Rafforzare la produzione di chip negli Stati Uniti – La chiave per il leadership nell’AI

Per diverse settimane, le notizie hanno gridato a proposito della minaccia imminente e dell’impatto potenziale delle tariffe doganali statunitensi imposte sui semiconduttori. Onestamente, non credo che l’attuazione di queste tariffe si verificherà mai perché comporterebbe una tale significativa interruzione della catena di approvvigionamento, gli effetti negativi dei quali sono ancora troppo freschi nella nostra memoria a causa del COVID-19. Chi può dimenticare le decine di migliaia di auto incomplete lasciate abbandonate nei lotti dei produttori di automobili. Certamente, nessuno vuole una ripetizione di questo!

Detto questo, credo che sia ancora necessario per le imprese statunitensi e per l’economia statunitense nel suo complesso diventare più resilienti e autosufficienti nel settore della produzione di semiconduttori, e plaudo a questi sforzi. Qui, esamineremo perché questa autosufficienza è così importante, in particolare in termini di capacità degli Stati Uniti di mantenere la sua (attualmente esigua) leadership nell’arte dell’intelligenza artificiale (AI) di stato.

La corsa all’AI è, nel suo nucleo, una corsa ai chip

I semiconduttori sono cruciali per alimentare i server che addestrano i modelli di AI, poiché l’addestramento di questi modelli richiede una forza specializzata che solo i semiconduttori (e non i processori tradizionali) possono fornire. Si stima che entro la fine di quest’anno, i semiconduttori legati all’AI rappresenteranno il 19 per cento del mercato totale dei semiconduttori a livello mondiale, un aumento significativo rispetto al sette per cento del 2017.

Un aumento della dipendenza dai semiconduttori per l’AI significa che meno gli Stati Uniti dipendono da entità straniere per l’approvvigionamento di semiconduttori, meglio è. Mentre la corsa globale all’AI si intensifica, la produzione di semiconduttori nazionali offre vantaggi significativi come una maggiore sicurezza economica e nazionale, nonché indipendenza tecnologica. Attualmente, c’è un disegno di legge che passa attraverso il Congresso chiamato “Securing Semiconductor Supply Chains Act of 2025“, che ha il sostegno bipartisan e si concentra direttamente sulla riduzione della dipendenza dalle catene di approvvigionamento straniere imprevedibili.

Come facciamo?

In risposta alla minaccia di possibili tariffe doganali statunitensi, molti hanno espresso preoccupazioni che, nel suo stato attuale, gli Stati Uniti siano impreparati a gestire la domanda di semiconduttori in rapida ascesa, trainata dall’AI generativa e dalla costruzione di datacenter di AI. Gli usi aziendali dell’AI, come la codifica e lo sviluppo del software, sono particolarmente a rischio. Qualsiasi interruzione nell’accesso ai semiconduttori potrebbe indurre un effetto a catena in aree di applicazione dipendenti, tra cui AI e mercati a valle come veicoli autonomi, edge computing e robotica.

La capacità degli Stati Uniti di guidare l’innovazione in settori dipendenti dai semiconduttori, tra cui l’AI, richiederà un’accelerazione della scoperta dei materiali. Il “vecchio modo” di scoperta e adozione dei materiali era tipicamente concentrato in fonditori stranieri e coinvolgeva processi multi-step come la fotolitografia, l’incisione, il deposito e le camere pulite. Ciò può essere un processo lento e costoso, che porta a lunghi cicli di progettazione e a un significativo spreco di materiali.

Per soddisfare meglio la domanda di semiconduttori a livello nazionale, gli Stati Uniti devono approfittare dei progressi nella progettazione dei chip, una tecnica tra cui l’elaborazione atomica locale diretta. Questo è un processo di produzione digitale, preciso a livello atomico, che costruisce dispositivi direttamente dagli atomi, eliminando la necessità dei molti passaggi coinvolti nel processo di produzione tradizionale, riducendo complessità e sprechi. Offre una flessibilità e una precisione senza precedenti per la progettazione e la prototipazione di una vasta gamma di microdispositivi, tra cui semiconduttori di AI.

Facilitando la precisione e il controllo a livello atomico dell’elaborazione dei materiali, tecnologie come l’elaborazione atomica locale diretta possono accelerare notevolmente i cicli di progettazione e prototipazione, aiutando a trovare nuovi materiali o combinazioni di materiali che possano soddisfare le esigenze di calcolo sempre crescenti dell’AI.

Aumentare la produzione nazionale mantenendo l’impegno per la salute ambientale e umana

Come beneficio aggiuntivo (e non insignificante), nuove tecniche possono anche ridurre drasticamente l’impatto ambientale della produzione di semiconduttori. Fino ad ora, questo settore ha affrontato una seria dilemma a causa della sua grande impronta ambientale, contribuendo in modo significativo alle emissioni di gas serra, al consumo di acqua e ai rifiuti chimici, in particolare i “chimici eterni” tossici noti come PFAS. Questi sono chimici che inquinano l’acqua, non si decompongono e rimangono nell’ambiente (e nelle persone!) per decenni.

Non è sorprendente che recenti azioni federali come il Building Chips in America Act e il CHIPS Act abbiano sollevato preoccupazioni ambientali significative. Riducendo il tempo necessario per progettare, prototipare e produrre chip – ed eliminando la necessità di ambienti di camera pulita chimicamente intensivi – nuove tecniche possono essere la risposta per soddisfare la domanda e scalare in modo responsabile utilizzando risorse nazionali, e senza compromettere la salute ambientale e umana.

Sfruttare le risorse collettive degli Stati Uniti

Oltre a implementare nuove tecniche di produzione, gli Stati Uniti devono aggiornare il loro approccio generale. Ciò significa allontanarsi da un modello di produzione fortemente delocalizzato a un pugno di fonditori da multi-miliardi di dollari, per sfruttare l’arsenale comprensivo e ricco di università leader, startup e aziende di R&D industriale per collaborare, accelerare la scoperta e supportare l’intero processo “dall’idea alla fabbrica” (ricerca, prototipazione e produzione). Tutto ciò può essere realizzato mantenendo i costi sotto controllo e integrando tecnologie abilitanti direttamente nelle infrastrutture di queste organizzazioni.

Guardando avanti

La relazione tra AI e semiconduttori è veramente simbiotica. Come abbiamo menzionato, i semiconduttori sono cruciali per alimentare i server che addestrano i modelli di AI; viceversa, l’AI sta accelerando notevolmente la scoperta dei materiali per semiconduttori utilizzando l’apprendimento automatico per prevedere le proprietà di nuovi materiali e accelerare il processo di progettazione. Questo approccio, noto come progettazione inversa dei materiali, consente ai ricercatori di progettare materiali con proprietà mirate, come una maggiore conduttività, efficienza energetica e sostenibilità.

L’accelerazione della scoperta di nuovi materiali rimane una delle sfide più difficili nella produzione di semiconduttori, sebbene sia particolarmente impegnativa per i semiconduttori di AI, poiché il settore cerca costantemente di aumentare la potenza di calcolo, l’efficienza e la velocità, riducendo le dimensioni del chip.

Mentre l’AI può essere utilizzata per prevedere le proprietà di nuovi materiali teorici, questi progressi sono stati tradizionalmente ancora limitati dal lento ritmo della convalida fisica. Nuove tecniche possono essere utilizzate per supportare esperimenti ad alto rendimento, aiutando a colmare il divario; consentendo uno sviluppo più rapido e mirato dei materiali, e alla fine sbloccando la prossima generazione di materiali. Combinare nuove tecniche come l’elaborazione atomica locale diretta con il potere dell’AI ha il potere di fare magia, accelerando notevolmente lo sviluppo di progressi che non erano mai stati pensati come possibili, tutti centralizzati all’interno dei confini nazionali degli Stati Uniti.