10 دقیقه
سم آلتمن، مدیرعامل OpenAI، در بحث جاری درباره منبع‌یابی تراشه‌های هوش مصنوعی یک نظر روشن دارد: ابتدا از تایوانی‌ها بخواهید ظرفیت تولید را افزایش دهند و قبل از انتقال سریع به جایگزین‌هایی مانند Intel Foundry، پایداری و تداوم را ترجیح دهید. این موضع ساده به‌نظر می‌رسد، اما پشت آن دلایل فنی، اقتصادی و لجستیکی پیچیده‌ای قرار دارد.
نگرش عملی آلتمن: توسعه TSMC قبل از تغییر شرکای تولید
وقتی از آلتمن پرسیدند آیا شرکت‌های فناوری باید تولید خود را از یک foundry واحد متنوع کنند، پاسخ او روشن و کاربردی بود: او ترجیح میدهد TSMC ظرفیت بیشتری بسازد. این بیانیه نشان میدهد که او به ثباتِ زنجیره تأمین و ادامه همکاری با یک شریک اثباتشده اهمیت میدهد تا اینکه به‌سرعت و در نیمه راه به تامین‌کننده‌ای دیگر منتقل شوند.
OpenAI خود اکنون تراشه تولید نمی‌کند، اما بر اساس گزارش‌ها این شرکت روی یک پردازنده سفارشی AI کار میکند که برای فرآیند 3 نانومتری TSMC هدفگذاری شده است. این ارتباط به آلتمن دیدی واقع‌گرایانه از لجستیک نیمه‌رسانا، چرخه‌های سرمایهگذاری و دشواری‌های واقعی جابجایی از یک foundry به دیگری میدهد. وقتی یک طراحی پیچیده مثل شتاب‌دهنده‌های AI به یک فرآیند خاص وابسته می‌شود، تبدیل یا پورت کردن آن به فرآیند دیگر فراتر از صرفاً تولید ماسک‌های جدید است؛ نیاز به ابزارهای طراحی جدید، کتابخانه‌های IP، تایید عملکرد، و تستهای مقیاس‌پذیری دارد.
چرا تغییر foundry کار ساده‌ای نیست؟
انتقال پروژه‌ای که برای یک نود پیشرفته مثل 3nm یا پایین‌تر طراحی شده به یک فرآیند متفاوت، شامل هزینه‌های غیرقابل‌انکاری است. این هزینه‌ها را می‌توان در چند دسته خلاصه کرد:
- هزینه‌های NRE و طراحی مجدد: پورت کردن RTL و شبکه‌های حافظه (memory compilers) به یک PDK جدید، بازتعریف تاخیرها و مصرف توان را ضروری میکند.
- ریسکهای عملکرد و سازگاری IP: کتابخانه‌های سلولی، بلوک‌های حافظه، و هسته‌های ثالث (third-party IP) ممکن است نیاز به بازتراش داشته باشند یا حتی نسخه‌های جدیدی از آن‌ها لازم شود.
- زمان راه‌اندازی و افزایش تولید (ramp-up): رسیدن به حجم تولید پایدار با بازده (yield) قابل‌قبول اغلب ماهها تا بیش از یک سال طول می‌کشد، به‌خصوص در گرههای پیشرفته که استفاده از EUV، کنترل‌لایه‌های چندپترن و تنظیمات پیچیده لیتوگرافی ضروری است.
- زنجیره تأمین ابزار و قطعات: تجهیز یک کارخانه جدید به دستگاه‌های ASML برای EUV، یا فراهم کردن مواد خام و بستهبندی مخصوص، زمانبر و پرهزینه است.
بنابراین، وقتی آلتمن از افزایش ظرفیت TSMC صحبت میکند، در واقع روی کم کردن ریسکهای فنی و اقتصادی تمرکز دارد: حفظ یک پشته تولیدی آزموده‌شده به جای شروع دوباره با مشکلات سازگاری و ریسکهای تولید.
چرا صنعت هنوز به اینتل چشم دارد؟
با این حال، آلتمن به‌طور کامل Intel Foundry Services (IFS) را رد نکرده است. بازیگران بزرگ اکوسیستم تراشه — از انویدیا و AMD تا مهندسان برجسته — در اظهارنظرهای عمومی محتاط‌اند. دیدگاه غالب این است که تنوع بلندمدت مطلوب است، اما ملاحظات عملی وجود دارد.
اینتل در سال‌های اخیر سرمایه‌گذاری‌های زیادی روی کسب‌وکار foundry انجام داده و گره 18A را به‌عنوان یکی از نقاط عطف رو به جلو معرفی کرده است. معیارهایی که تعیین‌کننده خواهند بود شامل کارایی فرآیند، بازده تولید (yield)، توان تولید در مقیاس (throughput) و هزینه سرانه است. اگر اینتل بتواند نشان دهد که 18A از لحاظ کارایی انرژی و چگالی منطقی رقابتی است و هم‌زمان بازده و ظرفیت تولید را بالا ببرد، آنگاه میتواند شریک ثانویه واقع‌بینانه‌ای برای بار کاری هوش مصنوعی بشود.
اما شواهد اولیه نشان میدهد که اثبات کامل رقابت‌پذیری در گرههای بسیار پیشرفته زمانبر است: نیاز به چند چرخه تولید، ارتقای ابزارهای تولید، و هم‌چنین هماهنگی اکوسیستم طراحی دارد تا کتابخانه‌ها و IPها روی فرآیند جدید با کمترین بازطراحی کار کنند.
ملاحظات زنجیره تأمین و امنیت ملی
یک عامل غیرهنجارفنی که مذاکرات را پیچیده‌تر میکند، مؤلفه‌های ژئوپلتیکی و سیاست‌گذاری است. تمرکز تولید پیشرفته در تایوان ریسکهای مرتبط با تمرکز جغرافیایی را افزایش میدهد؛ از قبیل تنش‌های منطقه‌ای، مشکلات لجستیکی، و فشارهای سیاسی بین کشورها. در پاسخ، بسیاری از hyperscalerها و دولت‌ها به دنبال تنوع‌بخشی و ایجاد ظرفیت داخل سرزمین خود (onshore) یا نزدیکی جغرافیایی (nearshore) هستند.
اما انتقال تولید به کشور دیگری به معنای سرمایه‌گذاری‌های سنگین است. ساخت یک کارخانه نیمه‌رسانا (fab) پیشرفته میتواند ده‌ها میلیارد دلار هزینه ببرد و چندین سال طول بکشد. علاوه بر هزینه ساخت، تمرکز نیروی کار متخصص، زنجیره تأمین مواد و قطعات، و دسترسی به تجهیزات پیشرفته مانند اسکنرهای EUV نیز چالش‌برانگیز هستند.
حفاظت از نوآوری و کنترل صادرات
از سوی دیگر، کنترل‌های صادراتی، تحریم‌ها و محدودیت‌های فناوری میتواند جریان همکاری بین کشورها را مختل کند. شرکت‌های آمریکایی ممکن است به‌خاطر سیاستهای داخلی یا قوانین کنترل صادرات، روی طراحی و تأمین بخشی از تکنولوژی‌ها فشار ببینند که این خود پیچیدگی‌های بیشتری ایجاد میکند. برای مثال، محدودیت‌های کاربردی در انتقال برخی تجهیزات پیشرفته یا کدهای طراحی میتواند روی تصمیم‌گیری شرکای تجاری اثر بگذارد.
هزینه‌های فنیِ پورت کردن طراحیهای AI به foundry دیگر
طراحیهای مدرن شتاب‌دهنده‌های AI، مانند ماتریس‌های محاسباتی، شبکه‌های حافظه پیچیده و ساب‌سیستم‌های interconnect، اغلب به‌صورت سفارشی برای یک فرآیند خاص کالیبره می‌شوند. پورت کردن چنین طراحی‌ای به فرآیند دیگری مستلزم چند مرحله فنی پیچیده است:
- ارزیابی PDK (Process Design Kit): هر foundry PDK خاص خود را دارد؛ سازگاری با این PDKها و ابزارهای EDA زمانبر است.
- بازآرایی floorplan و timing closure: تراشه ممکن است نیاز به تغییر چیدمان فیزیکی برای حفظ سرعت و کاهش مصرف توان داشته باشد.
- تست و اعتبارسنجی سیستمیک: تست در محیط‌های واقعی، شبیه‌سازی‌های حرارتی، و آزمون‌های استرس برای اطمینان از عملکرد در مقیاس‌های بزرگ ضروری است.
- بهینهسازی تولید و بستهبندی: برای شتاب‌دهنده‌های AI با توان بالا، راهکارهای پیشرفته بستهبندی مثل CoWoS، 3D stacking یا HBM نیاز به هماهنگی با foundry و تامین‌کنندگان بستهبندی دارد.
تمام این مراحل باعث می‌شوند که هر تصمیم برای تغییر foundry با هزینه‌های مالی و زمانی قابل توجهی همراه باشد، و همین واقعیت توضیح میدهد چرا آلتمن به گسترش ظرفیت TSMC تمایل دارد تا انتقال فوری به جایگزین‌ها.
سناریوهای احتمالی: چه اتفاقی میتواند بیفتد؟
چند مسیر محتمل وجود دارد که بازار میتواند در چند سال آینده دنبال کند:
- TSMC ظرفیت را افزایش میدهد و در نتیجه اکثریت سفارش‌ها همچنان در تایوان تولید می‌شوند؛ این مسیر کمترین اصطکاک طراحی را دارد اما ریسکهای جغرافیایی را حفظ میکند.
- اینتل و سامسونگ بهبودهای قابل‌توجهی در بازده و کارایی فرآیندهای خود نشان می‌دهند و به‌تدریج سهم بازار را از آن خود میکنند؛ این مسیر تنوع زنجیره تأمین را تقویت میکند اما زمانبر است.
- ترکیبی از سرمایه‌گذاری‌های داخلی و بین‌المللی صورت می‌گیرد: ساخت fabs جدید در آمریکا، اروپا و آسیا و توسعه شبکه‌ای از foundryها برای پوشش نیازهای AI.
هر کدام از این مسیرها تأثیرات متفاوتی بر هزینه تولید، زمان عرضه، و نوآوری خواهد داشت. برای مثال، اگر اینتل موفق به ارائه 18A با بازده بالا شود، این میتواند برای شرکت‌های آمریکایی که به دنبال کاهش ریسک ژئوپلیتیکی هستند، جذاب باشد. اما تا پیش از آن، تکیه بر TSMC که تجربه‌ی عملیاتی و ظرفیت تولید در گرههای پیشرفته را دارد، برای بسیاری از شرکت‌ها منطقی به‌نظر می‌رسد.
شاخص‌های کلیدی که باید دنبال شوند
- برنامههای سرمایهگذاری و زمانبندی ساخت کارخانه‌های جدید توسط TSMC و دیگر foundryها.
- نرخ بازده (yield) و بنچمارکهای عملکردی گره 18A اینتل و 3nm TSMC.
- نحوه همخوانی طراحیهای سفارشی (مانند پردازنده‌های OpenAI) با roadmapهای foundryها.
- تحولات در سیاستهای صادراتی و امنیت زنجیره تأمین بین ایالات متحده، تایوان و چین.
فرض کنید روزی برسد که چند foundry با قدرت بالا به‌صورت مشترک بار تولید تراشه‌های AI را به دوش بکشند؛ در این صورت ضربه‌پذیری زنجیره تأمین کمتر می‌شود و نوآوری سریع‌تر رخ میدهد زیرا رقابت و تخصص گسترده‌تر می‌شود. اما رسیدن به آن وضعیت نیازمند زمان، سرمایه‌گذاری‌های گسترده و هماهنگی فنی بین طراحان و تولیدکنندگان است.
چرا دید آلتمن برای صنعت مهم است
اظهارنظرهای رهبران صنعت مثل سم آلتمن اهمیت دارد چون آن‌ها نه تنها مخاطبان سرمایه‌گذاران و مهندسان را هدف قرار می‌دهند، بلکه سیاست‌گذاران و رسانه‌ها نیز به این نظرات توجه میکنند. وقتی یک بازیگر مهم اکوسیستم AI خواستار گسترش ظرفیت یک foundry می‌شود، این پیام میتواند به تصمیم‌گیری‌های سرمایهگذاری و اولویت‌بندی پروژه‌ها جهت ببخشد.
به‌علاوه، پیوندهای عملی میان شرکت‌های طراحی‌کننده تراشه و foundryها نشان میدهد که راه‌حل‌های واقعی برای چالش‌های مقیاس‌پذیری اغلب ترکیبی از راه‌حل‌های مهندسی، تجاری و سیاستی هستند — نه فقط راه‌حل‌های فنی خالص. بنابراین، دنبال کردن واکنش TSMC، اینتل، سامسونگ و دیگران، همراه با بررسی روندهای سرمایهگذاری و آمار تولید، میتواند چشم‌اندازی روشن‌تر از مسیر آینده صنعت ارائه دهد.
نکات کوتاه برای خوانندگان سریع
- سم آلتمن ترجیح میدهد TSMC ظرفیت را افزایش دهد تا تغییر فوری به اینتل رخ دهد.
- پورت کردن طراحیهای AI بین foundryها پیچیده و پرهزینه است.
- اینتل 18A یک نقطه کلیدی است؛ بازده و عملکرد آن تعیین‌کننده تنوع زنجیره تأمین خواهد بود.
- ژئوپلتیک، سیاستهای صادراتی و سرمایهگذاری در fabها همه در تصمیم‌گیری بازیگران نقش دارند.
در کوتاه‌مدت، بیشتر شرکت‌ها امیدوارند TSMC ظرفیت بیشتری ایجاد کند و زمان بخرد تا alternativesها (مانند اینتل یا سامسونگ) به بلوغ فنی و تولیدی برسند. در هر صورت، صنعت سخت‌افزار هوش مصنوعی در چند سال آینده شاهد رقابت شدید، سرمایه‌گذاری‌های کلان و تغییرات ساختاری در زنجیره تأمین خواهد بود — و هر تغییری میتواند روی قیمت، دسترسی و سرعت نوآوری در حوزه هوش مصنوعی تأثیر بگذارد.
منبع: wccftech
ارسال نظر