การเสริมสร้างการผลิตชิปของสหรัฐฯ – กุญแจสู่ความเป็นผู้นำด้าน AI

ตลอดหลายสัปดาห์ที่ผ่านมา พาดหัวข่าวต่างเตือนถึงภัยคุกคามและผลกระทบที่อาจเกิดขึ้นจากภาษีนำเข้าของสหรัฐฯ ต่อเซมิคอนดักเตอร์ ผู้เขียนไม่คิดว่าภาษีเหล่านี้จะถูกนำมาใช้จริง เพราะจะทำให้ห่วงโซ่อุปทานหยุดชะงักอย่างหนัก ขณะที่ผลกระทบจากโควิด-19 ยังอยู่ในความทรงจำ ไม่มีใครลืมรถยนต์ที่ผลิตไม่เสร็จหลายหมื่นคันซึ่งต้องจอดค้างอยู่ในลานของผู้ผลิต และไม่มีใครต้องการให้เหตุการณ์เช่นนั้นเกิดซ้ำ

อย่างไรก็ตาม ธุรกิจและเศรษฐกิจสหรัฐฯ ควรมีความยืดหยุ่นและพึ่งพาตนเองด้านการผลิตเซมิคอนดักเตอร์มากขึ้น บทความนี้จะอธิบายว่าเหตุใดความพึ่งพาตนเองจึงสำคัญ โดยเฉพาะต่อความสามารถของสหรัฐฯ ในการรักษาความเป็นผู้นำด้านปัญญาประดิษฐ์ที่ล้ำสมัยซึ่งปัจจุบันมีช่องว่างเพียงเล็กน้อย

แก่นแท้ของการแข่งขัน AI คือการแข่งขันด้านชิป

เซมิคอนดักเตอร์จำเป็นต่อเซิร์ฟเวอร์ที่ใช้ฝึกโมเดล AI เพราะการฝึกต้องอาศัยสมรรถนะเฉพาะที่เซมิคอนดักเตอร์มอบให้ได้เหนือกว่าโปรเซสเซอร์ทั่วไป คาดว่าภายในสิ้นปีนี้ เซมิคอนดักเตอร์ที่เกี่ยวข้องกับ AI จะมีสัดส่วน 19% ของตลาดเซมิคอนดักเตอร์ทั่วโลก เพิ่มขึ้นอย่างมากจาก 7% ในปี 2017

เมื่อ AI พึ่งพาเซมิคอนดักเตอร์มากขึ้น สหรัฐฯ ยิ่งควรลดการพึ่งพาซัพพลายเออร์ต่างชาติ การผลิตในประเทศช่วยเสริมความมั่นคงทางเศรษฐกิจ ความมั่นคงแห่งชาติ และความเป็นอิสระทางเทคโนโลยี ขณะนี้ร่าง Securing Semiconductor Supply Chains Act of 2025 ซึ่งได้รับการสนับสนุนจากทั้งสองพรรคกำลังผ่านสภาคองเกรส โดยมุ่งลดการพึ่งพาห่วงโซ่อุปทานต่างประเทศที่คาดเดาไม่ได้

เราจะทำอย่างไร?

ท่ามกลางความเสี่ยงจากภาษีนำเข้า หลายฝ่ายกังวลว่าสหรัฐฯ ในสภาพปัจจุบันยังไม่พร้อมรับความต้องการเซมิคอนดักเตอร์ที่พุ่งขึ้นจาก Generative AI และการสร้างศูนย์ข้อมูล AI การใช้ AI ในธุรกิจ เช่น การเขียนโค้ดและพัฒนาซอฟต์แวร์ มีความเสี่ยงเป็นพิเศษ การขาดแคลนชิปอาจส่งผลต่อเนื่องไปยัง AI รถยนต์ไร้คนขับ เอดจ์คอมพิวติ้ง และหุ่นยนต์

การขับเคลื่อนนวัตกรรมในอุตสาหกรรมที่พึ่งพาเซมิคอนดักเตอร์ต้องเร่งการค้นพบวัสดุ วิธีแบบเดิมมักกระจุกอยู่ในโรงหล่อต่างประเทศและต้องผ่านหลายขั้นตอน เช่น โฟโตลิโทกราฟี การกัด การเคลือบ และห้องสะอาด กระบวนการนี้ช้า มีราคาแพง ทำให้วงจรออกแบบยาวและสิ้นเปลืองวัสดุมาก

เพื่อรองรับความต้องการในประเทศ สหรัฐฯ ต้องใช้ความก้าวหน้าด้านการออกแบบชิป เช่น การประมวลผลชั้นอะตอมเฉพาะจุดโดยตรง กระบวนการผลิตดิจิทัลที่แม่นยำระดับอะตอมนี้สร้างอุปกรณ์จากอะตอมโดยตรง ลดขั้นตอน ความซับซ้อน และของเสียจากวิธีดั้งเดิม ทั้งยังให้ความยืดหยุ่นและความแม่นยำในการออกแบบและสร้างต้นแบบไมโครดีไวซ์ รวมถึงเซมิคอนดักเตอร์สำหรับ AI

ความแม่นยำและการควบคุมวัสดุระดับอะตอมช่วยเร่งวงจรออกแบบและการสร้างต้นแบบ ทำให้ค้นพบวัสดุหรือชุดวัสดุใหม่ที่ตอบสนองความต้องการประมวลผลของ AI ซึ่งเพิ่มขึ้นอย่างต่อเนื่องได้เร็วขึ้น

เพิ่มการผลิตในประเทศโดยยังคงคุ้มครองสิ่งแวดล้อมและสุขภาพ

เทคนิคใหม่ยังลดผลกระทบต่อสิ่งแวดล้อมของการผลิตเซมิคอนดักเตอร์ได้อย่างมาก อุตสาหกรรมนี้ปล่อยก๊าซเรือนกระจก ใช้น้ำ และสร้างของเสียเคมีในระดับสูง โดยเฉพาะสาร PFAS หรือ ‘สารเคมีตลอดกาล’ ที่ปนเปื้อนน้ำ ไม่สลายตัว และคงอยู่ในสิ่งแวดล้อมกับร่างกายมนุษย์เป็นเวลาหลายสิบปี

จึงไม่น่าแปลกที่มาตรการของรัฐบาลกลาง เช่น Building Chips in America Act และ CHIPS Act จะก่อให้เกิดข้อกังวลด้านสิ่งแวดล้อม เทคนิคใหม่ลดเวลาที่ใช้ในการออกแบบ สร้างต้นแบบ และผลิตชิป พร้อมลดการพึ่งพาห้องสะอาดที่ใช้สารเคมีเข้มข้น จึงช่วยตอบสนองความต้องการและขยายการผลิตในประเทศอย่างรับผิดชอบโดยไม่ลดทอนสุขภาพมนุษย์หรือสิ่งแวดล้อม

ใช้ทรัพยากรร่วมของสหรัฐฯ ให้เต็มศักยภาพ

นอกจากนำเทคนิคการผลิตใหม่มาใช้แล้ว สหรัฐฯ ต้องปรับแนวทางโดยรวม จากการย้ายการผลิตไปยังโรงหล่อมูลค่าหลายพันล้านดอลลาร์เพียงไม่กี่แห่งในต่างประเทศ ไปสู่การเชื่อมมหาวิทยาลัยชั้นนำ สตาร์ทอัพ และบริษัทวิจัยและพัฒนาอุตสาหกรรมของประเทศให้ร่วมมือกัน เร่งการค้นพบ และสนับสนุนกระบวนการ ‘จากห้องทดลองสู่โรงงาน’ ตั้งแต่งานวิจัย การสร้างต้นแบบ ไปจนถึงการผลิต พร้อมควบคุมต้นทุนและผสานเทคโนโลยีเข้ากับโครงสร้างพื้นฐานขององค์กรเหล่านี้

มองไปข้างหน้า

AI และเซมิคอนดักเตอร์มีความสัมพันธ์เกื้อหนุนกัน เซมิคอนดักเตอร์ขับเคลื่อนเซิร์ฟเวอร์ที่ฝึกโมเดล AI ขณะที่ AI เร่งการค้นพบวัสดุเซมิคอนดักเตอร์ด้วยแมชชีนเลิร์นนิงเพื่อคาดการณ์คุณสมบัติและเร่งการออกแบบ วิธีที่เรียกว่า inverse materials design ช่วยให้นักวิจัยออกแบบวัสดุที่มีคุณสมบัติเป้าหมาย เช่น การนำไฟฟ้า ประสิทธิภาพพลังงาน และความยั่งยืนที่ดีขึ้น

การเร่งค้นพบวัสดุยังเป็นหนึ่งในความท้าทายยากที่สุดของการผลิตเซมิคอนดักเตอร์ โดยเฉพาะชิป AI ที่ต้องเพิ่มพลังประมวลผล ประสิทธิภาพ และความเร็ว พร้อมลดขนาดชิปลง

AI คาดการณ์คุณสมบัติของวัสดุเชิงทฤษฎีได้ แต่ความก้าวหน้าเคยติดข้อจำกัดจากการตรวจสอบทางกายภาพที่ล่าช้า เทคนิคใหม่รองรับการทดลองปริมาณสูง ช่วยลดช่องว่าง เร่งพัฒนาวัสดุอย่างตรงเป้าหมาย และปลดล็อกวัสดุรุ่นต่อไป การผสานการประมวลผลชั้นอะตอมโดยตรงกับ AI สามารถเร่งนวัตกรรมที่ไม่เคยคิดว่าจะเป็นไปได้ โดยรวมศูนย์ความก้าวหน้าไว้ภายในพรมแดนสหรัฐฯ