人工智能行业的快速发展日益依赖化学和材料科学的突破,因为先进芯片的基础组件正变得稀缺。像味之素(Ajinomoto)这样的公司在味之素积层膜(Ajinomoto Build-up Film, ABF)等必需材料方面几乎拥有垄断地位,这种材料对于绝缘AI处理器基板至关重要。新兴的挑战包括为冷却系统中使用 的PFAS化学品寻找替代品,以及为太空AI应用开发新的散热涂层。材料发现通常需要10-20年的漫长周期,这与新AI芯片的一年周期形成鲜明对比,从而造成了潜在的瓶颈。然而,人工智能本身现在正被用于通过自主实验室和预测模型来加速材料发现,从而形成一个反馈循环:更好的材料能够支持更好的人工智能,而更好的人工智能又能加速材料科学的发展。 AI
影响 强调了人工智能发展受到材料科学进展速度的制约,可能减缓硬件创新。
排序理由 文章讨论了与人工智能发展相关的行业趋势和挑战,重点关注人工智能与材料科学的交叉点,而非特定事件。
- 3M
- Ajinomoto
- Ajinomoto Build-up Film
- Aquature
- Dunia Innovations
- Google DeepMind
- Jensen Huang
- Nvidia
- TSMC
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →