Fortalecendo a Fabricação de Chips nos EUA – A Chave para a Liderança em IA

Nas últimas semanas, manchetes têm gritado sobre a ameaça iminente e o impacto potencial das tarifas de importação dos EUA sendo impostas sobre semicondutores. Verdadeiramente, não acho que a implementação dessas tarifas acontecerá porque resultaria em uma interrupção tão significativa da cadeia de suprimentos, os efeitos ruins dos quais ainda estão frescos em nossas memórias devido à COVID-19. Quem pode esquecer os dezenas de milhares de carros inacabados deixados abandonados nos estacionamentos dos fabricantes de automóveis. Certamente, ninguém quer uma repetição disso!

Dito isso, acredito que ainda é benéfico para as empresas e a economia dos EUA se tornarem mais resilientes e autossuficientes na área de fabricação de semicondutores, e eu aplaudo esses esforços. Aqui, examinaremos por que essa autossuficiência é tão importante, particularmente em termos da capacidade dos EUA de manter sua (atualmente estreita) liderança em inteligência artificial (IA) de ponta.

A Corrida de IA É, Em Seu Núcleo, Uma Corrida de Chips

Semicondutores são cruciais para alimentar os servidores que treinam modelos de IA, pois o treinamento desses modelos requer uma força especializada que apenas semicondutores (e não processadores tradicionais) podem fornecer. Estima-se que, até o final deste ano, semicondutores relacionados à IA representarão 19 por cento do mercado total de semicondutores em todo o mundo, um aumento significativo em relação aos sete por cento em 2017.

Um aumento na dependência de semicondutores para IA significa que, quanto menos os EUA dependerem de entidades estrangeiras para o suprimento de semicondutores, melhor. À medida que a corrida global de IA esquenta, a produção de semicondutores doméstica oferece benefícios significativos, como segurança econômica e nacional reforçada, bem como independência tecnológica. Atualmente, há um projeto de lei passando pelo Congresso chamado de “Lei de Cadeias de Suprimento de Semicondutores Seguras de 2025“, que tem apoio bipartidário e visa reduzir a dependência de cadeias de suprimento estrangeiras imprevisíveis.

Como Fazemos Isso?

Em resposta à ameaça de possíveis tarifas de importação dos EUA, muitos expressaram preocupações de que, em seu estado atual, os EUA estão mal equipados para lidar com a demanda por semicondutores em alta, impulsionada por IA generativa e construção de datacenters de IA. Usos comerciais de IA, como codificação e desenvolvimento de software, estão especialmente em risco. Qualquer interrupção no acesso a semicondutores pode induzir um efeito em cascata em áreas de aplicação dependentes, incluindo IA e mercados downstream, como veículos autônomos, computação de borda e robótica.

A capacidade dos EUA de impulsionar a inovação em indústrias dependentes de semicondutores, incluindo IA, exigirá uma aceleração da descoberta de materiais. O “velho jeito” de descoberta e adoção de materiais era tipicamente concentrado em fundições no exterior e envolvia processos em várias etapas, como fotolitografia, gravura, deposição e salas limpas. Isso pode ser um processo lento e caro, levando a ciclos de design longos e significativo desperdício de materiais.

Para atender melhor à demanda por semicondutores domesticamente, os EUA devem aproveitar os avanços no design de chips, uma técnica sendo o processamento atômico de camada local direta. Este é um processo de fabricação digital e precisamente atômico que constrói dispositivos diretamente a partir de átomos, eliminando a necessidade das muitas etapas envolvidas no processo de fabricação tradicional, reduzindo complexidade e desperdício. Oferece flexibilidade e precisão sem precedentes para o design e prototipagem de uma ampla variedade de microdispositivos, incluindo semicondutores de IA.

Ao permitir precisão e controle atômicos sobre o processamento de materiais, tecnologias como o processamento de camada atômica local direta podem acelerar significativamente os ciclos de design e prototipagem, ajudando a encontrar novos materiais ou combinações de materiais que possam atender às necessidades computacionais cada vez maiores de IA.

Aumentando a Fabricação Doméstica ao Mesmo Tempo em que Permanece Comprometido com a Saúde Ambiental e Humana

Como um benefício adicional (e não insignificante), novas técnicas também podem reduzir drasticamente o impacto ambiental da fabricação de semicondutores. Até o momento, essa indústria enfrentou um dilema sério devido à sua grande pegada ambiental, contribuindo significativamente para as emissões de gases de efeito estufa, consumo de água e resíduos químicos, particularmente os “químicos eternos” tóxicos conhecidos como PFAS. São químicos que poluem a água, não se decompõem e permanecem no ambiente (e nas pessoas!) por décadas.

Não é de se admirar que ações federais recentes, como a Lei de Construção de Chips na América e a Lei CHIPS, tenham levantado preocupações ambientais significativas. Ao reduzir o tempo necessário para design, prototipagem e fabricação de chips – e eliminando a necessidade de ambientes de sala limpa quimicamente intensivos – novas técnicas podem ser a resposta para atender à demanda e escalar de forma responsável, utilizando recursos domésticos, e sem comprometer a saúde ambiental e humana.

Aproveitando os Recursos Coletivos dos EUA

Além de implantar novas técnicas de fabricação, os EUA devem atualizar sua abordagem geral. Isso significa mudar de um modelo de terceirização pesada da produção para um punhado pequeno de fundições de vários bilhões de dólares, para aproveitar o arsenal abrangente e rico de universidades líderes, startups e empresas de P&D industrial para colaborar, acelerar a descoberta e apoiar todo o processo “lab-to-fab” (pesquisa, prototipagem e fabricação). Isso pode ser alcançado enquanto se mantém os custos sob controle e integra tecnologias habilitadoras diretamente nas infraestruturas dessas organizações.

Olhando para o Futuro

A relação entre IA e semicondutores é verdadeiramente simbiótica. Como mencionamos, semicondutores são cruciais para alimentar os servidores que treinam modelos de IA; por outro lado, a IA está acelerando significativamente a descoberta de materiais semicondutores, utilizando aprendizado de máquina para prever as propriedades de novos materiais e acelerar o processo de design. Essa abordagem, conhecida como design de materiais inverso, permite que os pesquisadores projetem materiais com propriedades específicas visadas, como condutividade melhorada, eficiência energética e sustentabilidade.

Acelerar a descoberta de novos materiais permanece um dos desafios mais difíceis na fabricação de semicondutores, embora seja particularmente exigente para semicondutores de IA, à medida que a indústria busca constantemente aumentar o poder computacional, a eficiência e a velocidade, enquanto reduz o tamanho do chip.

Embora a IA possa ser usada para prever as propriedades de novos materiais teóricos, esses avanços tradicionalmente ainda foram limitados pelo ritmo lento de validação física. Novas técnicas podem ser usadas para apoiar a experimentação de alta taxa, ajudando a fechar a lacuna; permitindo o desenvolvimento de materiais mais rápido e direcionado, e, em última análise, desbloqueando a próxima geração de materiais. Combinar novas técnicas, como o processamento de camada atômica local direta, com o poder da IA, tem o poder de fazer magia, acelerando dramaticamente o desenvolvimento de avanços que nunca foram considerados possíveis, todos centralizados dentro das fronteiras nacionais dos EUA.