למה מוקמות עכשיו יותר חוות שרתים בישראל?

הביקוש לחוות שרתים בישראל מזנק בעקבות התרחבות שירותי הענן, מהפכת הבינה המלאכותית והצורך הלאומי בתשתיות מחשוב מקומיות. אבל המרוץ החדש אינו רק על שרתים ו־GPU. הוא מתנהל על חשמל, קרקע, סיבים, קירור וקיבולת תשתיתית. המתווה החדש משנה את כללי המשחק: חווה חדשה מוגבלת לעד 200 MW, מסגרת החיבורים החדשים עומדת על 1.3 GW ונדרשת ערבות של 2 מיליון שקל לכל MW. במקביל, הפריפריה מקבלת חשיבות חדשה כחלק מהמאמץ לפזר את מתקני המחשוב מחוץ למרכזי הביקוש ולקרב צריכה עתירת אנרגיה לאזורים שבהם ניתן לפתח תשתיות בהיקף הנדרש.

מתשתית מחשוב שפעלה מאחורי הקלעים – לתשתית לאומית שמחברת בין בינה מלאכותית, אנרגיה, ענן, ביטחון וכלכלה

במשך עשרות שנים מרכזי נתונים היו כמעט בלתי נראים לציבור.

הם הפעילו מערכות בנקאיות, אתרי אינטרנט, שירותים ממשלתיים, מאגרי מידע ומערכות ארגוניות – אבל נחשבו בעיקר לעניין של אנשי IT.

הבינה המלאכותית שינתה את התמונה.

מרכז הנתונים של עידן ה־AI אינו רק המקום שבו נשמר מידע.

הוא מפעל של כוח מחשוב.

בתוכו פועלים במקביל אלפי שרתים, מעבדים גרפיים, מערכות אחסון ורשתות תקשורת מהירות, וכל הפעילות הזאת דורשת כמויות עצומות של חשמל וקירור.

המשמעות היא שכוח מחשוב הופך למשאב אסטרטגי בדומה לאנרגיה, מים, תחבורה ותקשורת.

ומכאן נולד המרוץ החדש לחוות שרתים.

למה דווקא עכשיו?

כמה תהליכים מתחברים זה לזה במקביל.

התפוצצות הביקוש לבינה מלאכותית

מודלים גדולים של AI דורשים כמויות מחשוב שהיו כמעט בלתי נתפסות לפני מספר שנים.

Training של מודל גדול יכול להפעיל אלפי GPU במקביל.

אבל גם לאחר שלב האימון נדרש כוח מחשוב עצום לצורך:

• Inference
• עיבוד נתונים
• שירותי AI ארגוניים
• מערכות אוטונומיות
• עיבוד תמונה
• סייבר
• מחקר
• סימולציות
• שירותים ממשלתיים וביטחוניים

לכן הגידול אינו רק זמני.

תשתית המחשוב עצמה הופכת לענף תשתית.

ישראל רוצה כוח מחשוב מקומי

המדינה אינה רואה עוד בתשתיות AI רק עניין של חברות טכנולוגיה פרטיות.

במהלך 2026 הוצגה תוכנית אסטרטגית לאומית הכוללת יעד להקמת 100 אלף מעבדי AI באמצעות השוק הפרטי, כאשר גם המדינה צפויה להיות לקוח משמעותי.

המשמעות ברורה:

אם ישראל רוצה להיות מדינה שמפתחת ומפעילה מערכות AI מתקדמות, היא זקוקה גם לתשתית הפיזית שמריצה אותן.

בלי Data Centers:

אין GPU.

בלי GPU:

אין Compute.

ובלי Compute מקומי בהיקפים גדולים קשה לקיים תעשיית AI עצמאית ותחרותית.

חוות AI הופכות לתשתית לאומית

השינוי אינו רק טכנולוגי.

ב־2026 קודמה בישראל מסגרת תכנונית שמכירה בחוות שרתים גדולות המיועדות ליישומי בינה מלאכותית כתשתית בעלת חשיבות לאומית.

הכוונה היא לאפשר לפרויקטים משמעותיים להתקדם במסלול תכנוני המתאים לתשתיות גדולות.

במסגרת זו חוות AI בהספק עיבוד משמעותי אינן נתפסות עוד רק כפרויקט נדל"ן או מבנה תעשייתי.

הן חלק ממדיניות לאומית של:

• כוח מחשוב
• ביטחון
• עצמאות טכנולוגית
• ענן
• תעשיית AI
• תשתיות דיגיטליות

אבל אז התברר שהמשאב החסר הוא חשמל

ההתלהבות מחוות שרתים פגשה במהלך 2026 את המגבלה הפיזית המרכזית.

מערכת החשמל.

בקשות לחיבור חוות שרתים הגיעו להיקפים של עשרות ג׳יגה־ואט.

זהו סדר גודל שאי אפשר פשוט "לחבר".

מערכת החשמל צריכה להיות מסוגלת:

• לייצר את האנרגיה
• להעביר אותה ברשת ההולכה
• למסור אותה בתחנות משנה
• ולספק אותה באופן רציף לצרכן

בחוות שרתים אין מדובר בצריכה מזדמנת.

זהו עומס שפועל 24 שעות ביממה, 365 ימים בשנה.

המתווה החדש משנה את המרוץ

המדינה נדרשה לעבור ממצב שבו כל יזם מבקש את ההספק שהוא רוצה, למצב שבו קיבולת החשמל הופכת למשאב שמוקצה ומנוהל.

שלושת המספרים המרכזיים הם:

• 200 MW – תקרת ההספק לחוות שרתים חדשה
• 1.3 GW – מסגרת הקיבולת לחיבורים החדשים
• 2 מיליון שקל – ערבות לכל MW

המספרים האלה משנים את הענף.

יזם כבר אינו מתחרה רק על:

• קרקע
• לקוחות
• הון
• טכנולוגיה

הוא מתחרה גם על:

קיבולת חשמל.

מה המשמעות של ערבות של 2 מיליון שקל לכל MW?

הערבות נועדה להבדיל בין פרויקט אמיתי לבין בקשה ספקולטיבית.

המשמעות הפיננסית משמעותית מאוד:

ערבות אינה זהה לעלות הקמת החווה.

אבל כדי להעמיד אותה נדרשים:

• אשראי
• בטוחות
• יכולת פיננסית
• בנקים מלווים
• הון

לכן המתווה החדש אינו רק רגולציה של חשמל.

הוא גם מסנן פיננסי.

מתחילים לעבור מ"מי הגיע ראשון" ל"מי באמת מוכן"

כאשר אין מחיר משמעותי לתפיסת קיבולת, נוצר תמריץ להגיש בקשות מוקדם – גם כאשר הפרויקט עדיין אינו בשל.

הבעיה היא שכל MW שנשמר לפרויקט כזה אינו זמין לאחרים.

לכן בענף נוצר מעבר מתפיסה של:

First Come, First Served

לכיוון של:

First Ready, First Served.

כלומר, לא רק מתי הוגשה הבקשה – אלא האם מאחוריה קיימים:

• קרקע
• תכנון
• מימון
• לקוחות
• תוכנית הנדסית
• לוחות זמנים
• ויכולת אמיתית להקים את הפרויקט

הפריפריה נכנסת למרכז המפה

אחד השינויים החשובים ביותר הוא היחס למיקום חוות השרתים.

בעבר היה יתרון ברור למרכז הארץ.

שם נמצאים:

• רוב חברות ההייטק
• מוקדי הענן
• ארגונים פיננסיים
• כוח אדם
• צמתי תקשורת מרכזיים
• לקוחות עסקיים גדולים

אבל מרכז הארץ הוא גם אזור שבו הביקוש לחשמל גבוה במיוחד.

לכן מתקני ענק עתירי אנרגיה יוצרים שם עומס נוסף על מערכת ההולכה והמסירה.

המדיניות החדשה מחזקת את הכיוון של ביזור גיאוגרפי והעברת חלק מהחוות לפריפריה.

למה הפריפריה יכולה להתאים לחוות AI?

יש לכך כמה סיבות.

קרקע

חוות שרתים גדולה יכולה לדרוש שטחים משמעותיים עבור:

• מבני מחשוב
• תחנת משנה
• שנאים
• גנרטורים
• מכלי דלק
• מתקני קירור
• BESS
• דרכי שירות
• הרחבות עתידיות

בפריפריה קל יותר במקרים מסוימים למצוא מתחמים גדולים ורציפים.

חשמל

באזורים מסוימים ניתן ליצור התאמה טובה יותר בין מוקדי הייצור לבין מוקדי הצריכה.

ככל שהצרכן קרוב יותר למקום שבו ניתן לייצר או להעביר את האנרגיה ביעילות, עשויה לפחות התלות בהעברת הספקים גדולים אל מרכזי הביקוש.

הרחבה

קמפוס AI אינו בהכרח פרויקט חד־שלבי.

הוא יכול להתחיל בעשרות MW ולהתרחב בהמשך.

לכן שטח להרחבה הוא נכס משמעותי.

הביזור כבר נכנס למדיניות התכנונית

הכיוון אינו רק הצהרה.

במסגרת המסלול שקודם לחוות AI נקבעו מגבלות מחמירות יותר על מספר התוכניות במחוזות תל אביב והמרכז, ובפרויקטים מחוץ למחוזות אלה ניתן משקל לאזורי פיתוח, בינוי ותשתית.

המשמעות היא שהפריפריה הופכת משיקול נדל"ני לשיקול אסטרטגי.

לא כל חווה חייבת להיות בגוש דן.

ובחלק מעומסי AI ייתכן שאין הצדקה כלכלית או הנדסית לשלם את המחיר של מיקום במרכז.

Latency עדיין חשוב – אבל לא לכל עומס באותה מידה

אחת הטענות המרכזיות לטובת הקמת Data Centers באזור המרכז היא השהיית התקשורת.

Latency אכן חשוב מאוד בשירותים מסוימים.

לדוגמה:

• מסחר פיננסי
• משחקים
• מערכות Real-Time
• שירותי ענן אינטראקטיביים

אבל חלק גדול ממשימות AI שונה.

Training של מודלים, HPC ועיבודי Batch אינם בהכרח חייבים להתבצע במרחק קצר ממשתמש הקצה.

לכן ניתן במקרים מסוימים להחליף:

קרבה למשתמש

ב־

קרבה לחשמל, לקרקע ולתשתיות.

ממרכז המחשוב הארגוני לחוות הענק

לא כל מרכזי הנתונים בנויים לאותה מטרה.

On-Premise

מרכז מחשוב פנימי של ארגון.

השרתים והתשתיות נמצאים בבעלות הארגון ומשרתים בעיקר אותו.

Colocation

מתקן מקצועי שבו לקוחות רבים שוכרים:

• שטח
• Rack
• חשמל
• קירור
• תקשורת

Hyperscale

קמפוסים גדולים מאוד המיועדים לספקי ענן וטכנולוגיה.

הם מתוכננים מראש לקנה מידה גדול ולהתרחבות.

AI Data Center

מתקן שתוכנן במיוחד עבור עומסי מחשוב צפופים.

הוא עשוי לכלול:

• אלפי GPU
• רשתות מהירות במיוחד
• Rack בצפיפות גבוהה
• קירור נוזלי
• הספקים גדולים מאוד

ההבדל אינו רק בגודל.

לכל אחד מהמודלים ארכיטקטורה שונה.

מהפכת ה־AI היא גם מהפכת חשמל

מרכז נתונים מסורתי יכול היה לפעול במשך שנים בצפיפות יחסית מתונה.

בעידן ה־AI המצב משתנה.

Rack בודד יכול לדרוש:

• עשרות kW
• 80 kW
• 100 kW
• ואף יותר

המשמעות היא שכמות החשמל בכל מטר רבוע גדלה באופן דרמטי.

נדרשים:

• Busway גדולים יותר
• PDU בהספקים גבוהים
• UPS מותאם
• שנאים
• לוחות
• תכנון מתח מתקדם

החשמל כבר אינו "מערכת שירות".

הוא חלק מארכיטקטורת המחשוב.

מהפכת ה־AI היא גם מהפכת קירור

כל החשמל שמגיע לשבבים הופך בסופו של דבר כמעט כולו לחום.

ולכן ככל שעולה צפיפות המחשוב, עולה גם צפיפות החום.

במרכזים מסורתיים היה נהוג להסתמך בעיקר על קירור אוויר.

המערכות כוללות:

• Hot Aisle
• Cold Aisle
• CRAH
• CRAC
• Chillers

אבל בעומסי AI צפופים, קירור אוויר מגיע למגבלות מעשיות.

לכן התחום עובר בהדרגה לפתרונות כגון:

• Direct-to-Chip
• CDU
• Rear Door Heat Exchanger
• Immersion Cooling

המעבר משפיע על:

• צנרת
• מים
• בקרה
• תחזוקה
• גילוי נזילות
• תכנון האולם
• משקל הציוד

החשמל והקירור הפכו למערכת אחת

בעבר היה אפשר לדבר על חשמל וקירור כשתי דיסציפלינות שונות.

בעידן AI ההפרדה הזו פחות ופחות נכונה.

יותר GPU →

יותר חשמל →

יותר חום →

יותר קירור →

יותר צריכת אנרגיה.

לכן כל החלטה על צפיפות מחשוב צריכה להיבחן במקביל מבחינת החשמל והמכניקה.

מדדי היעילות שהפכו קריטיים

בישראל יש למדדים הללו חשיבות מיוחדת.

חשמל, מים וקרקע הם משאבים מוגבלים.

לכן חווה יעילה יכולה להפיק יותר Compute מאותו MW.

יעילות אנרגטית מקבלת משמעות חדשה תחת מגבלת ההספק

כאשר לחווה קיימת תקרת הספק, כל שיפור ביעילות הופך למשמעותי יותר.

נניח ששתי חוות מקבלות אותו חיבור.

חווה אחת פועלת ב־PUE גבוה יחסית.

השנייה יעילה יותר.

במתקן היעיל, חלק גדול יותר מהחשמל יכול להגיע לשרתים עצמם.

כלומר:

יעילות אנרגטית הופכת גם לכלי להגדלת הקיבולת המסחרית.

ריבונות מידע: למה ישראל צריכה חוות מקומיות?

הצורך במרכזי נתונים בישראל אינו נובע רק מה־Latency.

ארגונים רבים מפעילים מידע ומערכות בעלות חשיבות לאומית:

• ממשלה
• בריאות
• פיננסים
• ביטחון
• תשתיות חיוניות

שמירת יכולת מחשוב בתוך ישראל מעניקה יתרונות של:

• שליטה
• זמינות
• רציפות
• ריבונות מידע
• הפחתת תלות בתשתית זרה

פרויקט נימבוס הוא אחת הדוגמאות הבולטות למעבר לענן מקומי עבור המגזר הממשלתי.

AI מוסיף ממד חדש לריבונות

בעידן הענן, הדיון היה בעיקר:

איפה נשמר המידע?

בעידן AI נוספה שאלה חדשה:

איפה נמצא כוח החישוב שמסוגל לעבד את המידע?

פרסום

מדינה יכולה להחזיק נתונים מקומיים, אבל אם אין לה גישה לכוח מחשוב מתאים, היא עדיין תלויה בגורמים חיצוניים.

לכן Compute Sovereignty הופך בהדרגה לחלק מהדיון על Data Sovereignty.

חוות שרתים היא מערכת של מערכות

מבחוץ יכול מרכז נתונים להיראות כמו מבנה תעשייתי פשוט.

בפועל זהו אחד המתקנים ההנדסיים המורכבים ביותר.

כל שינוי במערכת אחת משפיע על האחרות.

אגירת אנרגיה נכנסת לתמונה

BESS יכולה לספק לחוות שרתים:

• גיבוי
• Peak Shaving
• גמישות תפעולית
• שילוב אנרגיה מתחדשת
• תמיכה ברשת

אבל חשוב להבין:

אגירה אינה ייצור.

מערכת סוללות יכולה להעביר אנרגיה משעה אחת לשעה אחרת.

היא אינה מחליפה מקור חשמל רציף לחווה שפועלת 24/7.

ומה לגבי ייצור עצמי?

ככל שההספקים גדלים, יזמים בוחנים גם שילוב של:

• תחנות כוח
• ייצור מקומי
• אנרגיה מתחדשת
• אגירה

ייצור עצמי יכול להפחית תלות ברשת.

אבל הוא מוסיף בעצמו שכבה של:

• רישוי
• תכנון
• דלק
• פליטות
• מערכות הגנה
• תחזוקה

וחוות קריטיות ירצו בדרך כלל להישאר מחוברות גם לרשת כחלק ממערך השרידות.

שרשרת ערך חדשה לענפי התשתיות בישראל

הקמת מרכז נתונים אינה פרויקט של חברת IT אחת.

היא יוצרת שרשרת שלמה של פעילות.

בשלב הייזום

• יזמים
• משקיעים
• קרנות
• בנקים
• מנהלי פרויקטים

בשלב התכנון

• אדריכלים
• מהנדסי חשמל
• מהנדסי מכונות
• קונסטרוקטורים
• יועצי אנרגיה
• תקשורת
• סביבה
• כבאות
• מיגון
• סייבר

בשלב הביצוע

• קבלנים ראשיים
• קבלני חשמל
• ספקי UPS
• יצרני שנאים
• ספקי גנרטורים
• חברות קירור
• ספקי BESS
• חברות בקרה
• אינטגרטורים

לאחר המסירה

• Facility Management
• NOC
• אבטחה
• תחזוקה
• בדיקות
• ספקי שירות

מבחינת ענפי החשמל, הקירור, הבקרה והבטיחות בישראל, מדובר בשוק מקצועי משמעותי שהולך וגדל.

מדוע השוק הזה שונה מבנייה רגילה?

מרכז נתונים נבחן לפי היכולת שלו להמשיך לפעול בזמן תקלה.

לכן לא מספיק שהמערכות "עובדות".

הן צריכות לעבוד גם כאשר:

• קו חשמל נופל
• שנאי נכשל
• UPS מושבת
• גנרטור אינו מתניע
• צ׳ילר יוצא משירות
• סיב נחתך
• מערכת בקרה נכשלת

מכאן נובעת חשיבותם של:

• יתירות
• Commissioning
• Integrated Systems Testing
• תחזוקה
• תכנון נקודות כשל

ישראל בצומת תשתיתי

לישראל יש יתרונות משמעותיים:

• תעשיית הייטק מפותחת
• שבבים
• סייבר
• אוניברסיטאות
• חברות AI
• מערכת ביטחונית עתירת טכנולוגיה
• ביקוש לענן

אבל יש לה גם מגבלות:

• שטח קטן
• צפיפות אוכלוסייה
• עומס באזור המרכז
• מערכת חשמל מוגבלת
• רישוי מורכב
• מים
• ביטחון

לכן השאלה אינה רק:

כמה חוות שרתים יוקמו בישראל?

אלא:

איזה חוות, איפה, באיזה הספק ובאיזו יעילות.

הטבלה שמסכמת את המרוץ הישראלי

המונח המקצועי של הפרק: Compute

בדיוק משום כך מדינות כבר אינן מסתפקות בשאלה כמה חברות AI פועלות בתחומן.

הן שואלות גם:

כמה Compute ניתן להפעיל בתוך המדינה?

המדריך לתשתיות מרכזי הנתונים בישראל

המדריך המקצועי נועד למפות את כל שרשרת החיים של Data Center:

• ייזום
• בחירת קרקע
• חיבור חשמל
• רישוי
• מערכות חשמל
• UPS
• גנרטורים
• קירור
• High Density
• תקשורת
• בטיחות אש
• תאורת חירום
• BMS ו־DCIM
• אבטחה
• קיימות
• Commissioning
• תחזוקה
• כלכלה
• רגולציה

המטרה היא לא ליצור אוסף כתבות חדשותיות.

המטרה היא לבנות מדריך מקצועי שניתן לחזור אליו לאורך תכנון, הקמה ותפעול של חוות שרתים בישראל.

מקורות רשמיים ומקצועיים

סיכום: המרוץ ל־AI עובר דרך תחנות המשנה

מהפכת הבינה המלאכותית נתפסת לעיתים כמרוץ של:

• מודלים
• אלגוריתמים
• GPU
• חברות תוכנה

אבל מתחת לכל אלה נמצאת שכבת התשתית.

כדי שמודל AI יעבוד צריך GPU.

כדי ש־GPU יעבוד צריך חשמל.

כאשר ה־GPU צורך חשמל הוא מייצר חום.

את החום צריך לפנות.

כדי להעביר את הנתונים צריך סיבים.

כדי שכל המערכות יפעלו ברציפות צריך:

• UPS
• גנרטורים
• אגירה
• בקרה
• אבטחה
• שרידות

וזה בדיוק המקום שבו ישראל נמצאת כיום.

הביקוש ל־Compute גדל במהירות, אבל אי אפשר להקים חוות שרתים בקצב שאינו מחובר למציאות של מערכת החשמל.

המתווה החדש – 200 MW לחווה, מסגרת של 1.3 GW וערבות של 2 מיליון שקל לכל MW – הוא ביטוי לשינוי הזה.

הוא מסמן מעבר מתקופה שבה השאלה הייתה:

מי רוצה להקים חוות שרתים?

לתקופה שבה השאלה היא:

אילו חוות המדינה ומערכת התשתיות באמת יכולות להכיל.

במקביל, הפריפריה נכנסת למפה כמרכיב משמעותי יותר.

לא רק בגלל מחיר הקרקע.

אלא בגלל הצורך להתאים את מפת המחשוב החדשה למפת האנרגיה, התשתיות והפיתוח של ישראל.

ולכן המרוץ של עידן הבינה המלאכותית אינו מתקיים רק במעבדות הפיתוח.

הוא מתקיים בתחנות הכוח, בתחנות המשנה, בלוחות החשמל, בצינורות הקירור, ברשתות הסיבים ובחדרי הבקרה.

ומי שיבנה נכון את שכבת התשתית הזאת – יקבע במידה רבה כמה כוח מחשוב יוכל לפעול בישראל בעשור הבא.

מאמר זה הוא חלק מהמדריך המקצועי להקמת מרכזי נתונים וחוות שרתים.

הבהרה משפטית: המידע במדריך נועד למידע מקצועי וכללי בלבד ואינו מהווה ייעוץ הנדסי, תכנוני, פיננסי, בטיחותי, משפטי או רגולטורי. האחריות לתכנון, לרישוי ולביצוע חלה על הגורמים המקצועיים ובהתאם לדין ולתקנים המחייבים.

© כל הזכויות שמורות לקבוצת פורטל נט.