Versterking van de Amerikaanse chipproductie – De sleutel tot leiderschap in AI

De afgelopen weken hebben de headlines geschreeuwd over de dreiging en het potentieel van de invoering van Amerikaanse importtarieven op halfgeleiders. Eerlijk gezegd denk ik niet dat de invoering van deze tarieven ooit zal gebeuren, omdat dit zou leiden tot een significante verstoring van de toeleveringsketen, waarvan de nare gevolgen nog steeds vers in ons geheugen liggen vanwege COVID-19. Wie kan vergeten dat tienduizenden onvoltooide auto’s in de parkeerterreinen van autofabrikanten stonden stranded. Niemand wil een herhaling van dat scenario!

Dat gezegd hebbende, denk ik dat het nog steeds in het belang is van de Amerikaanse bedrijven en de Amerikaanse economie om meer veerkrachtig en zelfstandig te worden in de productie van halfgeleiders, en ik juich deze inspanningen toe. Hieronder zullen we onderzoeken waarom deze zelfstandigheid zo belangrijk is, met name in verband met de mogelijkheid van de VS om zijn (momenteel smalle) leiderschap in state-of-the-art kunstmatige intelligentie (AI) te behouden.

De AI-race is, in zijn kern, een chiprace

Halfgeleiders zijn cruciaal voor het aandrijven van de servers die AI-modellen trainen, aangezien het trainen van deze modellen een gespecialiseerde kracht vereist die alleen halfgeleiders (in tegenstelling tot traditionele processoren) kunnen bieden. Men schat dat tegen het einde van dit jaar AI-gerelateerde halfgeleiders 19 procent van de totale halfgeleidermarkt wereldwijd zullen uitmaken, een aanzienlijke toename ten opzichte van de zeven procent in 2017.

Een grotere afhankelijkheid van halfgeleiders voor AI betekent dat hoe minder de VS afhankelijk is van buitenlandse entiteiten voor de toevoer van halfgeleiders, hoe beter. Aangezien de wereldwijde AI-race verhit raakt, biedt de binnenlandse productie van halfgeleiders aanzienlijke voordelen, zoals versterkte economische en nationale veiligheid, evenals technologische onafhankelijkheid. Op dit moment is er een wetsvoorstel dat door het Congres gaat, genaamd de “Securing Semiconductor Supply Chains Act of 2025“, dat bipartijdelijke steun heeft en gericht is op het verminderen van de afhankelijkheid van onvoorspelbare buitenlandse toeleveringsketens.

Hoe doen we het?

Als reactie op de dreiging van mogelijke Amerikaanse importtarieven, hebben velen hun bezorgdheid geuit dat de VS in zijn huidige staat niet in staat is om de snel stijgende vraag naar halfgeleiders te hanteren, die wordt aangedreven door generatieve AI en AI-datacenter-opbouw. Bedrijfsgebruik van AI, zoals codering en softwareontwikkeling, lopen vooral risico. Elke verstoring in de toegang tot halfgeleiders kan een golf-effect hebben op afhankelijke toepassingsgebieden, waaronder AI en nevenmarkten zoals autonome voertuigen, edge computing en robotica.

De mogelijkheid van de VS om innovatie te stimuleren in halfgeleiderafhankelijke industrieën, waaronder AI, zal een versnelling van materiaalontdekking vereisen. De “oude manier” van materiaalontdekking en adoptie was meestal geconcentreerd in buitenlandse foundries en omvatte meerdere stappen, zoals fotolithografie, etsen, depositie en schone kamers. Dit kan een langzaam en duur proces zijn, dat leidt tot lange ontwerpcycli en aanzienlijke materiaalverspilling.

Om de binnenlandse vraag naar halfgeleiders beter te kunnen vervullen, moet de VS gebruikmaken van de vooruitgang in chipontwerp, waarbij één techniek directe lokale atomaire laagverwerking is. Dit is een digitale, atoomprecieze fabricageproces dat apparaten rechtstreeks van atomen bouwt, waardoor de behoefte aan de vele stappen in het traditionele fabricageproces wordt geëlimineerd, terwijl complexiteit en afval worden verminderd. Het biedt ongekende flexibiliteit en precisie voor het ontwerpen en prototyperen van een breed scala aan microapparaten, waaronder AI-halfgeleiders.

Door atomaire precisie en controle over materiaalverwerking mogelijk te maken, kunnen technologieën zoals directe lokale atomaire laagverwerking de ontwerpcycli en prototyping aanzienlijk versnellen, waardoor het vinden van nieuwe materialen of combinaties van materialen die de steeds groter wordende rekenbehoeften van AI kunnen vervullen, wordt vergemakkelijkt.

Verhoging van de binnenlandse productie, terwijl de toewijding aan milieugezondheid en menselijke gezondheid wordt behouden

Als een extra (en niet onbelangrijk) voordeel kunnen nieuwe technieken ook de milieueffecten van halfgeleiderproductie aanzienlijk verminderen. Tot nu toe heeft deze industrie een ernstig dilemma gekend vanwege zijn grote milieubezorgdheid, die aanzienlijk bijdraagt aan de uitstoot van broeikasgassen, waterverbruik en chemisch afval, met name giftige ‘eeuwig chemicaliën’ die bekend staan als PFAS. Dit zijn chemicaliën die water verontreinigen, niet afbreken en decennialang in het milieu (en in mensen!) blijven.

Het is geen wonder dat recente federale acties, zoals de Building Chips in America Act en de CHIPS Act, aanzienlijke milieubezorgdheden hebben opgeroepen. Door de tijd te verkorten die nodig is om chips te ontwerpen, te prototyperen en te fabriceren – en door de behoefte aan chemisch intensieve schone kamers te elimineren – kunnen nieuwe technieken de oplossing zijn om de vraag te vervullen en verantwoord te schalen met behulp van binnenlandse hulpbronnen, zonder de milieugezondheid en menselijke gezondheid in gevaar te brengen.

Benutting van de collectieve middelen van de VS

Naast het inzetten van nieuwe fabricagetechnieken, moet de VS zijn algemene aanpak updaten. Dit betekent dat men moet afstappen van een model waarin de productie sterk wordt uitbesteed aan een kleine handvol multibillion-dollar-foundries, en in plaats daarvan de uitgebreide en rijke arsenalen van toonaangevende universiteiten, start-ups en industriële R&D-bedrijven moet benutten om samen te werken, ontdekkingen te versnellen en het gehele ‘lab-to-fab’-proces (onderzoek, prototyperen en fabricage) te ondersteunen. Dit kan allemaal worden bereikt terwijl de kosten in de hand worden gehouden en de inzet van technologieën rechtstreeks in de infrastructuur van deze organisaties wordt geïntegreerd.

Naar de toekomst kijken

De relatie tussen AI en halfgeleiders is echt symbiotisch. Zoals we hebben vermeld, zijn halfgeleiders cruciaal voor het aandrijven van de servers die AI-modellen trainen; aan de andere kant versnelt AI aanzienlijk de ontdekking van halfgeleidermaterialen door machine learning te gebruiken om de eigenschappen van nieuwe materialen te voorspellen en het ontwerpproces te versnellen. Deze aanpak, bekend als inverse materiaalontwerp, stelt onderzoekers in staat om materialen te ontwerpen met specifieke, gerichte eigenschappen, zoals verbeterde conductiviteit, energiedoeltreffendheid en duurzaamheid.

Het versnellen van de ontdekking van nieuwe materialen blijft een van de grootste uitdagingen in de halfgeleiderproductie, vooral voor AI-halfgeleiders, aangezien de industrie constant probeert de rekenkracht, efficiëntie en snelheid te verhogen, terwijl de grootte van de chips wordt verkleind.

Terwijl AI kan worden gebruikt om de eigenschappen van nieuwe, theoretische materialen te voorspellen, zijn deze doorbraken traditioneel nog steeds beperkt door de trage validatie van fysieke validatie. Nieuwe technieken kunnen worden gebruikt om high-throughput-experimenten te ondersteunen, waardoor de kloof kan worden gesloten; snellere, meer gerichte materiaalontwikkeling mogelijk maken, en uiteindelijk de volgende generatie materialen ontgrendelen. Het combineren van nieuwe technieken zoals directe atomaire laagverwerking met de kracht van AI heeft de macht om magie te maken, waardoor de ontwikkeling van doorbraken die nooit eerder mogelijk werden geacht, aanzienlijk kan worden versneld, allemaal binnen de nationale grenzen van de VS.