Укрепление производства полупроводников в США – ключ к лидерству в области ИИ

В течение последних нескольких недель заголовки кричали о надвигающейся угрозе и потенциальном влиянии введения США импортных тарифов на полупроводники. Честно говоря, я не думаю, что введение этих тарифов когда-либо произойдет, поскольку они приведут к такому значительному нарушению цепочки поставок, что последствия будут слишком свежи в нашей памяти после COVID-19. Кто может забыть десятки тысяч незавершенных автомобилей, оставшихся брошенными на парковках производителей автомобилей. Определенно, никто не хочет повторения этого!

Тем не менее, я считаю, что все же выгодно для бизнеса США и экономики США в целом стать более устойчивыми и самодостаточными в области производства полупроводников, и я приветствую эти усилия. Здесь мы рассмотрим, почему эта самодостаточность так важна, особенно в плане способности США поддерживать свое (на данный момент узкое) лидерство в области искусственного интеллекта (ИИ).

Гонка ИИ, по сути, является гонкой полупроводников

Полупроводники имеют решающее значение для питания серверов, на которых обучаются модели ИИ, поскольку обучение этих моделей требует специализированной силы, которую могут обеспечить только полупроводники (в отличие от традиционных процессоров). Оценивается, что к концу этого года полупроводники, связанные с ИИ, будут составлять 19 процентов от общего мирового рынка полупроводников, что является значительным увеличением по сравнению с 7 процентами, которые они занимали в 2017 году.

Увеличенная зависимость от полупроводников для ИИ означает, что чем меньше США полагаются на иностранные сущности для поставок полупроводников, тем лучше. По мере того, как глобальная гонка ИИ разгорается, внутреннее производство полупроводников предлагает значительные выгоды, такие как укрепление экономической и национальной безопасности, а также технологическая независимость. В настоящее время в Конгрессе проходит законопроект под названием “Закон о защите цепочки поставок полупроводников“, который имеет двупартийную поддержку и направлен на снижение зависимости от непредсказуемых иностранных цепочек поставок.

Как мы это делаем?

В ответ на угрозу возможных тарифов США многие выразили обеспокоенность по поводу того, что в своем нынешнем состоянии США не имеют возможности справиться с стремительно растущим спросом на полупроводники, обусловленным генеративным ИИ и строительством центров обработки данных ИИ. Бизнес-использование ИИ, такое как кодирование и разработка программного обеспечения, особенно уязвимо. Любое нарушение в доступе к полупроводникам может вызвать эффект домино в зависимых областях применения, включая ИИ и дочерние рынки, такие как автономные транспортные средства, краевой вычислительный центр и робототехника.

Способность США стимулировать инновации в отраслях, зависящих от полупроводников, включая ИИ, потребует ускорения открытия материалов. “Старый способ” открытия и внедрения материалов обычно концентрировался в зарубежных фабриках и включал многоступенчатые процессы, такие как фотолитография, травление, осаждение и чистые комнаты. Это может быть медленным и дорогим процессом, приводящим к длительным циклам проектирования и значительному количеству отходов материалов.

Чтобы лучше удовлетворить внутренний спрос на полупроводники, США должны воспользоваться достижениями в проектировании микросхем, одним из методов которого является прямая локальная атомная слойная обработка. Это цифровой, атомно-точный процесс производства, который строит устройства直接 из атомов, исключая необходимость многих шагов, участвующих в традиционном производственном процессе, а также снижая сложность и количество отходов. Он предлагает беспрецедентную гибкость и точность для проектирования и прототипирования широкого спектра микроустройств, включая полупроводники ИИ.

Увеличение внутреннего производства, сохраняя приверженность экологическому и человеческому здоровью

Кроме того, новые методы также могут существенно снизить экологическое воздействие производства полупроводников. До сих пор эта отрасль сталкивалась с серьезной дилеммой из-за своего чрезмерного экологического следа, внося значительный вклад в выбросы парниковых газов, потребление воды и химические отходы, особенно токсичные “вечные химические вещества”, известные как ПФАС. Это химические вещества, которые загрязняют воду, не разлагаются и остаются в окружающей среде (и в людях!) в течение десятилетий.

Использование коллективных ресурсов США

В дополнение к внедрению новых методов производства США должны обновить свой общий подход. Это означает переход от модели, сильно ориентированной на аутсорсинг производства в небольшую группу многомиллиардных фабрик, к использованию всестороннего и богатого арсенала ведущих университетов, стартапов и промышленных исследовательских фирм для сотрудничества, ускорения открытий и поддержки всего процесса “лаборатория-фабрика” (исследования, прототипирования и производства). Все это можно достичь, сохраняя при этом расходы под контролем и интегрируя встраиваемые технологии直接 в инфраструктуру этих организаций.

Взгляд в будущее

Отношения между ИИ и полупроводниками действительно симбиотичны. Как мы упоминали, полупроводники имеют решающее значение для питания серверов, на которых обучаются модели ИИ; с другой стороны, ИИ существенно ускоряет открытие материалов для полупроводников, используя машинное обучение для прогнозирования свойств новых материалов и ускорения процесса проектирования. Этот подход, известный как обратное проектирование материалов, позволяет исследователям проектировать материалы с конкретными целевыми свойствами, такими как улучшенная проводимость, энергоэффективность и устойчивость.

Ускорение открытия новых материалов остается одним из самых сложных задач в производстве полупроводников, особенно для полупроводников ИИ, поскольку отрасль стремится постоянно увеличивать вычислительную мощность, эффективность и скорость, снижая размер кристалла.

Хотя ИИ можно использовать для прогнозирования свойств новых, теоретических материалов, эти прорывы традиционно все еще ограничивались медленным темпом физической проверки. Новые методы можно использовать для поддержки высокопроизводительного экспериментирования, помогая закрыть разрыв; обеспечивая более быстрое и целенаправленное развитие материалов, и в конечном итоге открывая следующее поколение материалов. Объединение новых методов, таких как прямая атомная слойная обработка, с мощью ИИ может творить чудеса, существенно ускоряя разработку прорывов, которые ранее считались невозможными, все это внутри национальных границ США.