هشدار ایاسامال: تقاضای تراشههای هوش مصنوعی تا سال ۲۰۲۸ از توان زنجیره تأمین فراتر میرود
سازنده هلندی تجهیزات نیمهرسانا اعلام کرده است تقاضا برای دستگاههای لیتوگرافی پیشرفته با چنان سرعتی اوج گرفته که این شرکت قادر نخواهد بود نیاز مشتریان را طی دو سال آینده بهطور کامل پوشش دهد. این غول صنعتی اکنون در حال بررسی راههایی برای توسعه ظرفیت تولید، فراتر از اهداف ازپیشتعیینشده، جهت پاسخ به توسعه زیرساختهای جهانی هوش مصنوعی است.
به قلم الوین شادمهر
این خبر را به اشتراک بگذارید
معماران سختافزار در سیلیکونولی پیشبینی میکنند که مقیاس توان محاسباتی هوش مصنوعی به رشدی نمایی نیاز دارد؛ رشدی که استقرار فوری و گسترده تراشههای نسل بعد را میطلبد. با این حال، انحصارگر هلندی ماشینهای چاپ این تراشهها تأکید میکند که زنجیرههای تأمین فیزیکی نمیتوانند خود را صرفاً با جدول زمانی سریع نرمافزار هماهنگ کنند.[1][2]
شرکت ایاسامال (ASML) روز چهارشنبه اعلام کرد که تب هوش مصنوعی، سفارشهای ابزارهای پیشرفته چاپ تراشه را به سطحی رسانده که این شرکت قادر نخواهد بود تقاضای مشتریان را در سالهای ۲۰۲۷ و ۲۰۲۸ بهطور کامل برآورده سازد. این کسری تولید در شرایطی رخ میدهد که کارخانههای این سازنده هماکنون با حداکثر توان عملیاتی کار میکنند.[2][6]
هسته اصلی این گلوگاه به سامانههای لیتوگرافی فرابنفش فرین (EUV) بازمیگردد؛ ماشینهای فوقپیچیدهای که برای حکاکی ترانزیستورهای میکروسکوپی در شتابدهندههای پیشروی هوش مصنوعی الزامی هستند. از آنجا که ایاسامال یگانه تأمینکننده این فناوری در جهان است، برنامه تولید آن مستقیماً ضربآهنگ پیشرفت کل صنعت نیمهرسانا را تعیین میکند.[3][5]
این شرکت در گزارش مالی خود تصریح کرد: «تقاضای ناشی از هوش مصنوعی برای ابزارهای چاپ تراشه به اندازهای بالاست که پوشش کامل نیاز مشتریان در سالهای ۲۰۲۷ یا ۲۰۲۸ ممکن نخواهد بود.» ایاسامال افزوده که در حال بررسی راهکارهایی برای افزایش هرچه بیشتر ظرفیت و حل این انباشت سفارشهاست.[4][6]
سازوکار مقیاسپذیری در لیتوگرافی
برای درک چرایی عدم توانایی ایاسامال در ساخت سریعتر این دستگاهها، باید سازوکار فیزیکی لیتوگرافی فرابنفش فرین را بررسی کرد. این سامانهها از پلاسمای با انرژی بسیار بالا برای تولید نوری با طول موج ۱۳٫۵ نانومتر بهره میبرند؛ نوری که سپس باید از صافترین آینههای ساخت بشر بازتابیده شود.[1][3]
مونتاژ هر دستگاه لیتوگرافی ماهها زمان میبرد و نیازمند صدها هزار قطعه تخصصی است که از زنجیره تأمین جهانی بهشدت محدودی جمعآوری میشوند. تنها پولیش آینههای نوری این دستگاه در محفظههای خلأ جهت رسیدن به دقت در مقیاس اتمی، چندین ماه زمان میبرد.[2][5]
هنگامی که کارخانههایی مانند تیاسامسی (TSMC) یا اینتل سامانهای را سفارش میدهند، در واقع نوبت مونتاژ را از چندین سال قبل رزرو میکنند. انفجار ناگهانی هوش مصنوعی مولد در دو سال گذشته، تراشهسازان را وادار کرد برنامههای سختافزاری خود را بهطور جهشی ارتقا دهند؛ اقدامی که مستقیماً با واقعیتهای ثابت خطوط تولید برخورد کرده است.[1][6]
ایاسامال اکنون به دنبال آن است که رشد ظرفیت تولید خود را فراتر از هدف ۳۰ درصدی که پیشتر برای سال ۲۰۲۸ تعیین کرده بود ببرد. با این حال، افزایش خروجی مستلزم آن است که زنجیره تأمینکنندگان تخصصی نیز بهطور همزمان تأسیسات خود را ارتقا دهند؛ فرآیندی که نیازمند سالها سرمایهگذاری زیرساختی است.[4][5]
رکوردهای مالی در تقابل با واقعیت بازار
هشدار مربوط به ظرفیت تولید همزمان با تازهترین نتایج مالی این شرکت منتشر شد که ابعاد بیسابقه چرخه فعلی سختافزار را آشکار میکند. درآمد ثبتشده ۱۱٫۷ میلیارد یورویی ایاسامال نشان میدهد بخش فناوری تا چه میزان سرمایه خود را به زیرساختهای فیزیکی پردازش مدلهای بزرگ زبانی اختصاص داده است.[3][5]
با وجود این رکورد درآمدی، ناتوانی در پوشش تمامی سفارشهای برآوردی، آسیبپذیری ساختاری موج هوش مصنوعی را هویدا میکند. سرمایه در دسترس فراوان است، اما ابزارهای فیزیکی مورد نیاز برای تبدیل این سرمایه به قدرت محاسباتی، بهشدت محدود و مقید به قوانین فیزیک هستند.[2][6]
تحلیلگران این حوزه اشاره میکنند که کمبود این تجهیزات احتمالاً کارخانههای ریختهگری تراشه را وادار میکند تا اولویت خطوط تولید را به مشتریانی با حاشیه سود بالاتر اختصاص دهند. شرکتهایی که سیلیکونهای سفارشی برای کلاسترهای یادگیری هوش مصنوعی طراحی میکنند، ممکن است بر سر سهمیه محدود ویفرهای تولیدی وارد رقابتی شدید شوند.[1][4]
بروز تأخیر حتی در یک قطعهساز منفرد، تأثیر دومینووار بر فرآیند کلی مونتاژ میگذارد و زمان تحویل نهایی را به تعویق میاندازد. کل این زیستبوم باید با حرکتی هماهنگ پیش برود؛ یعنی ظرفیت خروجی ایاسامال در عمل به توان کندترین تأمینکننده فوقتخصصی آن وابسته است.[3][6]
رقابت جهانی بر سر تصاحب سختافزار
تنگناهای تولید در شرایطی پدیدار شدهاند که دولتهای گوناگون در سراسر جهان در پی بومیسازی توان تولید تراشه هستند. یارانههای دولتی کلان در ایالات متحده، اروپا و ژاپن موجی از احداث کارخانههای ریختهگری جدید را رقم زده که همگی برای آغاز به کار، محتاج همین دستگاههای لیتوگرافیاند.[2][4]
این رقابت ملی و حاکمیتی بر سر ابزارهای ساخت تراشه، فشار ناشی از شرکتهای تجاری هوش مصنوعی را مضاعف میکند. کارخانهها نه فقط برای پاسخ به تقاضای جاری، بلکه برای حفظ سهم بازار خود در ده سال آینده محاسبات، در حال انبار کردن ظرفیت این تجهیزات هستند.[1][5]
انباشت تقاضا به این معناست که حتی اگر یک استارتاپ سختافزاری نوین میلیاردها دلار سرمایه جذب کند، تراشههای فیزیکی طراحیشدهاش شاید تا پایان دهه جاری وارد خط تولید نشوند. چرخه استقرار سختافزار عملاً در حال جدا شدن از ضربآهنگ پرشتاب نوآوری نرمافزاری است.[3][6]
انحصار بیرقیب ایاسامال به این معناست که کارخانهها هیچ گزینه دیگری برای فناوریهای بسیار پیشرفته در اختیار ندارند. اگر این سازنده هلندی دستگاهی را تحویل ندهد، کارخانه ریختهگری اساساً قادر به ساخت تراشههای زیر ۳ نانومتر برای مدلهای پیشروی هوش مصنوعی نخواهد بود.[2][5]
راهکارهای گذر از سقف تولید
برای کاهش این تنگنا، طراحان تراشه بیش از پیش به روشهای پیشرفته بستهبندی روی آوردهاند تا بازدهی بیشتری از قطعات موجود به دست آورند. مهندسان با متصل کردن چندین تراشه کوچکتر به یکدیگر، بخشی از نیاز به فشردگی حداکثری ترانزیستورها بر روی یک تکپایه سیلیکونی را جبران میکنند.[1][4]
با این حال، بستهبندی پیشرفته صرفاً برخورد ناگزیر با محدودیت لیتوگرافی را به تأخیر میاندازد. با بزرگتر شدن مدلها و رسیدن به مقیاسهای چند تریلیون پارامتری، حجم انبوه سیلیکون مورد نیاز در نهایت کارخانهها را برای حفظ آهنگ رشد، دوباره به صف سفارش ایاسامال بازمیگرداند.[3][6]
نکات کلیدی
- ایاسامال هشدار داد که جهش تقاضای هوش مصنوعی در سالهای ۲۰۲۷ و ۲۰۲۸ از توان این شرکت برای عرضه ابزارهای پیشرفته چاپ تراشه فراتر خواهد رفت.
- این شرکت در حال ارزیابی راههایی است تا توسعه ظرفیت تولید خود را فراتر از هدف اولیه افزایش ۳۰ درصدی پیش ببرد.
- این گلوگاه ساخت، متمرکز بر سامانههای لیتوگرافی فرابنفش فرین (EUV) است که برای تولید شتابدهندههای پیشرفته هوش مصنوعی ضروری هستند.
- کمبود تجهیزات، شکاف فزاینده میان اهداف شتابان توسعه نرمافزار و محدودیتهای فیزیکی زنجیرههای تأمین سختافزار را آشکار میسازد.
آنچه نمیدانیم
- شرکای زنجیره تأمین ایاسامال دقیقاً چه میزان ظرفیت مازاد را میتوانند بهطور واقعبینانه تا پیش از سال ۲۰۲۸ ایجاد کنند.
- آیا کمبود این تجهیزات کارخانهها را وادار خواهد کرد که قیمت نهایی را برای طراحان تراشههای هوش مصنوعی بهطور محسوسی افزایش دهند یا خیر.
- تأخیر در تحویل ابزارهای لیتوگرافی پیشرفته تا چه اندازه تقویم انتشار نسلهای بعدی مدلهای هوش مصنوعی را دستخوش تغییر خواهد کرد.
- صنعت ساخت دقیق
- بر محدودیتهای فیزیکی، زمان طولانی ساخت و پیچیدگیهای مادی مونتاژ ابزارهای اپتیکی متمرکز است.
- زیستبوم نرمافزار هوش مصنوعی
- سختافزار را منبعی مصرفی میداند که برای همگام شدن با الگوهای الگوریتمی باید به شکلی نمایی مقیاسپذیر شود.
- سیاستگذاری صنعتی حاکمیتی
- ظرفیت ساخت نیمهرساناها را مسئلهای در سطح امنیت ملی و استقلال اقتصادی ارزیابی میکند.
دیدگاههایی که این گزارش پوشش نداده
- کارخانههای کوچکتر ریختهگری نیمهرسانا که به دلیل قیمتهای گزاف از این بازار حذف میشوند
- تحلیلگران محیطزیستی که ردپای مصرف انرژی ناشی از گسترش کارخانههای لیتوگرافی را ارزیابی میکنند
منابع
[1]Silicon Republicزیستبوم نرمافزار هوش مصنوعیAI-led demand overwhelms ASML's 2027, 2028 supply capacity
مطالعه در Silicon Republic →
[2]CTechزیستبوم نرمافزار هوش مصنوعیASML says AI boom will leave chip equipment demand unmet through 2028
مطالعه در CTech →
[3]Euronewsصنعت ساخت دقیقASML posts record sales and warns it can't keep up with AI demand
مطالعه در Euronews →
[4]Xinhuaصنعت ساخت دقیقASML explores capacity expansion beyond 30 pct increase for 2028
مطالعه در Xinhua →
[5]Channel NewsAsiaسیاستگذاری صنعتی حاکمیتیASML says AI demand will exceed chip-tool capacity through 2028
مطالعه در Channel NewsAsia →
[6]The Economic Timesسیاستگذاری صنعتی حاکمیتیASML said on Wednesday AI-driven demand for its chip-printing tools is so strong that it will not be able to fully meet customer demand in 2027 or 2028 and it is looking at ways to further expand capacity
مطالعه در The Economic Times →
بیشتر در هوش مصنوعی
مشاهده همه →مذاکره ۴۰ میلیارد دلاری اسپیسایکس برای خرید تراشههای انویدیا؛ ورود غولهای بدهی به زیرساخت هوش مصنوعی
4 منبع
همکاری سیناپسیس و OpenAI برای ساخت مدل تخصصی GPT-Synopsys در اتوماسیون طراحی تراشهها
10 منبع
سختافزار هوش مصنوعی
رمزگشایی خودبازگشتی تکتوکنی در نسبت یک فلاپس بر بایت؛ تلهای که هستههای تانسور را زیر سقف بازدهی حبس میکند
3 منبع
بازداشت مدیر یک شرکت کالیفرنیایی به اتهام قاچاق ۳۰۰ میلیون دلار سرور و تراشه هوش مصنوعی انویدیا به چین
6 منبع
نظرات
هر زاویه. هر روز.
اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





