ABD Çip Üretiminin Güçlendirilmesi – AI Liderliği için Anahtar

Geçtiğimiz birkaç hafta boyunca, başlıklar , ABD’nin yarı iletkenlere yönelik ithalat tarifelerini uygulamasının olası tehdidi ve potansiyel etkileri hakkında bağırıyordu. Doğruyu söylemek gerekirse, bu tarifelerin uygulanacağına inanmıyorum, çünkü bu, hala çok taze olan COVID-19’dan kalan supply chain kesintilerinin neden olduğu önemli bir arz kesintisine neden olacaktır. Kim unutabilir, otomotiv üreticilerinin parklarında binlerce bitmemiş arabanın çölde bırakıldığını? Elbette, kimse bunun tekrarlanmasını istemiyor!

Bununla birlikte, ABD’nin yarı iletken üretimi alanında daha dayanıklı ve kendine yeterli olması gerektiğini düşünüyorum ve bu çabaları takdir ediyorum. Burada, neden bu kendine yeterliliğin önemli olduğunu, özellikle de ABD’nin (şu anda dar) liderliğini koruyabilmesi açısından inceleyeceğiz. state-of-the-art yapay zeka (AI) alanında.

AI Yarışı, Temelde Bir Çip Yarışıdır

Yarı iletkenler, AI modellerini eğiten sunucuları çalıştırmak için çok önemlidir, çünkü bu modelleri eğitmek için geleneksel işlemciler yerine yalnızca yarı iletkenlerin sağlayabileceği özel bir güce ihtiyaç duyulur. Bu yılın sonunda, AI ile ilgili yarı iletkenlerin, dünya çapındaki toplam yarı iletken pazarının %19’unu oluşturacağı tahmin ediliyor, bu, 2017’de sahip olduğu %7’den önemli bir artış.

AI için yarı iletkenlere olan bağımlılığın artması, ABD’nin yabancı kaynaklardan yarı iletken tedarikine olan bağımlılığını azaltması anlamına gelir. Küresel AI yarışının kızışmasıyla, yerli yarı iletken üretimi, ekonomik ve ulusal güvenlik, teknoloji bağımsızlığı gibi önemli faydalar sunar. Şu anda, Kongre’de ” Yarı İletken Tedarik Zincirlerini Güçlendirme Yasası 2025 ” adlı bir yasa geçmektedir ve bu yasa, yabancı tedarik zincirlerine olan bağımlılığı azaltmayı amaçlamaktadır.

Nasıl Yaparız?

ABD’nin olası ithalat tarifelerine yanıt olarak, birçok kişi, ABD’nin şu anda yarı iletken talebini karşılayabilecek durumda olmadığını çünkü büyük bir fırsat var, ancak ölçeklendirme engelleri devam etmektedir. AI ve AI veri merkezi yapılandırmaları tarafından yönlendirilen yarı iletken talebi, özellikle kodlama ve yazılım geliştirme gibi AI’nin iş kullanım alanları risk altındadır. Yarı iletken erişimindeki herhangi bir kesinti, AI ve aşağı akış pazarları gibi özerk araçlar, kenar bilgisayarlar ve robotik dahil olmak üzere bağımlı uygulama alanları boyunca bir dalgalandırma etkisi yaratabilir.

ABD’nin, AI dahil olmak üzere yarı iletken bağımlı endüstrilerdeki inovasyonu sürdürebilmesi, malzemelerin keşfinin hızlandırılmasını gerektirecektir. Malzeme keşfi ve benimsenmesinin “eski yolu” genellikle yurt dışı foundrylerde yoğunlaşmış ve fotolitografi, kazıma, birikim ve temiz oda gibi çok adımlı işlemleri içermekteydi. Bu, yavaş ve pahalı bir süreç olabilir ve bu, uzun tasarım döngelerine ve önemli malzeme israfına neden olabilir.

Yarı iletken talebini yurt içinde daha iyi karşılamak için, ABD’nin yarı iletken tasarımı alanındaki gelişmelerden yararlanarak, doğrudan yerel atomik katman işleme gibi tekniklerden yararlanabileceği düşünülmektedir. Bu, dijital, atomik olarak precisa bir üretim sürecidir ve cihazları doğrudan atomlardan inşa eder, geleneksel üretim sürecindeki birçok adımı ortadan kaldırır ve karmaşıklığı ve israfı azaltır. Geniş bir yelpazede mikro cihazların tasarlanması ve prototiplenmesi için benzersiz esneklik ve hassasiyet sunar, AI yarı iletkenleri de dahil olmak üzere.

Atomik ölçekte malzeme işleminin hızlandırılması ve kontrolü, tasarım döngülerini ve prototiplenmeyi önemli ölçüde hızlandırabilir ve AI’nin artan hesaplama ihtiyaçlarını karşılayabilecek yeni malzemelerin veya malzeme kombinasyonlarının keşfedilmesine yardımcı olabilir.

Çevresel ve İnsan Sağlığına Bağlı Kalırken Yurt İçi Üretimin Artırılması

Ek bir fayda olarak, yeni teknikler, yarı iletken üretiminin çevresel etkisini de önemli ölçüde azaltabilir. Bu endüstri, sera gazı emisyonlarına, su tüketimine ve kimyasal atıklara, özellikle de suyu kirleten, bozulmayan ve insanlarda on yıllar boyunca kalan “sonsuz kimyasallar” olarak bilinen PFAS’ler gibi toksik maddelere önemli katkıda bulunmuştur.

Kongre’nin Çipleri Amerika’da Üretme Yasası ve CHIPS Yasası gibi recent federal eylemler, önemli çevresel endişeler yaratmıştır. Tasarım, prototip ve üretim için gereken süreyi azaltarak ve kimyasal yoğun temiz oda ortamlarının ihtiyacını ortadan kaldırarak, yeni teknikler, talebi karşılayabilmenin ve sorumlu bir şekilde yurt içi kaynakları kullanarak ölçeklenebilmenin anahtarı olabilir ve aynı zamanda çevresel ve insan sağlığını tehlikeye atmaz.

ABD’nin Toplu Kaynaklarını Kullanma

Yeni üretim tekniklerini uygulamanın yanı sıra, ABD’nin genel yaklaşımını güncellemesi gerekmektedir. Bu, üretimini çok az sayıda multi-milyar dolarlık foundrylere dış kaynak kullanarak ağır bir modele bağlı kalmak yerine, ülkenin lider üniversiteleri, start-up’ları ve endüstriyel Ar-Ge şirketleri kullanarak, keşfi hızlandırması, tüm “lab-to-fab” sürecini (araştırma, prototiplendirme ve üretim) desteklemesi ve maliyetleri kontrol altında tutarak, bu organizasyonların altyapısına doğrudan entegre etmelerini sağlaması anlamına gelir.

İleriye Bakmak

AI ve yarı iletkenler arasındaki ilişki gerçekten simbiyotiktir. AI modellerini eğiten sunucuları çalıştırmak için yarı iletkenler çok önemlidir; diğer yandan, AI, makine öğrenimi kullanarak yeni malzemelerin özelliklerini tahmin ederek ve tasarım sürecini hızlandırarak, yarı iletken malzeme keşfini önemli ölçüde hızlandırıyor. Bu yaklaşım, ters malzeme tasarımı olarak bilinir ve araştırmacıların, iyileştirilmiş iletkenlik, enerji verimliliği ve sürdürülebilirlik gibi belirli hedeflenen özelliklere sahip malzemeler tasarlamalarına olanak tanır.

Yeni malzemelerin keşfedilmesi, özellikle AI yarı iletkenleri için, endüstrinin sürekli olarak hesaplamayı hızlandırması, verimliliği ve hızı artırması ve çip boyutunu azaltması gereken bir alan olduğu için, yarı iletken üretiminin en zorlu zorluklarından biridir.

AI, yeni, teorik malzemelerin özelliklerini tahmin edebilir, ancak bu tür atılımlar, geleneksel olarak, fiziksel doğrulamanın yavaş temposu tarafından sınırlı olmuştur. Yeni teknikler, yüksek hacimli deneysel çalışmalara destek sağlayarak bu açığı kapatmaya yardımcı olabilir; daha hızlı, daha hedeflenen malzeme gelişimini sağlayarak ve sonunda yeni nesil malzemeleri kilitleyerek. Doğrudan atomik katman işleme gibi yeni teknikleri AI’nin güciyle birleştirerek, daha önce düşünülemeyen atılımların gelişimini dramatik bir şekilde hızlandırabilir ve tüm bunlar, ABD’nin kendi ulusal sınırları içinde merkezi bir şekilde olabilir.