加强美国芯片制造 – 人工智能领导力的关键

过去几周，头条新闻一直在讨论即将到来的威胁和潜在影响，美国对半导体进口关税的实施可能会带来重大供应链中断，这种后果仍然让我们记忆犹新，尤其是在COVID-19期间。谁能忘记成千上万辆未完成的汽车被困在汽车制造商的停车场里？当然，没有人愿意重蹈覆辙。

尽管如此，我仍然认为美国企业和美国经济应该在半导体制造领域变得更加坚韧和自给自足，我赞赏这些努力。在这里，我们将探讨为什么这种自给自足如此重要，特别是在美国维持其在人工智能领域的领导地位方面。

人工智能竞赛的核心是芯片竞赛

半导体对于训练人工智能模型的服务器至关重要，因为训练这些模型需要专门的力量，这种力量只有半导体（而不是传统处理器）才能提供。据估计，到今年年底，人工智能相关的半导体将占全球半导体市场的19%，这比2017年的7%有了显著增加。

随着对半导体的依赖程度的增加，美国对外国实体的依赖程度就越小。随着全球人工智能竞赛的加剧，国内半导体生产带来了显著的经济和国家安全利益，以及技术独立性。目前，国会正在审议一项名为“半导体供应链安全法案”的法案，该法案得到了两党的支持，旨在减少对不可预测的外国供应链的依赖。

我们如何实现这一目标？

针对可能实施的美国进口关税，许多人担心美国目前无法满足由生成式人工智能和人工智能数据中心建设驱动的半导体需求的激增。商业人工智能应用，例如编码和软件开发，尤其容易受到影响。半导体供应的任何中断都可能对依赖的应用领域，包括人工智能和下游市场，如自动驾驶汽车、边缘计算和机器人，产生连锁反应。

美国在半导体依赖的行业（包括人工智能）中推动创新，将需要加速材料发现。过去，材料发现和采用通常集中在海外代工厂，涉及多步骤的工艺，如光刻、蚀刻、沉积和清洁室。这是一个缓慢而昂贵的过程，导致设计周期长且材料浪费严重。

为了更好地满足国内半导体需求，美国必须利用芯片设计的进步，例如直接局部原子层处理。这是一种数字化、原子级精确的制造工艺，直接从原子构建设备，消除了传统制造过程中的多个步骤，同时减少了复杂性和浪费。它为设计和原型制作各种微设备（包括人工智能半导体）提供了前所未有的灵活性和精度。

通过实现原子级精度和对材料加工的控制，像直接局部原子层处理这样的技术可以显著加速设计周期和原型制作，帮助发现新的材料或材料组合，以满足人工智能不断增长的计算需求。

在保持对环境和人类健康的承诺的同时增加国内制造

此外，新技术还可以显著减少半导体制造对环境的影响。到目前为止，这个行业面临着严重的困境，因为其环境影响过大，导致温室气体排放、水耗和化学废物显著增加，特别是持久的“永远化学物质”（PFAS）。这些化学物质污染水源，不会分解，并且会在环境中（和人类体内）停留数十年。

难怪最近的联邦行动，如《在美国制造芯片法案》和《芯片法案》，都引发了重大的环境问题。通过减少设计、原型制作和制造芯片所需的时间，并消除了对化学密集型清洁室环境的需求，新技术可以在不损害环境和人类健康的情况下满足需求并扩大规模。

利用美国的集体资源

除了采用新制造技术外，美国还必须更新其整体方法。这意味着要从大量外包生产到少数几家大型代工厂，转变为利用国家的综合和丰富的领先大学、初创企业和工业研发公司的资源，共同合作、加速发现并支持整个“实验室到制造”过程（研究、原型制作和制造）。这一切都可以在控制成本和将使能技术直接集成到这些组织的基础设施中实现。

展望未来

人工智能和半导体之间的关系是相互的。正如我们提到的，半导体对于训练人工智能模型的服务器至关重要；另一方面，人工智能也在通过利用机器学习预测新材料的性能并加速设计过程来显著加速半导体材料的发现。这种方法被称为逆向材料设计，允许研究人员设计具有特定目标性能的材料，例如改进的导电性、能效和可持续性。

加速新材料的发现仍然是半导体制造中最具挑战性的问题之一，尤其是对于人工智能半导体，因为该行业正在不断地提高计算能力、效率和速度，同时减小芯片尺寸。

虽然人工智能可以预测新型理论材料的性能，但这些突破传统上仍受到物理验证缓慢步伐的限制。新技术可以支持高通量实验，帮助弥合这一差距；实现更快、更有针对性的材料开发，最后解锁下一代材料。将新技术（如直接原子层处理）与人工智能的力量相结合，可以创造奇迹，显著加速突破的发展，这些突破以前被认为是不可能的，都集中在美国自己的国界内。