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

Per diverse settimane, i titoli dei giornali hanno gridato sulla minaccia imminente e sull’impatto potenziale delle tariffe doganali degli Stati Uniti imposte sui semiconduttori. Onestamente, non credo che l’attuazione di queste tariffe si verificherà mai, poiché comporterebbe una tale significativa interruzione della catena di approvvigionamento, i cui effetti negativi 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 ciò!

Detto ciò, credo che sia ancora opportuno che le imprese statunitensi e l’economia statunitense nel suo complesso diventino più resilienti e autosufficienti nel settore della produzione di semiconduttori, e plaudo a questi sforzi. Qui, esamineremo il perché di questa autosufficienza sia così importante, in particolare in termini della capacità degli Stati Uniti di mantenere la loro (attuale e ristretta) leadership nell’intelligenza artificiale (IA) di ultima generazione.

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

I semiconduttori sono cruciali per alimentare i server che addestrano i modelli di IA, 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’IA rappresenteranno il 19 percento del mercato totale dei semiconduttori a livello mondiale, un aumento significativo rispetto al 7 percento del 2017.

Un aumento della dipendenza dai semiconduttori per l’IA significa che meno gli Stati Uniti dipendono da entità straniere per l’approvvigionamento di semiconduttori, meglio è. Mentre la corsa globale all’IA si intensifica, la produzione di semiconduttori a livello nazionale offre benefici significativi come la sicurezza economica e nazionale, nonché l’indipendenza tecnologica. Attualmente, c’è un disegno di legge che passa attraverso il Congresso chiamato “Legge per la sicurezza delle catene di approvvigionamento dei semiconduttori del 2025“, che ha il sostegno bipartisan e si concentra sull’obiettivo di ridurre la dipendenza dalle catene di approvvigionamento straniere imprevedibili.

Come facciamo?

In risposta alla minaccia di possibili tariffe doganali degli Stati Uniti, molti hanno espresso preoccupazioni che, nello stato attuale, gli Stati Uniti siano impreparati a gestire la domanda di semiconduttori in aumento a causa dell’IA generativa e della costruzione di datacenter di IA. Gli usi aziendali dell’IA, 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 l’IA e i mercati a valle come i veicoli autonomi, il calcolo edge e la robotica.

La capacità degli Stati Uniti di guidare l’innovazione attraverso le industrie che dipendono dai semiconduttori, tra cui l’IA, richiederà un’accelerazione della scoperta dei materiali. Il “vecchio modo” di scoperta e adozione dei materiali era tipicamente concentrato in foundries estere 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 cicli di progettazione lunghi 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 che è l’elaborazione atomica locale diretta. Questo è un processo di produzione digitale e preciso a livello atomico che costruisce dispositivi direttamente dagli atomi, eliminando la necessità dei molti passaggi coinvolti nel processo di produzione tradizionale, riducendo la complessità e lo spreco. Offre una flessibilità e una precisione senza precedenti per la progettazione e la prototipazione di una vasta gamma di microdispositivi, tra cui i semiconduttori per l’IA.

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

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

Come beneficio aggiuntivo (e non insignificante), le nuove tecniche possono anche ridurre drasticamente l’impatto ambientale della produzione di semiconduttori. Fino ad oggi, questo settore ha affrontato un dilemma serio a causa della sua impronta ambientale sproporzionata, contribuendo in modo significativo alle emissioni di gas serra, al consumo di acqua e allo spreco chimico, 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 un caso che recenti azioni federali come la Legge per la costruzione di chip in America e la Legge CHIPS hanno sollevato significative preoccupazioni ambientali. Riducendo il tempo necessario per progettare, prototipare e produrre chip – ed eliminando la necessità di ambienti di camera pulita chimicamente intensivi – le nuove tecniche possono essere la risposta per soddisfare la domanda e scalare in modo responsabile utilizzando risorse nazionali, senza compromettere la salute ambientale e umana.

Sfruttando le risorse collettive degli Stati Uniti

In aggiunta all’implementazione di nuove tecniche di produzione, gli Stati Uniti devono aggiornare il loro approccio generale. Ciò significa allontanarsi da un modello di produzione fortemente esternalizzato a poche grandi foundries da miliardi di dollari, per sfruttare l’arsenale comprensivo e ricco di università leader, startup e società di R&D industriale per collaborare, accelerare la scoperta e supportare l’intero processo “dalla camera di prova 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 l’IA e i semiconduttori è veramente simbiotica. Come abbiamo menzionato, i semiconduttori sono cruciali per alimentare i server che addestrano i modelli di IA; viceversa, l’IA sta accelerando notevolmente la scoperta dei materiali 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 specifiche mirate, come una conducibilità migliorata, un’efficienza energetica e una 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 per l’IA, poiché il settore cerca costantemente di aumentare la potenza di calcolo, l’efficienza e la velocità, riducendo le dimensioni del chip.

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