Stärkande av USA:s chip-tillverkning – Nyckeln till AI-ledarskap

För de senaste veckorna har rubrikerna skrikit om den hotande faran och den potentiella påverkan av att USA inför importtullar på halvledare. Ärligt talat tror jag inte att införandet av dessa tullar någonsin kommer att ske, eftersom de skulle leda till så stor störning i leverantörskedjan, och de negativa effekterna av detta fortfarande är alltför färska i våra minnen från COVID-19. Vem kan glömma de tiotusentals ofärdiga bilar som lämnades stranded på biltillverkarnas parkeringsplatser. Ingen vill uppleva en sådan situation igen!

Det sagt, tror jag att det fortfarande är viktigt för amerikanska företag och den amerikanska ekonomin att bli mer robusta och självförsörjande inom området för halvledartillverkning, och jag hyllar dessa ansträngningar. Här kommer vi att undersöka varför denna självförsörjning är så viktig, särskilt i termer av USA:s förmåga att upprätthålla sin (för närvarande smala) ledning inom konstgjord intelligens (AI).

AI-tävlingen är i sin kärna en chip-tävling

Halvledare är avgörande för att driva servrarna som utbildar AI-modeller, eftersom utbildning av dessa modeller kräver en specialiserad styrka som endast halvledare (i motsats till traditionella processorer) kan tillhandahålla. Det beräknas att vid slutet av detta år kommer AI-relaterade halvledare att stå för 19 procent av den totala halvledarmarknaden globalt, en betydande ökning från de sju procent som fanns 2017.

Ökad tillförlitlighet på halvledare för AI innebär att desto mindre USA är beroende av utländska enheter för halvledartillförsel, desto bättre. När den globala AI-tävlingen eskalerar erbjuder inhemsk halvledartillverkning betydande fördelar som förstärkt ekonomisk och nationell säkerhet, samt teknisk oberoende. För närvarande finns det en proposition som går igenom kongressen som kallas “Lagen om säkerhet för halvledartillförselkedjor 2025“, som har stöd från båda partierna och syftar till att minska beroendet av oförutsägbara utländska tillförselkedjor.

Hur gör vi det?

Som svar på hotet om möjliga amerikanska importtullar har många uttryckt oro över att USA i sin nuvarande form inte är utrustat för att hantera den skenande efterfrågan på halvledare som drivs av generativ AI och AI-datacenterbyggnader. Företagsanvändning av AI, såsom kodning och programvaruutveckling, är särskilt utsatta. Eventuell störning i tillgången på halvledare kan orsaka en effekt över hela beroende applikationsområden, inklusive AI och nedströmsmarknader som autonoma fordon, edge-computing och robotik.

USA:s förmåga att driva innovation över halvledarberoende industrier, inklusive AI, kommer att kräva en acceleration av materialupptäckt. “Den gamla metoden” för materialupptäckt och antagande var vanligtvis koncentrerad till utländska anläggningar och involverade flera steg som fotolitografi, etsning, deposition och rena rum. Detta kan vara en långsam och dyr process, vilket leder till långa designcykler och betydande materialavfall.

För att bättre möta efterfrågan på halvledare inom landet måste USA dra nytta av framsteg inom chipdesign, en teknik som kallas direkt lokal atomlagerbearbetning. Detta är en digital, atomiskt exakt tillverkningsprocess som bygger enheter direkt från atomer, vilket eliminerar behovet av de många steg som är involverade i den traditionella tillverkningsprocessen, samtidigt som komplexiteten och avfallet minskas. Det erbjuder en utan motstycke flexibilitet och precision för att designa och prototypa en mängd olika mikroenheter, inklusive AI-halvledare.

Genom att möjliggöra atomisk skala och kontroll över materialbearbetning kan tekniker som direkt lokal atomlagerbearbetning signifikant accelerera designcykler och prototypering, vilket hjälper till att hitta nya material eller kombinationer av material som kan tillfredsställa de alltmer ökande beräkningsbehoven för AI.

Ökande inhemsk tillverkning medan man förblir engagerad i miljö- och folkhälsa

Som en ytterligare (och inte oväsentlig) fördel kan nya tekniker också dramatiskt minska den miljömässiga påverkan av halvledartillverkning. Hittills har denna industri stått inför ett allvarligt dilemma på grund av sin överdimensionerade miljöavtryck, som bidrar betydligt till växthusgasutsläpp, vattenkonsumtion och kemiskt avfall, särskilt giftiga “för alltid-kemikalier” som kallas PFAS. Dessa kemikalier förorenar vatten, bryts inte ner och förblir i miljön (och i människor!) i årtionden.

Det är ingen överraskning att nyliga federala åtgärder som Lagen om att bygga chip i Amerika och CHIPS-lagen har väckt betydande miljökoncerner. Genom att skära ned den tid som behövs för att designa, prototypa och tillverka chip – och eliminera behovet av kemikalieintensiva renrumsmiljöer – kan nya tekniker vara svaret på att tillfredsställa efterfrågan och skala ansvarsfullt med hjälp av inhemska resurser, och utan att kompromissa med miljö- och folkhälsa.

Användning av USA:s samlade resurser

Förutom att införa nya tillverkningstekniker måste USA uppdatera sin övergripande strategi. Detta innebär att gå bort från en modell som bygger på tung offshoring av produktion till ett fåtal miljarder dollar stora anläggningar, till att utnyttja nationens omfattande och rika arsenal av ledande universitet, startup-företag och industriella FoU-företag för att samarbeta, accelerera upptäckt och stödja hela “lab-to-fab”-processen (forskning, prototypering och tillverkning). Allt detta kan uppnås medan kostnaderna hålls under kontroll och möjliggörande tekniker integreras direkt i dessa organisationers infrastrukturer.

Blickar framåt

Förhållandet mellan AI och halvledare är verkligen symbiotiskt. Som vi har nämnt är halvledare avgörande för att driva servrarna som utbildar AI-modeller; på andra sidan accelererar AI signifikant halvledarmaterialupptäckt genom att använda maskinlärning för att förutsäga egenskaperna hos nya material och accelerera designprocessen. Denna metod, som kallas omvänd materialdesign, möjliggör för forskare att designa material med specifika målinriktade egenskaper, såsom förbättrad ledningsförmåga, energoeffektivitet och hållbarhet.

Att accelerera upptäckten av nya material förblir en av de tuffaste utmaningarna inom halvledartillverkning, även om det är särskilt krävande för AI-halvledare, eftersom industrin söker att konstant driva upp beräkningskraft, effektivitet och hastighet, samtidigt som chipstorleken minskas.

Medan AI kan användas för att förutsäga egenskaperna hos nya, teoretiska material, har dessa genombrott traditionellt fortfarande varit begränsade av den långsamma takten i fysisk validering. Nya tekniker kan användas för att stödja höggenomströmningsexperiment, vilket hjälper till att stänga gapet; möjliggör snabbare, mer riktad materialutveckling, och slutligen låser upp nästa generation av material. Att kombinera nya tekniker som direkt atomlagerbearbetning med kraften från AI har möjligheten att göra magi, dramatiskt accelererande utvecklingen av genombrott som aldrig tidigare troddes vara möjliga, allt centraliserat inom USA:s egna nationella gränser.