미국 半導體 제조 강화 – AI 리더십의 핵심

지난 몇 주 동안, 헤드라인은 미국의 반도체 수입 관세가 부과되는 위협과 잠재적인 영향에 대해 크게 외쳤습니다. 진실로, 이러한 관세가 시행될 것이라고 생각하지 않습니다. 왜냐하면 이는 상당한 공급망 중단을 초래할 것이며, COVID-19로 인한 나쁨의 영향은 아직도 우리의 기억에 남아 있습니다.誰도 그 때 자동차 제조업체의 공장에 남겨진 수천 대의 미완성 자동차를 잊지 못할 것입니다. 분명히, 누구도那种 повтор을 원하지 않습니다!

그러나, 미국 기업과 미국 경제 전체가 반도체 제조 분야에서 더 강력하고 자립적인 것으로 발전하는 것이 필요하다고 믿습니다. 여기서, 우리는 왜 이러한 자립이 중요하며, 특히 미국이 현재 좁은 AI 리더십을 유지하는 능력과 관련하여 살펴보겠습니다.

AI 경쟁은, 핵심적으로, 반도체 경쟁입니다

반도체는 AI 모델을 훈련하는 서버를 구동하는 데 필수적이며, 이러한 모델을 훈련하는 데는 전통적인 프로세서가 아닌 반도체만이 제공할 수 있는 특수한 강도가 필요합니다.今年 말까지, AI 관련 반도체는 전 세계 반도체 시장의 19%를 차지할 것으로 예상되며, 2017年的 7%보다 크게 증가한 것입니다.

AI에 대한 반도체 의존도가 증가함에 따라, 미국이 외국 기업에 대한 반도체 공급에 대한 의존도가 줄어들수록 더 좋습니다.全球 AI 경쟁이 가열됨에 따라, 국내 반도체 생산은 경제적 및 국가 안보, 기술 독립성 등 여러 가지 이점을 제공합니다.현재, 미국 의회에서는 “반도체 공급망 보안법 2025″이라는 법안이 통과되고 있으며, 이는 외국 공급망에 대한 의존도를 줄이기 위한 것입니다.

우리는 어떻게 할 것인가?

미국 수입 관세의 잠재적인 위협에 대응하여, 많은 사람들이 미국이 현재 상태에서 반도체 수요를 처리하기에 충분하지 않다고 우려합니다. 이는 특히 생성적 AI와 AI 데이터 센터 구축으로 인한 반도체 수요가 급증하고 있습니다. AI를 사용하는 비즈니스, 예를 들어 코딩과 소프트웨어 개발,는 특히 위험에 처해 있습니다. 반도체 접근에 대한任何 중단은 의존하는 응용 프로그램 분야, 포함하여 AI와 하류 시장, 자율 주행 자동차, 에지 컴퓨팅 및 로봇공학,에 걸쳐서 파급 효과를 일으킬 수 있습니다.

미국의 반도체 의존 산업, 포함하여 AI,를 위한 혁신을 주도하는 능력은 재료 발견의 가속화가 필요합니다. “旧” 재료 발견과 채택의 방법은 일반적으로 해외 파운드리에서 집중되었으며, 사진 리소그래피, 에칭, 증착 및 클린룸과 같은 다단계 공정을 포함했습니다. 이는 느리고 비용이 많이 드는 과정으로, 긴 설계 주기와 상당한 재료浪費를 초래했습니다.

미국이 국내 반도체 수요를 더 잘 충족하기 위해서, 미국은 칩 설계의 발전에 혜택을 받아야 합니다. 한 가지 기술은 직접 로컬 원자층 처리입니다. 이는 디지털, 원자적으로 정밀한 제조 공정으로, 장치를 직접 원자에서 구축하며, 전통적인 제조 공정에서 필요한 많은 단계를 제거하여 복잡성과浪費를 줄입니다. 이는 미세 장치, 포함하여 AI 반도체,의 설계와 프로토 타이핑을 위한 이전 없는 유연성과 정밀성을 제공합니다.

직접 로컬 원자층 처리와 같은 기술을 사용하여 원자 규모의 정밀도와 재료 처리 제어를 가능하게 하면, 설계 주기와 프로토 타이핑을 크게 가속화할 수 있으며, AI의不断 증가하는 컴퓨팅需求을 충족할 수 있는 새로운 재료나 재료의 조합을 찾는 데 도움이 될 수 있습니다.

환경과 인간 건강에 대한 약속을 유지하며 국내 제조를 증가시키는 것

추가적인ประโยชน으로, 새로운 기술은 반도체 제조의 환경적 영향을 크게 줄일 수 있습니다. 지금까지, 이 산업은 큰 환경적足跡을 가지고 있으며, 온실 가스 배출, 물 소비 및 화학 폐기물, 특히 영구적인 독성 화학물질인 PFAS의 배출을 크게 기여했습니다. 이러한 화학물질은 물을 오염시키고, 분해되지 않으며, 환경과 사람들에게 수십 년 동안 남아 있습니다.

이것은 최근의 연방 조치, 예를 들어 “미국에서 칩 제조법”과 “CHIPS 법”,이 환경에 대한 상당한 우려를 제기한 이유입니다. 새로운 기술을 사용하여 칩을 설계하고 프로토 타이핑하고 제조하는 시간을 줄이고, 화학적인 클린룸 환경의 필요성을 제거함으로써, 미국은 국내 자원을 사용하여 책임감 있게 확장할 수 있으며, 환경과 인간 건강을 손상시키지 않을 수 있습니다.

미국의 집합적 자원을 활용하기

새로운 제조 기술을 배치하는 것 외에도, 미국은 전체적인 접근 방식을 업데이트해야 합니다. 이는 생산을海外의少数의 대형 파운드리에서大きく 의존하는 모델에서, 미국의 풍부한 대학, 스타트업 및 산업 연구 개발 회사들의 집합적 자원을 활용하여 협력, 발견을 가속화 및 전체 “연구소-제조” 공정을 지원하는 모델로 전환하는 것입니다. 이는 비용을 통제하면서 이러한 조직의 인프라에 기술을 직접 통합하는 것을 의미합니다.

미래를 향해

AI와 반도체의 관계는真正로 상호 보완적입니다. 우리는 이미 언급했듯이, 반도체는 AI 모델을 훈련하는 서버를 구동하는 데 필수적입니다. 반면, AI는 반도체 재료 발견을 가속화하는 데 기계 학습을 사용하여 새로운 재료의 특성을 예측하고 설계 공정을 가속화하는 데 사용됩니다. 이러한 접근 방식, 즉 역 재료 설계,를 사용하면 연구자들이 특정한 목표된 특성, 예를 들어 개선된 전도성, 에너지 효율성 및 지속 가능성,을 가진 재료를 설계할 수 있습니다.

새로운 재료의 발견을 가속화하는 것은 반도체 제조에서 가장 어려운 도전 중 하나입니다. 이는 특히 AI 반도체의 경우, 산업이不断으로 컴퓨팅 능력, 효율성 및 속도를 높이고 칩 크기를 줄이려는 경우에 특히 어렵습니다.

AI는 새로운 이론적인 재료의 특성을 예측하는 데 사용될 수 있지만, 이러한 발견은 전통적으로 물리적 검증의 느린 속도에 의해 제한되었습니다. 새로운 기술을 사용하여 고출력 실험을 지원함으로써, 우리는 이 간격을 좁힐 수 있으며, 더 빠르고 더 목표적인 재료 개발을 가능하게 할 수 있으며, 궁극적으로 미국의 국경 내에서 다음 세대의 재료를 잠금으로解放할 수 있습니다. 직접 원자층 처리와 같은 새로운 기술을 사용하여 AI의 힘을 결합하면, 이전에 생각할 수 없었던 돌파구를 개발하는 것을 크게 가속화할 수 있으며, 미국의 국경 내에서 중앙화할 수 있습니다.