Menguatkan Manufaktur Chip AS – Kunci untuk Kepemimpinan AI

Selama beberapa minggu terakhir, judul utama telah berteriak tentang ancaman dan dampak potensial dari tarif impor AS yang diberlakukan pada semikonduktor. Secara jujur, saya tidak berpikir implementasi tarif ini akan pernah terjadi karena mereka akan menyebabkan gangguan rantai pasokan yang signifikan, efek buruk yang masih segar dalam memori kita dari COVID-19. Siapa yang bisa melupakan puluhan ribu mobil yang belum selesai terdampar di lapangan produsen mobil. Tentu saja, tidak ada yang ingin mengulangi itu!

Namun, saya percaya bahwa bisnis AS dan ekonomi AS secara keseluruhan masih perlu menjadi lebih tangguh dan mandiri dalam bidang manufaktur semikonduktor, dan saya mengapresiasi upaya-upaya ini. Di sini, kita akan memeriksa mengapa kemandirian ini sangat penting, terutama dalam hal kemampuan AS untuk mempertahankan (saat ini sempit) kepemimpinan dalam kecerdasan buatan (AI) yang canggih.

Balap AI Pada Intinya Adalah Balap Chip

Semikonduktor sangat penting untuk memasok server yang melatih model AI, karena melatih model ini memerlukan kekuatan khusus yang hanya semikonduktor (bukan prosesor tradisional) yang dapat menyediakannya. Diperkirakan bahwa pada akhir tahun ini, semikonduktor terkait AI akan menyumbang 19 persen dari total pasar semikonduktor di seluruh dunia, peningkatan yang signifikan dari tujuh persen yang dimiliki pada 2017.

Ketergantungan yang meningkat pada semikonduktor untuk AI berarti bahwa semakin sedikit AS bergantung pada entitas asing untuk pasokan semikonduktor, semakin baik. Saat balap AI global memanas, produksi semikonduktor domestik menawarkan manfaat seperti keamanan ekonomi dan nasional yang ditingkatkan, serta kemandirian teknologi. Saat ini, ada tagihan yang sedang disahkan oleh Kongres yang disebut “Undang-Undang Rantai Pasokan Semikonduktor yang Aman dari 2025,” yang memiliki dukungan bipartisan dan ditujukan untuk mengurangi ketergantungan pada rantai pasokan asing yang tidak dapat diprediksi.

Bagaimana Kita Melakukannya?

Sebagai tanggapan atas ancaman tarif impor AS yang mungkin, banyak yang telah mengungkapkan kekhawatiran bahwa dalam keadaan saat ini, AS tidak siap untuk menangani permintaan semikonduktor yang melambung tinggi yang didorong oleh AI generatif dan pembangunan pusat data AI. Penggunaan bisnis AI, seperti pengkodean dan pengembangan perangkat lunak, sangat berisiko. Gangguan apa pun dalam akses semikonduktor dapat menyebabkan efek riak di seluruh area aplikasi yang bergantung, termasuk AI dan pasar hilir seperti kendaraan otonom, komputasi edge, dan robotika.

Kemampuan AS untuk menggerakkan inovasi di seluruh industri yang bergantung pada semikonduktor, termasuk AI, akan memerlukan percepatan penemuan bahan. “Cara lama” penemuan dan adopsi bahan biasanya terkonsentrasi di foundry luar negeri dan melibatkan proses multi-langkah seperti fotolitografi, etching, deposisi, dan ruang bersih. Ini dapat menjadi proses yang lambat dan mahal, menyebabkan siklus desain yang panjang dan pemborosan bahan yang signifikan.

Untuk lebih baik memenuhi permintaan semikonduktor secara domestik, AS harus memanfaatkan kemajuan dalam desain chip, salah satu tekniknya adalah pemrosesan lapisan atom lokal langsung. Ini adalah proses manufaktur digital yang presisi atom yang membangun perangkat langsung dari atom, menghilangkan kebutuhan akan banyak langkah yang terlibat dalam proses manufaktur tradisional, sambil mengurangi kompleksitas dan pemborosan. Ini menawarkan fleksibilitas dan presisi yang belum pernah terjadi sebelumnya untuk merancang dan membuat prototipe berbagai mikroperangkat, termasuk semikonduktor AI.

Dengan memungkinkan presisi dan kontrol skala atom atas pengolahan bahan, teknologi seperti pemrosesan lapisan atom lokal langsung dapat secara signifikan mempercepat siklus desain dan prototipe, membantu menemukan bahan baru atau kombinasi bahan yang dapat memenuhi kebutuhan komputasi AI yang terus meningkat.

Meningkatkan Manufaktur Domestik Sambil Tetap Berkomitmen pada Lingkungan dan Kesehatan Manusia

Sebagai manfaat tambahan (dan tidak tidak signifikan), teknik baru juga dapat secara dramatis mengurangi dampak lingkungan dari manufaktur semikonduktor. Sampai saat ini, industri ini telah menghadapi dilema serius karena jejak lingkungan yang besar, menyumbang secara signifikan terhadap emisi gas rumah kaca, konsumsi air, dan limbah kimia, terutama bahan kimia beracun yang dikenal sebagai PFAS. Ini adalah bahan kimia yang mencemari air, tidak dapat dipecah, dan tetap di lingkungan (dan di dalam tubuh manusia!) selama beberapa dekade.

Tidak mengherankan bahwa tindakan federal terbaru seperti Undang-Undang Membangun Chip di Amerika dan Undang-Undang CHIPS telah menimbulkan kekhawatiran lingkungan yang signifikan. Dengan mengurangi waktu yang dibutuhkan untuk merancang, membuat prototipe, dan memproduksi chip – dan menghilangkan kebutuhan akan lingkungan clean-room yang intensif kimia – teknik baru dapat menjadi jawaban untuk memenuhi permintaan dan menskala dengan bertanggung jawab menggunakan sumber daya domestik, dan tanpa mengorbankan kesehatan lingkungan dan manusia.

Menggunakan Sumber Daya Kolektif AS

Selain menerapkan teknik manufaktur baru, AS harus memperbarui pendekatannya secara keseluruhan. Ini berarti beralih dari model yang sangat mengandalkan produksi yang dioutsourcing ke segelintir foundry miliaran dolar, ke memanfaatkan gudang senjata komprehensif dan kaya universitas terkemuka, startup, dan perusahaan R&D industri untuk berkolaborasi, mempercepat penemuan, dan mendukung seluruh proses “lab-to-fab” (penelitian, prototipe, dan manufaktur). Ini semua dapat dicapai sambil menjaga biaya tetap terkendali dan mengintegrasikan teknologi yang memungkinkan langsung ke infrastruktur organisasi.

Menghadap ke Depan

Hubungan antara AI dan semikonduktor benar-benar simbiotik. Seperti yang telah kita sebutkan, semikonduktor sangat penting untuk memasok server yang melatih model AI; di sisi lain, AI secara signifikan mempercepat penemuan bahan semikonduktor dengan menggunakan pembelajaran mesin untuk memprediksi sifat bahan baru dan mempercepat proses desain. Pendekatan ini, yang dikenal sebagai desain bahan terbalik, memungkinkan peneliti untuk merancang bahan dengan sifat target tertentu, seperti konduktivitas yang ditingkatkan, efisiensi energi, dan keberlanjutan.

Mempercepat penemuan bahan baru tetap menjadi salah satu tantangan terberat dalam manufaktur semikonduktor, meskipun ini terutama menantang untuk semikonduktor AI, karena industri berusaha untuk terus meningkatkan daya komputasi, efisiensi, dan kecepatan, sambil mengurangi ukuran chip.

Sementara AI dapat digunakan untuk memprediksi sifat bahan baru teoritis, terobosan ini secara tradisional masih dibatasi oleh kecepatan validasi fisik yang lambat. Teknik baru dapat digunakan untuk mendukung eksperimen tingkat tinggi, membantu menutup kesenjangan; memungkinkan pengembangan bahan yang lebih cepat dan lebih terarah, dan pada akhirnya membuka kunci generasi bahan berikutnya. Menggabungkan teknik baru seperti pemrosesan lapisan atom langsung dengan kekuatan AI memiliki kekuatan untuk membuat keajaiban, mempercepat dramatis pengembangan terobosan yang sebelumnya tidak pernah terpikirkan, semua terpusat di dalam perbatasan nasional AS.