지난 몇 주 동안 헤드 라인 반도체에 부과되는 미국 수입 관세가 다가오는 위협과 잠재적 영향에 대해 비명을 지르고 있습니다. 진실로, 나는 이러한 관세의 이행이 그러한 공급망 중단을 초래할 것이기 때문에 발생할 것이라고 생각하지 않습니다. 남은 수만 개의 미완성 차를 잊을 수있는 사람 좌초 자동차 제조업체의 부지. 확실히, 아무도 반복을 원하지 않습니다!
즉, 나는 여전히 반도체 제조 분야에서 더 탄력적이고 자립하는 미국 기업과 미국 경제가 여전히 전반적으로 자리 잡고 있다고 생각하며, 이러한 노력에 박수를 보냅니다. 여기서 우리는이 자립이 왜 그렇게 중요한지, 특히 미국의 유지 능력 (현재 좁은)에 대해 검토 할 것입니다. 지도 최첨단 인공 지능 (AI).
AI 경주는 핵심 칩 레이스입니다.
반도체는 AI 모델을 훈련시키는 서버에 전원을 공급하는 데 중요합니다. 이러한 모델을 훈련하려면 반도체 (전통적인 프로세서 대) 만 제공 할 수있는 특수한 강도가 필요합니다. 올해 말까지 AI 관련 반도체는 19 % 전 세계 총 반도체 시장 중 2017 년 7 %가 상당히 증가했습니다.
AI의 반도체에 대한 의존도 증가는 미국이 반도체 공급을 위해 외국 기업에 의존할수록 더 좋습니다. 글로벌 AI 경주가 열리면서 국내 반도체 생산은 경제 및 국가 안보, 기술 독립성과 같은 상당한 이점을 제공합니다. 현재 의회를 통과하는 법안이“2025 년 반도체 공급망 법,”이당 지원을 받고 있으며 예측할 수없는 외국 공급망에 대한 의존도를 줄이기 위해 정사각형을 선고합니다.
우리는 어떻게합니까?
미국 수입 관세의 가능한 위협에 따라 많은 사람들이 현재 주에서는 미국이 장비가 좋지 않습니다 생성 AI 및 AI 데이터 센터 빌드 아웃에 의해 구동되는 급격한 반도체 수요를 처리합니다. 코딩 및 소프트웨어 개발과 같은 AI의 비즈니스 사용이 특히 위험합니다. 반도체 접근이 중단되면 AI 및 자율 주행 차량, 에지 컴퓨팅 및 로봇 공학과 같은 다운 스트림 시장을 포함한 종속 응용 분야에서 파급 효과가 유발 될 수 있습니다.
AI를 포함하여 반도체 의존적 산업 전반에 걸쳐 혁신을 주도하는 미국의 능력은 재료 발견의 가속이 필요합니다. 재료 발견 및 채택의 “오래된 방법”은 일반적으로 해외 파운드리에 집중되었으며 포토 리소그래피, 에칭, 증착 및 깨끗한 객실과 같은 다단계 프로세스가 포함되었습니다. 이것은 느리고 비싼 공정이어서 긴 설계주기와 상당한 재료 폐기물로 이어질 수 있습니다.
반도체 수요를 국내로 더 잘 충족시키기 위해 미국은 칩 설계의 발전을 활용해야합니다. 이는 원자에서 직접 장치를 구축하는 디지털의 원자 적으로 정확한 제조 공정으로, 기존 제조 공정과 관련된 많은 단계를 제거하면서 복잡성과 폐기물을 줄입니다. AI 반도체를 포함하여 다양한 마이크로 디바이스를 설계하고 프로토 타이핑하기위한 전례없는 유연성과 정밀도를 제공합니다.
재료 처리에 대한 원자 규모의 정밀도 및 제어를 가능하게함으로써, 직접 국부 원자 계층 처리와 같은 기술은 설계주기와 프로토 타이핑을 크게 가속화하여 AI의 끊임없이 성장하는 컴퓨팅 요구를 충족시킬 수있는 새로운 재료 또는 재료의 조합을 찾는 데 도움이 될 수 있습니다.
환경 및 인간 건강에 전념하는 동안 국내 제조 증가
추가로 (중요하지 않은) 이점으로, 새로운 기술은 또한 반도체 제조의 환경 영향을 크게 줄일 수 있습니다. 현재까지,이 산업은 대형 환경 발자국으로 인해 심각한 딜레마에 직면하여 온실 가스 배출, 수자원 소비 및 화학 폐기물, 특히 PFA로 알려진 독성 ‘영원한 화학 물질’에 크게 기여했습니다. 이들은 물을 오염시키고 수십 년 동안 환경 (및 사람들)에 남아 있지 않은 화학 물질입니다.
최근의 연방 조치와 같은 것은 놀라운 일이 아닙니다 미국에 칩을 건축합니다 그리고 칩 행위 중대한 환경 문제를 제기했습니다. 칩을 설계, 프로토 타입 및 제조하는 데 필요한 시간을 줄이고 화학적 집약적 인 청정실 환경의 필요성을 제거함으로써 새로운 기술은 국내 자원을 사용하여 수요를 만족시키고 환경 및 인간 건강을 손상시키지 않으면 서 수요를 만족시키고 확장하는 데 해답 할 수 있습니다.
미국의 집단 자원을 활용합니다
새로운 제조 기술을 배포하는 것 외에도 미국은 전반적인 접근 방식을 업데이트해야합니다. 이는 크게 상실한 생산 모델에서 소수의 수십억 달러의 파운드리로 이동하여 전국의 주요 대학, 신생 기업 및 산업 R & D 기업의 포괄적이고 풍부한 무기고를 활용하여 전체 ‘실험실 투 랩’프로세스 (연구, 프로토 타입 및 제조)를 공동 작업하고 발견을 가속화하고 지원합니다. 이는 비용을 확인하고 기술을 이러한 조직의 인프라에 직접 통합하는 동안 모두 달성 할 수 있습니다.
앞으로 찾고 있습니다
AI와 반도체의 관계는 진정으로 공생적입니다. 우리가 언급했듯이 반도체는 AI 모델을 훈련시키는 서버에 전원을 공급하는 데 중요합니다. 플립 사이드에서 AI는 기계 학습을 활용하여 새로운 재료의 특성을 예측하고 설계 프로세스를 가속화하여 반도체 재료 발견을 상당히 가속화하고 있습니다. 역 재료 설계로 알려진이 접근법을 통해 연구원들은 개선 된 전도도, 에너지 효율 및 지속 가능성과 같은 특정 표적 특성을 갖춘 재료를 설계 할 수 있습니다.
새로운 재료의 발견을 가속화하는 것은 반도체 제조에서 가장 어려운 과제 중 하나는 여전히 남아 있지만, 업계는 칩 크기를 줄이면서 업계가 지속적으로 계산 능력, 효율성 및 속도를 높이려고 노력함에 따라 AI 반도체에 특히 요구됩니다.
AI는 새로운 이론적 재료의 특성을 예측하는 데 사용될 수 있지만, 이러한 돌파구는 전통적으로 물리적 검증의 느린 속도에 의해 여전히 제한되어 있습니다. 새로운 기술을 사용하여 고 처리량 실험을 지원하여 격차를 좁히는 데 도움이 될 수 있습니다. 더 빠르고 목표가 더 많은 재료 개발을 가능하게하고 궁극적으로 차세대 재료를 잠금 해제합니다. 직접 원자 계층 처리와 같은 새로운 기술을 AI의 힘과 결합하면 마법을 만들 수있는 힘이 있으며, 미국의 자체 국경 내에서 중앙 집중식으로 생각한 적이 없었던 획기적인 발전을 극적으로 가속화합니다.
게시물 미국 칩 제조 강화 – AI 리더십의 열쇠 먼저 나타났습니다 Unite.ai.