לא רק שבבים: החומרים הפיזיים הופכים לצוואר הבקבוק הבא של תשתיות ה-AI
מוליכים למחצה ומרכזי נתונים מתקרבים לגבולות פיזיים של חום, חשמל ואמינות, וחברת החומרים המתקדמים Syensqo טוענת שהכימיה של הרכיבים היא שתקבע מה יהיה אפשרי ב-AI. במקביל, החברה משתמשת בסוכני AI כדי לסנן מיליוני מולקולות אפשריות לפני שהן מגיעות למעבדה, במה שהיא מתארת כמעגל שמזין את עצמו.
מרוץ ה-AI נתקל בגבולות הפיזיקה. בעוד תשומת הלב הציבורית מופנית למודלים, לאלגוריתמים ולמספר השבבים שכל ענקית טכנולוגיה מצליחה להשיג, שכבה שקטה יותר של התשתית מתחילה להכתיך את קצב ההתקדמות: החומרים עצמם. לפי כתבה שפורסמה ב-MIT Technology Review בשיתוף עם חברת החומרים המתקדמים Syensqo, המוליכים למחצה ומרכזי הנתונים מתקרבים למגבלות פיזיות בתחומי הביצועים, ניהול החום, היעילות החשמלית והאמינות. מה שיקבע אם אפשר לחצות אותן הוא הכימיה של הרכיבים.
"ה-AI דוחף כיום, מנקודת המבט של החומרים, את המוליכים למחצה ואת מרכזי הנתונים לגבולות הפיזיים שלהם", אומר מייק פינלי, מנהל הטכנולוגיה והחדשנות הראשי של Syensqo ומנהל פעילות צפון אמריקה בחברה.
מה נדרש מחומר ב-2026
לדברי פינלי, רשימת הדרישות רק מתארכת: עמידות בטמפרטורות גבוהות, טוהר, ביצועים חשמליים, עמידות כימית, עמידות לפלזמה (תהליך המשמש בייצור שבבים) ויציבות לאורך זמן, וכל אלה בו זמנית. חומרים שעומדים בכל התנאים נמצאים במה שהוא מכנה "ראש הפירמידה". הטענה המרכזית שלו היא שחומרים מתקדמים כבר לא רק תומכים בחדשנות ב-AI, אלא "יותר ויותר מגדירים מה יהיה אפשרי".
בפועל, Syensqo מפתחת חומרים לארכיטקטורות מתח גבוה במרכזי נתונים, חומרי איטום מתקדמים לייצור מוליכים למחצה, ופתרונות לניהול חום, ובהם נוזלים לקירור בטבילה ישירה (immersion cooling), שיטה שבה רכיבי המחשוב שקועים בנוזל שאינו מוליך חשמל במקום להסתמך על קירור אוויר. חלק מהידע מגיע מתעשיות אחרות: חומרים שפותחו לרכבים חשמליים יכולים לתת מענה לדרישות המתח וצפיפות האנרגיה הגבוהות שמתהוות במרכזי נתונים.
AI שמפתח חומרים ל-AI
הצד השני של הסיפור הוא שה-AI עצמו הופך לכלי במעבדת החומרים. לפי הכתבה, Syensqo משתמשת בסוכני AI ליצור דיגיטלית מיליוני שילובים מולקולריים אפשריים, לחזות את מאפייני הביצועים והקיימות שלהם, ולצמצם אותם לקבוצה קטנה בהרבה שנבדקת במעבדה. התוצאה, לדברי פינלי, היא יכולת ללכת "רחב יותר, עמוק יותר ומהר יותר", תוך פינוי זמן למדענים לעסוק בבעיות ההנדסיות המורכבות.
מכאן פינלי מתאר מעגל שמזין את עצמו: AI מסייע לפתח חומרים שמשפרים את תשתית ה-AI, שבתורה מאפשרת AI טוב יותר שמאיץ את גילוי החומרים. "אתה מגיע למחזור מואץ של חדשנות בחומרים", הוא אומר.
גם הגדרת הביצועים משתנה. לפי פינלי, יותר לקוחות מצפים שחומר יעמוד בדרישות הטכניות ובו זמנית יפחית את ההשפעה הסביבתית. "המטרה שלנו היא להסיר את הפשרה בין ביצועים לקיימות", הוא אומר, ומסביר שהמשמעות היא הכנסת שיקולי קיימות כבר בתחילת המחקר, ולא כדרישה נוספת אחרי שהחומר פותח.
למה זה חשוב
ראוי לציין שהכתבה המקורית נוצרה בשיתוף עם Syensqo, כלומר מדובר בעמדה של חברה שיש לה אינטרס מסחרי בסיפור. ובכל זאת, הטענה הבסיסית מתיישבת עם מגמה מוכרת: ככל שמרכזי הנתונים גדלים, בעיות כמו פינוי חום ואספקת חשמל הופכות למרכזיות לא פחות מזמינות השבבים. המשמעות, ככל הנראה, היא שמחסומי הצמיחה הבאים של ה-AI לא יהיו רק בתוכנה או במספר המעבדים, אלא בשאלה אילו חומרים מסוגלים לעמוד בעומס, ומי שולט בהם. עבור הקורא הישראלי זו תזכורת שמאחורי כל מודל שפה עומדת שרשרת אספקה פיזית, וכל חוליה בה עלולה להפוך לצוואר בקבוק.