نیمه دوم هوش مصنوعی: هشت ماده ای که آینده هوش مصنوعی را تعیین می کند - الماس، SiC، InP، SOI، لیتیوم نیوبات و موارد دیگر

Aug 05, 2026 پیام بگذارید

گلوی قدرت محاسباتی هوش مصنوعی در حال خفه شدن استمواد.

لیپ{0}}بو تان، مدیر عامل اینتل، الماس، کاربید سیلیکون (SiC)، فسفید ایندیم (InP)، نیترید گالیم (GaN) و زیرلایه های شیشه را به عنوان پنج ماده کلیدی برای شکستن گلوگاه نام برده است. در همین حال، خودی‌های صنعت صراحتاً هشدار داده‌اند: "ظرفیت ناکافی تولید لیزر InP نقطه اختناق برای اپتیک‌های بسته‌بندی شده مشترک (CPO) است.

این بدان معناست که مهم نیست تراشه‌های GB200/300 انویدیا چقدر قدرتمند باشند، بدون پشتیبانی از مواد پیشرفته، داده‌ها به سادگی نمی‌توانند با سرعت بالا جریان پیدا کنند.

این فقط یک مسئله ظرفیت نیست، بلکه چالشی است که محدودیت‌های علم مواد را پیش می‌برد. از تحویل انرژی SiC/GaN و بسته‌بندی زیرلایه شیشه‌ای- (همانطور که توسط Tan مشخص شده است)، تا لیتیوم نیوبات و SOI برای محلول‌های اتصال نوری، و بسترهای الماسی و سرامیکی برای اتلاف گرما تحت بارهای قدرت شدید،موادتبدیل به میدان جنگ نامرئی در نیمه دوم هوش مصنوعی شده اند. هر کسی که اول از همه عبور کند، کلید تسلط بر محاسبات را در دست خواهد داشت.


الماس

همانطور که قدرت محاسباتی هوش مصنوعی با سرعت سرسام آور شتاب می گیرد، اتلاف گرما در تراشه های{0}بالا به طور فزاینده ای شدیدتر می شود. برای مثال، انتظار می‌رود که Rubin Ultra انویدیا از 2300 وات در هر تراشه فراتر رود، با چگالی شار حرارتی محلی بیش از 1000 وات بر سانتی‌متر مربع - سطح تقریباً غیرقابل تصوری از گرما. پخش کننده های حرارتی مسی و آلومینیومی سنتی به محدودیت های فیزیکی خود رسیده اند. الماس با رسانایی حرارتی فوق‌العاده-به‌عنوان یک نامزد پیشرو در میان مواد نیمه‌رسانای جدید ظاهر شده است.

الماس که به دلیل سختی فوق العاده اش - سخت ترین ماده طبیعی، با سختی موس 10 - شناخته شده است، همچنین یکی از بهترین هادی های حرارتی طبیعت است، با رسانایی حرارتی تا 2200 W/(m·K)، 5.5 برابر مس و 11 برابر آلومینیوم. همچنین یک عایق الکتریکی است و ضریب انبساط حرارتی آن با سیلیکون، SiC و GaN بسیار مطابقت دارد. ناظران صنعت خاطرنشان کرده‌اند: وقتی قدرت یک تراشه از 1400 وات بیشتر شود، الماس دیگر یک "گزینه" نیست - به یک "ضرورت" تبدیل می‌شود.

نسل بعدی پردازنده‌های گرافیکی معماری Vera Rubin انویدیا به طور کامل راه‌حل «ماده کامپوزیت الماس-مس + 45 درجه مستقیم-خنک‌کننده مایع تماسی» را اتخاذ کرده‌اند، و صنعت حتی سال 2026 را به عنوان «اولین سال-در مقیاس بزرگ اتلاف حرارت الماس معرفی کرده است».

IMG20260110140954


کاربید سیلیکون (SiC)

قدرت رک مرکز داده هوش مصنوعی از ده‌ها کیلووات به صدها کیلووات افزایش می‌یابد، با رک‌های مقیاس مگاواتی-در افق. با افزایش سطح جریان و ولتاژ، تبدیل توان سنتی مبتنی بر سیلیکون-از تلفات سرسام آور رنج می برد. علاوه بر این، هوش مصنوعی به موادی نیاز دارد که گرما را به سرعت دفع کنند، انرژی کمتری مصرف کنند، فضای کمتری را اشغال کنند و در برابر دمای بالا مقاومت کنند.

SiC ولتاژ شکست بالا، عملکرد پایدار در دماهای بالا و تلفات سوئیچینگ بسیار کمتر از سیلیکون ارائه می دهد. ردپای دستگاه جمع و جور و قابلیت اطمینان عالی آن، آن را به انتخابی ایده‌آل برای معماری‌های ولتاژ بالا 800 ولت DC (HVDC) تبدیل می‌کند - با دستیابی به راندمان بالاتر از 97 درصد در مراحل تصحیح ولتاژ بالا و تصحیح ضریب توان (PFC) و کاهش تلفات انتقال در سیستم‌های 80VC تا بیش از 30 درصد. مراکز داده جدیدی که توسط انویدیا، مایکروسافت و سایر غول‌های فناوری ساخته شده‌اند، قبلاً معماری‌های قدرت مبتنی بر SiC{8}} را به‌عنوان استاندارد اتخاذ کرده‌اند. تولیدکنندگان داخلی چینی مانند TankeBlue Semiconductor در حال تسریع تولید انبوه بستر 8 اینچی و اپیتاکسیال هستند تا هزینه ویفر را کاهش دهند.


نیترید گالیوم (GaN)

GaN و SiC یک تقسیم بندی واضح «-ولتاژ بالا در برابر ولتاژ پایین-» را تشکیل می دهند: SiC در اتاق سرور باقی می ماند، در حالی که GaN به داخل رک ها حرکت می کند.

GaN دارای تحرک الکترون بالا و چگالی توان استثنایی است که در تبدیل توان با فرکانس بالا، ولتاژ پایین- و چگالی بالا- عالی است. در ماژول‌های قدرت GPU، مبدل‌های DC با فرکانس بالا-و منابع تغذیه سرور - جایی که فضا و سرعت پاسخ‌دهی بسیار مهم است - GaN می‌تواند اندازه منبع تغذیه را کاهش دهد و در عین حال چگالی توان را افزایش دهد. فرآیند GaN 8{9}}اینچی سامسونگ در حال حاضر به کاهش 30 درصدی هزینه دست یافته است و تطبیق خود را برای استقرار مرکز داده در مقیاس بزرگ تسریع کرده است.


فسفید ایندیم (InP)

ایندیوم فسفید غیرقابل جایگزینی است - این تنها ماده زیرلایه تولید جرم برای تراشه‌های لیزر و ردیاب نوری است که کاملاً با پنجره‌های 1310 نانومتری و 1550 نانومتری کم-ارتباطات فیبر نوری مطابقت دارد. در حوزه CPO، رویکرد اصلی صنعت، موتورهای نوری و تراشه‌های الکتریکی را بر روی یک بستر یکپارچه می‌کند و دستگاه‌های-نور پرسرعت-در هسته CPO 100% به لیزرهای InP متکی هستند.

برگردیم به هشدار آن مدیر صنعت: پشت این کلمات مجموعه‌ای واضح از اعداد نهفته است. در سال 2025، تقاضای جهانی بستر InP بین 2.0 تا 2.1 میلیون قطعه تخمین زده می شود، در حالی که عرضه موثر تنها 600,000 تا 700,000 قطعه است - شکاف عرضه-بیش از 70 درصد، انتظار می رود تا سال 2030 ادامه داشته باشد. گلدمن ساکس نیز پیش بینی مستقیم تری را منتشر کرده است. برای ایجاد تعادل در نیمه دوم سال 2028، زیرا توسعه ظرفیت زنجیره تامین آنلاین می شود."


نازک-لیتیوم نیوبات (TFLN)

با استفاده از اثر الکترو{0}}نوری خطی قوی (اثر Pockels) لیتیوم نیوبات، نازک-لیتیوم نیوبات، مدولاسیون سیگنال نوری با پهنای باند بالا، خطی بودن (بالا-وفاداری) بالا را در ولتاژهای رانندگی پایین ممکن می‌سازد. این باعث می‌شود که-برای برنامه‌های انتقال نوری در مسافت‌های متوسط{7}} تا طولانی-با پهنای باند بالا- مانند شبکه‌های اصلی و شبکه‌های مترو مناسب باشد. علاوه بر این، کنتراست با ضریب شکست بالا و محصور شدن نوری عالی، امکان یکپارچگی بالاتر، بهبود اندازه دستگاه و مصرف انرژی را فراهم می کند.

در مدولاتورهای نوری، لایه نازک-لیتیوم نیوبات دارای ضریب الکترو-نوری سه برابر InP و بیش از صد برابر ضریب نوری سیلیکون فوتونیک است. تنها با 1.8 ولت، می‌تواند به مدولاسیون فوق‌العاده--سرعت فراتر از 100 گیگاهرتز دست یابد و مصرف برق را 30 تا 50 درصد کاهش دهد، در حالی که یک کانال به راحتی می‌تواند در 400 گیگا بایت کار کند.

با افزایش قدرت محاسباتی هوش مصنوعی، اتصالات نوری مرکز داده از 400G به 800G، 1.6T و 3.2T در حال افزایش است. محدودیت‌های عملکرد مواد سنتی به‌طور فزاینده‌ای آشکار می‌شوند، و لایه نازک لیتیوم نیوبات در حال تبدیل شدن به یک ماده حیاتی برای مدولاسیون انتقال نوری با سرعت بالا{{6} نسل بعدی است. در حال حاضر، تنها چهار شرکت در سراسر جهان بر قابلیت‌های تولید انبوه-ویفرهای 8{11}}بالا{12}}8 اینچی تسلط دارند که شکاف عرضه و تقاضا بیش از 70٪ است.


SOI (سیلیکون-روی-عایق)

اگر سیلیکون "گوشت" یک تراشه است، SOI "اسکلت" فوتونیک سیلیکون است. این ساختار ساندویچی "سوبسترای اکسید سیلیکونی بالا"، با قرار دادن یک لایه عایق دی اکسید سیلیکون در زیر لایه سیلیکون، تداخل بین الکترون ها و فوتون ها را کاملا از بین می برد. این ظرفیت خازنی انگلی را تا بیش از 60 درصد کاهش می دهد و به سیگنال های الکتریکی اجازه می دهد سریع تر و کارآمدتر اجرا شوند. مهمتر از آن، اختلاف ضریب شکست بزرگ بین لایه سیلیکون بالایی و اکسید به طور طبیعی "دیواره‌های" یک موجبر نوری را تشکیل می‌دهد و سیگنال‌های نوری را قادر می‌سازد تا با حداقل تلفات روی تراشه خم شوند و ارسال شوند.

در عصر هوش مصنوعی، SOI زیرلایه اصلی غیرقابل جایگزینی برای تولید ماژول‌های نوری، موتورهای CPO و تراشه‌های کوانتومی است. ظرفیت تولید جهانی به شدت در Soitec فرانسه متمرکز است و محلی سازی داخلی را به یک اولویت فوری تبدیل می کند.


زیر لایه های شیشه ای

از آنجایی که پردازنده‌های گرافیکی، HBM و چیپ‌لت‌ها بسته‌بندی را به سمت فاکتورهای شکل بزرگ، تراکم بالا، و{0}}اتصالات با سرعت بالا سوق می‌دهند، بسترهای ارگانیک سنتی و تداخل‌کننده‌های سیلیکونی به طور فزاینده‌ای با محدودیت‌هایی در اندازه، هزینه و عملکرد مواجه هستند.

زیرلایه های شیشه ای، از طریق گذرگاه های شیشه ای (TGV) برای اتصال الکتریکی عمودی، دقیقاً شکاف بازار بین بسترهای آلی و تداخل دهنده های سیلیکونی را پر می کند. آنها ضریب انبساط حرارتی قابل تنظیم (منطبق با تراشه های سیلیکونی)، تلفات دی الکتریک بسیار کم، و صافی سطح فوق العاده{1} را ارائه می دهند. آزمایش‌های اینتل نشان داده‌اند که می‌توانند 50 درصد اعوجاج الگو را کاهش دهند و تراکم اتصال را تا 10 برابر افزایش دهند.

رهبران جهانی نیمه هادی ها به سرعت سرمایه گذاری های خود را تسریع می کنند - اینتل، TSMC، Samsung Electro{0}Mechanics، SK Group و LG Group همگی وارد عرصه شده اند و یک مسابقه تجاری را در مورد زیرلایه های شیشه ای آغاز کرده اند.


بسترهای سرامیکی

در بسته‌بندی‌های یکپارچه با چگالی بالا، دستگاه‌هایی با قدرت{{1} بالا که به‌طور همزمان کار می‌کنند، مقادیر زیادی گرمای متمرکز تولید می‌کنند و بستر بسته‌بندی، گرمای اولیه- است. از آنجایی که توان تراشه هوش مصنوعی از آستانه 2000 وات عبور می کند، 4 بستر ارگانیک FR{9}} سنتی، با هدایت حرارتی ضعیف (فقط 0.3 W/(m·K)) و عدم تطابق انبساط حرارتی، با خطرات تاب برداشتن و لایه لایه شدن مواجه هستند. بسترهای سرامیکی، با مزایای ذاتی خود یعنی هدایت حرارتی بالا، عایق الکتریکی بالا و تطابق حرارتی عالی، به یک ضرورت برای سناریوهای پرقدرت تبدیل شده‌اند.

در میان آنها، نیترید آلومینیوم (AlN)، با هدایت حرارتی 170-220 W/(m·K)، بهترین انتخاب برای اتلاف گرما در ماژول‌های نوری با سرعت بالا 800G/1.6T است. نیترید سیلیکون (Si3N4)، با مقاومت خمشی عالی و مقاومت در برابر شوک حرارتی، به عنوان پایه بسته بندی برای ماژول های قدرت ولتاژ بالا SiC/GaN عمل می کند.