Đằng sau cơn sốt AI: Giới hạn vật lý của bán dẫn và cuộc đua vật liệu mới

Cơn sốt AI đối mặt với rào cản vật lý

Sự bùng nổ của trí tuệ nhân tạo không chỉ là cuộc đua về thuật toán hay dung lượng mô hình, mà đang nhanh chóng trở thành một bài toán hóc búa về khoa học vật liệu. Để xử lý khối lượng tính toán khổng lồ, các bộ vi xử lý và trung tâm dữ liệu (data center) đang bị đẩy dần tới những giới hạn vật lý khắc nghiệt nhất về kiểm soát nhiệt độ, hiệu quả sử dụng năng lượng, khả năng kháng hóa chất và độ bền vận hành.

Chia sẻ trong chương trình Business Lab của MIT Technology Review, ông Mike Finelli, Giám đốc Công nghệ kiêm Giám đốc khu vực Bắc Mỹ của tập đoàn vật liệu Syensqo, nhận định: các loại vật liệu tiên tiến không còn dừng lại ở vai trò hỗ trợ phần cứng, mà đang trực tiếp định hình những gì mà AI có thể hoặc không thể làm được trong tương lai.

"Đỉnh kim tự tháp" vật liệu và sự hội tụ công nghệ liên ngành

Theo ông Finelli, cấu trúc thị trường vật liệu giống như một kim tự tháp: tầng đáy là các vật liệu đại trà dùng cho môi trường thông thường, còn đỉnh tháp là vật liệu chuyên dụng cao cấp. Trong kỷ nguyên AI, các linh kiện bán dẫn và máy chủ đòi hỏi cái mà ông gọi là nguyên tắc "và, và, và" (and, and, and). Một loại polymer giờ đây không chỉ cần chịu được nhiệt độ cao, mà và phải có độ tinh khiết tuyệt đối, và chịu được xung điện, và kháng plasma, hóa chất ăn mòn mạnh, cũng như bảo đảm độ ổn định trong suốt nhiều năm.

Để giải quyết các thách thức này, Syensqo đang triển khai nhiều giải pháp chuyển giao chéo từ ngành công nghiệp xe điện (EV) sang trung tâm dữ liệu AI:

• Kiến trúc điện áp cao: Các trung tâm dữ liệu thế hệ mới đang chuyển dịch sang mạng lưới điện áp cao nhằm tăng mật độ năng lượng và giảm thất thoát điện năng. Vật liệu polymer cách điện dùng cho các thanh dẫn điện (bus bars) trên pin xe điện — vốn chịu được sự tăng nhiệt đột ngột khi truyền tải hàng trăm kilowatt — đang được điều chỉnh để ứng dụng vào hệ thống điện của máy chủ AI.
• Làm mát ngâm trực tiếp (direct immersion cooling): Giải pháp tản nhiệt khí truyền thống đã trở nên quá tốn kém và kém hiệu quả đối với các cụm GPU công suất lớn. Syensqo phát triển các chất lỏng điện môi chuyên dụng để ngâm trực tiếp linh kiện, đồng thời nghiên cứu dung dịch truyền nhiệt thế hệ mới có chỉ số làm nóng toàn cầu (GWP) thấp hơn để thay thế các loại hóa chất hiện hành.
• Bảo vệ quy trình chế tạo bán dẫn: Tại các nhà máy đúc chip (fab), các tấm wafer silicon phải trải qua môi trường plasma cực kỳ khắc nghiệt. Các vật liệu gioăng/đệm làm kín (sealing) buồng phản ứng phải đạt độ tinh khiết tối đa và không thôi nhiễm khí (outgassing) để tránh làm hỏng chip.
• Hệ thống lưu trữ năng lượng pin (BESS): Chất kết dính (binder) cho cực cathode pin lithium-ion có tuổi thọ 10 năm của xe điện hiện được đưa vào các trạm lưu trữ điện dự phòng của data center, giúp làm mịn tải đỉnh khi chuyển sang dùng năng lượng tái tạo.

Đáng chú ý, Syensqo cho biết 20% doanh thu hàng năm của hãng hiện đến từ các sản phẩm ra mắt trong 5 năm gần nhất, và 88% danh mục đầu tư đã đạt tiêu chuẩn bền vững theo hệ thống đánh giá SPM nội bộ nhằm xóa bỏ sự đánh đổi giữa hiệu năng và tác động môi trường.

Vòng lặp tăng tốc: AI giải bài toán tìm kiếm phân tử

Ở chiều ngược lại, chính AI đang làm thay đổi căn bản cách thức các nhà khoa học tìm kiếm vật liệu mới. Trước đây, một đề tài nghiên cứu phải chọn lọc một phạm vi rất hẹp giữa hàng triệu tổ hợp hóa học khả dĩ để thử nghiệm thủ công trong phòng thí nghiệm.

Hiện nay, Syensqo hợp tác cùng Microsoft sử dụng các tác nhân AI (AI agents) để tổng hợp kỹ thuật số hàng triệu tổ hợp phân tử trên máy tính. Một hệ thống AI khác dựa trên mô phỏng vật lý sẽ dự đoán các đặc tính cơ lý, độ độc hại và tính bền vững của từng phân tử, trước khi xếp hạng và rút gọn danh sách xuống chỉ còn khoảng 100 ứng viên tiềm năng nhất để các nhà khoa học tổng hợp thực tế. Cách tiếp cận này giúp quy trình R&D diễn ra "rộng hơn, sâu hơn và nhanh hơn", giải phóng chuyên gia khỏi các thao tác tìm kiếm lặp lại để tập trung vào xử lý vấn đề kỹ thuật chuyên sâu.

Sự giao thoa này đang tạo ra một "vòng phản hồi tăng cường" (reinforcing cycle): AI thúc đẩy việc phát hiện các vật liệu chịu tải tốt hơn cho chip và máy chủ, hạ tầng phần cứng mới giúp đào tạo các mô hình AI mạnh mẽ hơn, và các model thế hệ sau lại quay lại đẩy nhanh tốc độ nghiên cứu khoa học vật liệu. Vòng tuần hoàn này được kỳ vọng sẽ phá vỡ các nút thắt vật lý đang kìm hãm cuộc cách mạng điện toán hiện nay.