בישראל, הציג בכנס, שנערך לאחרונה, באוניברסיטת רייכמן נתון מדאיג שפרסמה OpenAI, שנתמך גם במחקרים עדכניים, לפיו GPT גרסה 5 מספק תשובות שגויות (הזיות = hallucinations) ב-37% מהמקרים בשאלות מורכבות[12]. זהו נתון מטריד, במיוחד כשמדובר במערכות שמיועדות לשמש ככלי עבודה בתחומים קריטיים כמו רפואה, משפטים, פיננסיים או קבלת החלטות עסקיות. יש לציין כי מעבר לטעויות עצמן, הבעיה העיקרית היא הבטחון העצמי המופרז של המודלים גם כאשר הם טועים או "ממציאים" תשובות. לדבריו גם, נושא ההזיות או הטעויות לא משתפר ביחס למצב הנוכחי אם מוסיפים עוד Data והדבר הזה הביא למודלים "חושבים" שתוך כדי המענה הם חושבים ו"מפטפטים" ובמהלך הפטפוט המודל עושה רפלקציה על התשובה שלו ומעדכן אותה. בנקודה זו אנחנו נמצאים כיום.

הבעיה מחריפה כשמתבוננים בהסתברות מצטברת. כשמדובר בנתונים סינתטיים, חלק מהטוענים מדווחים על דיוק של עד 80%. אך אם מודל צודק ב-8 מתוך 10 שאלות בנפרד, ההסתברות שהוא צודק בכל השאלות יחד יורדת דרמטית. בעיה נוספת היא שהביצועים של המודלים מתדרדרים כשנפח הקלט גדל.

ההשלכות של חוסר האמינות מרחיקות לכת. בתחום החינוך, למשל, כבר לא ניתן לדרוש מתלמידים לבצע מטלות בית ולא לצפות שהם יעשו אותם באמצעות LLM כלשהו. בתחום העסקי, חברות שמשתמשות ב-LLMs לקבלת החלטות, עלולות לקבל החלטות שגויות על בסיס מידע שאינו מדויק או על בסיס מידע מומצא. לפי מחקרי Gartner[13],  כ-60% מסטארט-אפי ה-AI צפויים להיכשל בקרוב (עוד ב-2026) בשל בעיות הקשורות לאיכות הנתונים, לממשל ולאמינות המודלים. המחסום המרכזי כיום ב-AI אינו היקף כוח החישוב (יותר שבבים, יותר חשמל, יותר חוות שרתים) אלא היעדר ודאות לגבי אמינות ואיכות הנתונים.

חלק רביעי: קולות מהשטח

כדי להבין את עומק הדילמה, ראוי לציין כמה מן הקולות הבולטים בתעשייה. בהערת אגב נציין כי קיימים עוד רבים בולטים שלא מוזכרים כאן. נתחיל מהשוללים ונתקדם לחיוביים שביניהם.

• יאן לקון אינו סתם מבקר מהצד. הוא אחד משלושת חוקרי הדיפ לרנינג שזכו בפרס טיורינג (ה"נובל של המחשוב") על תרומתם פורצת הדרך. הוא שימש כארכיטקט הראשי של תחום ה-AI ב-Meta במשך יותר מעשור. כשמומחה ברמה כזו מזהיר שהתעשייה צועדת לכיוון הלא נכון, כדאי להקשיב, גם אם בסופו שלדבר יתברר שהוא טועה.

לקון אינו פסימי לגבי עתיד ה-AI באופן כללי. הוא מאמין שניתן לבנות מערכות אינטליגנטיות אמיתיות ולכן הוא הקים את AMI Labs, כאמור, כדי לעשות בדיוק את זה. אך הוא משוכנע שהדרך הנוכחית, בה מגדילים את ה-LLMs בקנה מידה עצום ובסכומי עתק, תוביל למבוי סתום[14] וכי לא נגיע לאינטליגנציה ברמת אדם רק באמצעות מודלי שפה.  

לקון גם מותח ביקורת על ההיסטריה סביב הכחדת האנושות בגלל ה-AI. כשהוא מתייחס ל"עידן השפע" של מאסק, הוא עושה זאת תוך דגש על כך שהדיון מנותק מהמציאות הטכנולוגית הנוכחית. עם זאת, ההשלכות הכלכליות של הכיוון הנוכחי עדיין משמעותיות מאוד.

• גארי מרקוס, פרופסור אמריטוס לפסיכולוגיה ומדעי המח באוניברסיטת NYU, חוקר קוגניציה ו-AI ותיק, נחשב לאחד המבקרים ה"רועשים" של תעשיית ה-AI כיום. הוא כותב מאמרים וספרים, מופיע בוועדות ומתעמת עם רבים מהתחום. מרקוס סבור ש-LLMs הם כלים שימושיים, אך הם בעלי פגמים שאינם ניתנים לפתרון בקלות. הם נוטים להזיות, לטעויות, לפגיעה בזכויות יוצרים ולנזקים חינוכיים וסביבתיים. לדבריו, אנשים נוטים לייחס ל-LLMs תכונות אנושיות שאין להם. לגבי AGI, הוא טוען שהוא רחוק מאוד וכי הבלבול לגבי קרבתו נובע מטעות בסיסית לגבי האינטליגנציה של ה-LLMs, אשר אין להם באמת. לדבריו התעשייה משתמשת בהייפ כדי לגייס מיליארדים מבלי שיש לה פתרונות אמיתיים לבעיות הקיימות[15][16][17].

• פרנסואה שולה, היה חוקר בכיר ב-Google ואחת הדמויות המשפיעות בתחום הדיפ לרנינג, יצר את מבחן ARC-AGI, שנחשב למבחן האינטליגנציה האמיתית של ה-AI, כדי להראות שהמודלים הנוכחיים הכשלים במשימות. שולה עזב את גוגל על מנת להקים חברה משלו, שמטרתה לפתח AGI דרך גישה שונה מזו הקיימת כיום. הוא טוען של סקיילינג של LLMs לא יוביל ל-AGI ושהתעשייה משקיעה מיליארדים ב"דרך הלא נכונה" שלא מובילה להתפתחות של אינטליגנציה[18]. רוב חוקרי ה-AI (כ-76% בסקר AAAI 2025[19]) מסכימים אתו. בניגוד לשוללים, שולה חושב שלפי קצב ההתקדמות הנוכחי וההשקעות, כולל גם גישות חלופיות לייצור אינטליגנציה, נתחיל לראות AGI לקראת תחילת שנות ה-30.

• רודני ברוקס, אחד מהאבות המייסדים של הרובוטיקה המודרנית (בכיר לשעבר ב-MIT ומייסד iRobot בחברת רומבה) ועם עשרות שנות ניסיון בתחום זה, עם דגש על רובוטים אנושיים, מביא זווית ייחודית ומרעננת לדיון וטוען שה-LLMs הם "שקרנים מוצלחים" ולא אינטליגנטיים ושה-AGI רחוק מאוד (לא יגיע לפני 2045 או אפילו 2050), אם בכלל יהיה ניתן לבנות אותו. לדבריו[20], אנשים רואים את השליטה של המודלים בשפה ומניחים שיש להם יכולות עמוקות של הסקה, של ידע ושל שיפוט, אך למעשה זה לא נכון. יש כאן בלבול בין ביצועים ובין יכולות. האבחנה של ברוקס לגבי בלבול בין ביצועים ובין יכולת הפכה לאחד הטיעונים הבולטים בקרב מבקרי ה-AI.

• אמנון שעשוע הישראלי, מייסד Mobileye ו-AI21 Lasbs, ואחד הקולות המשפיעים ביותר בתחום, מייצג גישה זהירה ומאוזנת יותר. לדבריו, ייתכן שה-AGI יגיע בקרוב יחסית וייתכן גם שלא. הוא אינו פוסל את האפשרות אך גם לא מצטרף להצהרות הדרמטיות.  שעשוע אומר[21] שמודלי השפה הגדולים של היום הם "מכונות חיזוי" מדהימות, אך חסר להם עולם של מושגים והקשרים. חסר להם דיוק ועומק של חשיבה וזה נדרש כדי לעלות לשלב הבא. הוא טוען שכדי להגיע ל-AGI, המערכות צריכות לעבור מסטטיסטיקה של מילים להבנה עמוקה של סיבתיות ונדרש שיהיה להן זיכרון ארוך טווח. שעשוע רואה ב-AI העתידי לא רק צ'אטבוט, אלא סוכן תבוני, והוא חושש משימוש לרעה ב-AI באופן שמנוגד לערכים האנושיים. החברה שהוא הקים, דאבל AI[22], מנסה להתמקד בנושא הדיור ועומק החשיבה ולחצות את הגבול הקיים היום בתחומים הללו.

• סם אלטמן, מנכ"ל OpenAI, מאמין ש-AGI הוא הכלי לפתרון הבעיות הקיומיות (כמו בעיות אנרגיה וכמו סרטן[23]) והוא מאמין שחוקי הסקיילינג, כלומר הוספה של עוד כוח מחשוב ונתונים[24], יביאו אותנו ל-AGI דרך יכולות הסקה שצצות מעצמן במודלים עצומים. הוא מדבר על עלות אינטליגנציה שתשאף לאפס[25], ועל הצורך במבנה חברתי חדש שיחלק את העושר שיוצר מה-AI. לדבריו ה-AGI קרוב מכפי שנדמה לנו.

• אילון מאסק, כמנהגו, לוקח את הדברים רחוק יותר ונמצא בקצה השני של הסקאלה. לדבריו, Grok 5 שעתיד לצאת בשנה הקרובה, נושא עמו סיכוי של כ-10% כצעד לקראת AGI[26]. מאסק מדבר על "עידן של שפע" שבו רובוטים ביתיים במחיר בר השגה (כמו Optimus של טסלה) יבצעו עבורנו את רוב המטלות השגרתיות. לדברי מאסק ה-AI והרובוטים יהפכו את השירותים והייצור לזולים ולזמינים כל כך (כמעט מיידיים), עד שהמחסור במשאבים (כמו מזון, אנרגיה או מוצרי צריכה) כמעט וייעלם מן העולם.

הקונספט של מאסק, המכונה "האימפריה המשולשת", משלב את טסלה, xAI ו-SpaceX ויוצר מערכת אקולוגית שלמה בה הבינה המלאכותית פועלת בחופשיות בעולם הפיזי. עם זאת, מאסק כבר הרגיל אותנו לכך שההכרזות והתחזיות שלו נוטות להיות אופטימיות מידי.

הפער בין הקולות הללו, ביניהם הספקנות של לקון, הזהירות של שעשוע, ואופטימיות היתר של מאסק, ממחיש את אי הוודאות העמוקה שמאפיינת את התעשייה כיום. זו אינה רק מחלוקת טכנית אלא מחלוקת שיש בה כדי להשפיע ישירות על מאות מיליארדי דולרים של השקעות, על תמחור חברות ועל עתיד הכלכלה העולמית והישראלית.

חלק חמישי: אז לאן אנחנו הולכים?

המודל הכלכלי העומד מאחורי גל ההשקעות הכול כך מאסיביות בתחום ה-AI אינו ישים בטווח הארוך. החברות המובילות משקיעות סכומים לא הגיוניים העומדים על מאות מיליארדי דולרים (ארבע ענקיות הטכנולוגיה צפויות להשקיע בין 650-700 מיליארד דולר ב-2026) בתשתיות AI, בחוות שרתים ובשבבים, שאינם מייצרים להן כל תשואה מדידה פרופורציונלית כרגע. זאת כאשר ה"תועלת" של האדם הממוצע מה-AI היא כרגע מינימלית. היא אמנם לא חסרת ערך אך גם לא משנה פרדיגמה שמצדיקה את היקף ההשקעות.

התרחיש הסביר ביותר הוא שמתישהו, ולא בעוד שנים רבות, תתרחש בלימה הדרגתית בקצב ההשקעות כך שהן יתמתנו משמעותית. בשלב כלשהו המשקיעים ידרשו תשואה מוכחת. עבור חברות כמו Nvidia, שההשקעות הללו יוצרות למוצריה ביקוש חסר תקדים, אותה בלימה שכזו תתורגם ישירות לבלימה בצמיחת ההכנסות. וברמה הכללית, בלימה שכזו בהחלט תשפיע על התמחורים בשוק כולו.

אך קיים גם תרחיש אחר, פחות סביר ומסוכן לא פחות, לפיו לא תהיה בלימה בקצב ההשקעות ושהן ימשיכו לגדול בקצב הנוכחי ללא הגיון כלכלי ברור. גם מצב שכזה הוא בעייתי שכן ככל שההשקעות גדולות יותר, כך ההפסדים עשויים להיות גדולים יותר, כאלו שעשויים להוביל למשבר בטכנולוגיה ובכלכלה העולמית עולה.

מגמות אלו שתיארנו הינן משמעותיות גם עבור כלכלת ישראל אך הן ישפיעו פחות על הבורסה הישראלית. ענף ההייטק הישראלי מהווה חלק משמעותי מהתוצר ומכלכלת ישראל אך כאמור במאמרים הקודמים[27] שפרסמנו בנושא זה , חברות ההייטק הישראליות נסחרות ברובן באמריקה ולא בבורסה הישראלית אשר חשופה ביתר לחברות מתחומי הנדל"ן והבנקאות.

לכן, אם בועת ה-AI תציג תיקוני תמחור, הפגיעה הכלכלית העולמית תגיע לישראל דרך ערוצים שונים, כמו ירידה בהשקעות זרות, האטה בגיוסים, פגיעה בהכנסות ממיסים של עובדי הייטק וקושי בחברות שתלויות במימון אמריקאי או בשותפויות עם ענקיות אמריקאיות כמו Nvidia או Microsoft. הפגיעה תהיה אמיתית אך שונה באופייה מזו שתתרחש  בבורסות האמריקאיות. יש לציין כי אמנם הבורסה הישראלית פחות חשופה ל-AI באופן ישיר כאמור, אך גופי הגמל והפנסיה הישראליים מושקעים מאוד במדדי ה-S&P והנאסד"ק האמריקאיים ולכן חשופים בדרך זו למתרחש  בתחום ה-AI באופן ישיר.

בסופו של דבר, בין אם הבועה תתפוצץ, תתכווץ או תמשיך להתנפח, השאלה הגדולה שנותרה היא מי ישלם את המחיר על בניית התשתית הענקית? והאם, כמו במסילות הברזל של המאה ה-19, התשתית עצמה תישאר ותשנה את העולם, גם אם רבים מהמשקיעים שמימנו אותה לא ישרדו את הדרך?

לסיכום

ה-AI כאן כדי להישאר. הטכנולוגיה מתקדמת במהירות, התשתיות נבנות בקצב מסחרר, והשינויים בחיינו כבר החלו להתממש. אולם ההתלהבות העצומה סביב הגעת ה-AGI וסביב הרווחיות העתידית של חברות מהתחום יוצרת בועה מסוכנת. בבועה הזו, השחקניות ענקיות ומשמעותיות והן בעלות שווי שוק של טריליונים והשקעותיהן חסרות תקדים. חברות כמו AMI Labs הן בעצם הימור גדול על כך שכל התעשייה הגדולה טועה.

בניגוד לבועות קודמות, כמו בועת הדוט-קום, תיקון כאן עשוי להיות הרסני יותר מתיקוני עבר. הוא לא יפגע רק בחברות בינוניות, אלא בחברות שמהוות חלק מרכזי מהכלכלה העולמית ודרכן גם בכלכלות לאומיות וגם בזו הישראלית.

לכן, לצד ההתמקדות בטכנולוגיות AI, קיימת חשיבות גם לתחומים עם בסיס כלכלי יציב ורווחיות מוכחת.