טוען נתונים...
טוען נתונים...
לא כל חברה ש'קשורה ל-AI' נהנית באותה מידה — מיפוי שכבות שרשרת האספקה שבאמת גורפות את הרווח.
לפני שחברה כלשהי 'משתמשת ב-AI', מישהו צריך למכור לה את החומרה שמריצה אותו. יצרני שבבים מתקדמים (ובראשם TSMC כיצרנית בפועל של רוב השבבים המתקדמים בעולם, כולל עבור NVIDIA) והיצרנית המובילה של מאיצי אימון מודלים הם השכבה שנהנית ראשונה ובאופן הישיר ביותר — פשוט כי הביקוש לחישוב מקדים כל שימוש בפועל במוצר סופי.
שכבה סמוכה: יצרני ציוד לייצור שבבים עצמם (למשל ASML בתחום הליתוגרפיה המתקדמת) — בלי הציוד הזה, אף אחד מהיצרנים למעלה לא יכול לייצר את השבבים מלכתחילה. זו דוגמה טובה לכך שהרווח לא נעצר בשכבה 'הגלויה' — הוא זולג אחורה בשרשרת לכל מי שהיא sole-source או קרוב לכך.
אימון והרצה של מודלי AI בקנה מידה גדול צורכים כמויות חשמל עצומות. חברות תשתית — ממפעילי מרכזי נתונים ועד ספקיות חשמל וקירור — נהנות מביקוש שגדל בלי קשר לשאלה איזו חברת AI ספציפית 'תנצח' בשוק. זו הסיבה שהשקעה בתשתית נחשבת לרוב פחות תלוית־מנצח־יחיד מהשקעה בחברת AI ספציפית.
חברות שמשלבות AI במוצר קיים (תוכנה ארגונית, כלי פרודוקטיביות, שירותי לקוחות) הן השכבה שבה התחרות הכי חריפה והכי לא ברור מי ינצח — כי המודל עצמו (ה'שכבה' שמתחתיהן) נהיה מוצר מדף שקל יחסית להחליף. זו בדיוק הסיבה ששכבת התשתית (חומרה, חשמל) נתפסת כהימור 'בטוח' יותר מהשכבה העליונה — היא נהנית מהביקוש בלי להיות תלויה בשאלה איזה אפליקציה ספציפית תצליח.
השאלה המעשית: באיזו שכבה החברה נמצאת, וכמה ריכוזי (sole-source) התפקיד שלה בשרשרת. כלי ה-X-Ray של StockIQ ממפה בדיוק את סוג התלות הזה — ספקים, תלויים, ומידת הבלעדיות — על סמך נתונים אמיתיים ומתועדים, לא ניחוש.
רוצים לראות את המנגנון הזה על מניה אמיתית? נסו את X-Ray או נתחו מניה עכשיו
מחקר נוסף
המחקר הזה מוסבר לצרכי לימוד כללי בלבד ואינו מהווה ייעוץ השקעות ואינו תחזית. פירוט מלא בעמוד כתב הוויתור.