Wzmacnianie amerykańskiej produkcji półprzewodników – klucz do przywództwa w dziedzinie sztucznej inteligencji

Przez ostatnie kilka tygodni, nagłówki krzyczały o groźbie i potencjalnym wpływie nałożonych przez Stany Zjednoczone ceł importowych na półprzewodniki. Prawdą jest, że nie sądzę, aby te cła kiedykolwiek zostały wprowadzone, ponieważ spowodowałyby znaczne zakłócenia łańcucha dostaw, a ich negatywne skutki są nadal zbyt świeże w naszej pamięci z czasów COVID-19. Kto może zapomnieć o dziesiątkach tysięcy nieukończonych samochodów, które zostały pozostawione na parkingach producentów samochodów. Z pewnością nikt nie chce powtórki tego!

Powiadają, że nadal jest korzystne dla amerykańskich przedsiębiorstw i gospodarki, aby stać się bardziej odpornymi i samowystarczalnymi w dziedzinie produkcji półprzewodników, i gratuluję tym wysiłkom. Tutaj, przyjrzymy się, dlaczego ta samowystarczalność jest tak ważna, szczególnie w kwestii zdolności Stanów Zjednoczonych do utrzymania swojego (obecnie wąskiego) przywództwa w dziedzinie sztucznej inteligencji (AI).

Rywalizacja w dziedzinie AI jest w swojej istocie rywalizacją w dziedzinie półprzewodników

Półprzewodniki są niezbędne do zasilania serwerów, które trenują modele AI, ponieważ trenowanie tych modeli wymaga specjalistycznej siły, którą tylko półprzewodniki (a nie tradycyjne procesory) mogą dostarczyć. Szacuje się, że do końca tego roku, półprzewodniki związane z AI będą stanowić 19 procent całkowitego rynku półprzewodników na świecie, co stanowi znaczny wzrost w porównaniu z 7 procentami w 2017 roku.

Zwiększona zależność od półprzewodników w dziedzinie AI oznacza, że im mniej Stany Zjednoczone zależą od podmiotów zagranicznych w kwestii dostaw półprzewodników, tym lepiej. W miarę jak globalna rywalizacja w dziedzinie AI nasila się, krajowa produkcja półprzewodników oferuje znaczne korzyści, takie jak wzmocniona bezpieczeństwo ekonomiczne i narodowe, a także niezależność technologiczna. Obecnie, w Kongresie jest procedowany projekt ustawy zwany Ustawą o zabezpieczeniu łańcuchów dostaw półprzewodników z 2025 roku, który ma poparcie obu partii i jest skierowany przede wszystkim do redukcji zależności od nieprzewidywalnych łańcuchów dostaw zagranicznych.

Jak to robimy?

W odpowiedzi na groźbę możliwych amerykańskich ceł importowych, wiele osób wyraziło obawy, że w obecnej sytuacji, Stany Zjednoczone nie są przygotowane do radzenia sobie z gwałtownie rosnącym popytem na półprzewodniki, wywołanym przez generatywną AI i rozbudowę centrów danych AI. Zastosowania biznesowe AI, takie jak programowanie i rozwój oprogramowania, są szczególnie narażone na ryzyko. Jakikolwiek zakłócenie w dostępie do półprzewodników mogłoby wywołać efekt domina w zależnych obszarach, w tym AI i rynkach podrzędnych, takich jak pojazdy autonomiczne, komputery krawędziowe i robotyka.

Możliwość Stanów Zjednoczonych do napędzania innowacji w branżach zależnych od półprzewodników, w tym AI, będzie wymagać przyspieszenia odkryć materiałowych. “Stary sposób” odkrywania i przyjmowania materiałów był zwykle skoncentrowany w zagranicznych fabrykach i obejmował wieloetapowe procesy, takie jak fotolitografia, trawienie, osadzanie i czyszczenie. Może to być powolny i kosztowny proces, prowadzący do długich cykli projektowych i znacznych strat materiałowych.

Aby lepiej zaspokoić popyt na półprzewodniki w kraju, Stany Zjednoczone muszą skorzystać z postępu w dziedzinie projektowania półprzewodników, jedną z takich technik jest bezpośrednia lokalna obróbka warstw atomowych. Jest to cyfrowy, atomowo precyzyjny proces produkcyjny, który buduje urządzenia bezpośrednio z atomów, eliminując potrzebę wielu kroków zaangażowanych w tradycyjnym procesie produkcyjnym, przy jednoczesnym zmniejszeniu złożoności i strat materiałowych. Oferuje niezwykłą elastyczność i precyzję w projektowaniu i prototypowaniu szerokiej gamy mikrourządzeń, w tym półprzewodników AI.

Dzięki umożliwieniu precyzji i kontroli na poziomie atomowym oraz przetwarzania materiałów, technologie takie jak bezpośrednia lokalna obróbka warstw atomowych mogą znacznie przyspieszyć cykle projektowe i prototypowania, pomagając w odkryciu nowych materiałów lub kombinacji materiałów, które mogą zaspokoić rosnące potrzeby obliczeniowe AI.

Zwiększanie produkcji krajowej przy zachowaniu zaangażowania w ochronę środowiska i zdrowia ludzkiego

Jako dodatkowa (i nie bagatelna) korzyść, nowe technologie mogą również dramatycznie zmniejszyć wpływ produkcji półprzewodników na środowisko. Do tej pory, branża ta zmagała się z poważnym dylematem ze względu na swój nadmierny ślad środowiskowy, przyczyniając się znacznie do emisji gazów cieplarnianych, zużycia wody i odpadów chemicznych, w szczególności toksycznych “chemikaliów wiecznych” znanych jako PFAS. Są to chemikalia, które zanieczyszczają wodę, nie ulegają rozkładowi i pozostają w środowisku (i w ludziach!) przez dziesiątki lat.

Nie jest zaskakujące, że ostatnie działania rządu federalnego, takie jak Ustawa o budowaniu półprzewodników w Ameryce i Ustawa CHIPS wywołały znaczne obawy środowiskowe. Poprzez skrócenie czasu potrzebnego do projektowania, prototypowania i produkcji półprzewodników – oraz eliminację potrzeby środowisk chemicznych – nowe technologie mogą być odpowiedzią na zaspokojenie popytu i rozszerzanie się w sposób odpowiedzialny, wykorzystując krajowe zasoby, bez kompromisowania środowiska i zdrowia ludzkiego.

<strong=Wykorzystywanie zbiorowych zasobów Stanów Zjednoczonych

Oprócz wdrożenia nowych technik produkcyjnych, Stany Zjednoczone muszą zaktualizować swój ogólny podejście. Oznacza to odejście od modelu silnego offshoringu produkcji do wykorzystania ogromnego i bogatego arsenału wiodących uniwersytetów, startupów i firm badawczo-rozwojowych do współpracy, przyspieszania odkryć i wspierania całego procesu “lab-to-fab” (badania, prototypowania i produkcji). Może to być osiągnięte przy jednoczesnym utrzymaniu kosztów i integracji technologii umożliwiających bezpośrednio w infrastrukturze tych organizacji.

Spójrzmy w przyszłość

Relacja między AI a półprzewodnikami jest naprawdę symbiotyczna. Jak już wspomniano, półprzewodniki są niezbędne do zasilania serwerów, które trenują modele AI; z drugiej strony, AI znacznie przyspiesza odkrywanie materiałów półprzewodnikowych, wykorzystując uczenie maszynowe do przewidywania właściwości nowych materiałów i przyspieszania procesu projektowania. Ten podejście, znane jako odwrotne projektowanie materiałów, pozwala badaczom na projektowanie materiałów o określonych, docelowych właściwościach, takich jak poprawiona przewodność, efektywność energetyczna i zrównoważoność.

Przyspieszenie odkrywania nowych materiałów pozostaje jednym z najtrudniejszych wyzwań w produkcji półprzewodników, choć jest szczególnie wymagające dla półprzewodników AI, ponieważ branża stara się nieustannie zwiększać moc obliczeniową, efektywność i szybkość, przy jednoczesnym zmniejszaniu rozmiaru chipów.

Pomimo że AI może być wykorzystywana do przewidywania właściwości nowych, teoretycznych materiałów, te przełomy były tradycyjnie ograniczone przez powolny tempa walidacji fizycznej. Nowe technologie mogą być wykorzystywane do wspierania wysokowydajnych eksperymentów, pomagając w zamknięciu tej luki; umożliwiając szybsze, bardziej ukierunkowane rozwój materiałów, a ostatecznie odblokowując następną generację materiałów. Połączenie nowych technik, takich jak bezpośrednia obróbka warstw atomowych, z mocą AI ma możliwość czynienia czegoś niezwykłego, dramatycznie przyspieszając rozwój przełomów, które wcześniej nie były uważane za możliwe, wszystko to w ramach własnych granic Stanów Zjednoczonych.