Menguatkan Manufaktur Chip AS – Kunci untuk Kepemimpinan AI

Beberapa minggu terakhir, berita utama telah menyerukan tentang ancaman dan dampak potensial dari tarif impor AS yang diberlakukan pada semikonduktor. Sejujurnya, saya tidak berpikir implementasi tarif ini akan pernah terjadi karena akan menyebabkan gangguan rantai pasokan yang signifikan, efeknya masih terlalu segar dalam ingatan kita dari COVID-19. Siapa yang bisa melupakan puluhan ribu mobil yang belum selesai tertinggal di lapangan produsen mobil. Tentu saja, tidak ada yang ingin mengulangi itu!

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

Perlombaan AI, Pada Intinya, Adalah Perlombaan Chip

Semikonduktor sangat penting untuk memasok daya ke 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.

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

Bagaimana Kami Melakukannya?

Sebagai tanggapan atas ancaman tarif impor AS yang mungkin, banyak yang telah mengungkapkan kekhawatiran bahwa AS saat ini tidak siap untuk menangani permintaan semikonduktor yang melambung tinggi yang didorong oleh AI generatif dan pembangunan pusat data AI. Penggunaan AI dalam bisnis, seperti pengkodean dan pengembangan perangkat lunak, sangat berisiko. Gangguan apa pun dalam akses semikonduktor dapat menyebabkan efek berantai di seluruh area aplikasi yang bergantung, termasuk AI dan pasar hilir seperti kendaraan otonom, komputasi tepi, 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 luar negeri dan melibatkan proses multi-langkah seperti fotolitografi, etching, deposisi, dan clean room. 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 limbah. Ini menawarkan fleksibilitas dan presisi yang luar biasa untuk merancang dan membuat prototipe berbagai mikroperangkat, termasuk semikonduktor AI.

Dengan memungkinkan presisi skala atom dan kontrol atas proses bahan, teknologi seperti pemrosesan lapisan atom lokal langsung dapat percepat 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 Kesehatan Lingkungan dan Manusia

Sebagai tambahan (dan tidak tidak signifikan) manfaat, 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 pada 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 orang!) 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, tanpa mengorbankan kesehatan lingkungan dan manusia.

Menggunakan Sumber Daya Kollektif AS

Selain menerapkan teknik manufaktur baru, AS harus memperbarui pendekatannya secara keseluruhan. Ini berarti beralih dari model yang sangat mengandalkan produksi di luar negeri ke beberapa pabrik besar miliaran dolar, ke memanfaatkan arsen senjata komprehensif dan kaya negara yang terdiri dari 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 pendukung langsung ke infrastruktur organisasi.

Menghadap Masa Depan

Hubungan antara AI dan semikonduktor sangat simbiotik. Seperti yang telah disebutkan, semikonduktor sangat penting untuk memasok daya ke 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, terutama untuk semikonduktor AI, karena industri terus mendorong kekuatan komputasi, efisiensi, dan kecepatan, sambil mengurangi ukuran chip.

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