以材料科学创新推动下一代AI发展

<p>关于AI的讨论通常集中在算法、计算能力，或是对新半导体制造工厂和超大规模数据中心的巨额投资上。但在这些进步的背后，还有另一层创新使其成为可能：先进材料。</p> <figure class="wp-block-image size-large"><img decoding="async" width="1200" height="675" src="https://wp.technologyreview.com/wp-content/uploads/2026/07/Syensqo-shutterstock_2491787317.jpg?w=1200" alt="" class="wp-image-1140474" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/07/Syensqo-shutterstock_2491787317.jpg 1200w, https://wp.technologyreview.com/wp-content/uploads/2026/07/Syensqo-shutterstock_2491787317.jpg?resize=300,169 300w, https://wp.technologyreview.com/wp-content/uploads/2026/07/Syensqo-shutterstock_2491787317.jpg?resize=768,432 768w" sizes="(max-width: 1200px) 100vw, 1200px" /></figure> <p>每一代新AI技术都需要更强的处理能力、更大的内存、更高的能效和更高的可靠性。每一次计算性能的提升，都会增加对制造和运行AI的系统的物理需求。</p> <p>实现这些进步不仅依赖于芯片设计和系统架构的进步，还依赖于使它们能够在极端条件下执行的材料进步。</p> <p>随着AI不断挑战半导体和数据中心基础设施的物理极限，先进材料不再仅仅是支持这个领域的创新；它们正在定义可能的极限。</p> <h3 class="wp-block-heading"><strong>性能优先</strong></h3> <p>先进材料的存在是为了解决性能挑战。随着AI不断提高标准，这些挑战变得越来越苛刻。</p> <p>如今，制造半导体芯片需要数千个严格控制的工艺步骤，几乎没有任何出错的空间。温度或化学不稳定的微小变化会导致缺陷，从而降低良率并推高制造成本。每一代新半导体芯片的生产中，制造商都在寻求能够提供更高纯度、更高耐化学性和等离子体抗性，以及在日益严苛的操作条件下具有更好稳定性的先进材料。</p> <p>这些都是被推向新极端的常见工程挑战。而正是这里，材料创新通过聚合物、弹性体、特种流体和其他先进材料的持续进步，使得每一代新技术的实现成为可能。</p> <p>对于材料公司来说，其重点不在于彻底改造半导体制造，而在于确保支持该行业的材料能够与之共同发展。同样原理也适用于半导体制造车间之外。随着AI工作负载变得更加苛刻，为其提供动力的物理基础设施正在迅速发展。</p> <p>计算密度的不断提高正在改变数据中心的设计，推动了对更复杂的热管理、更高电压的电源架构、更大的数据存储以及更快、更可靠的数据传输的需求。从冷却和电源管理到连接器、电容器和硬盘驱动器等关键电子元件，系统的每个部分都承受着更大的压力。</p> <p>在Syensqo，我们正在利用在电子和电气组件方面的专业知识，以及其他市场的见解，来满足这些新兴需求。</p> <p>例如，随着数据中心转向更高电压架构和更大功率密度，我们面临的许多材料挑战与电动汽车非常相似。例如，来自半导体和汽车冷却系统的流体循环技术，可以应用于AI服务器的直接液体冷却设计。通过跨市场转移知识，我们可以加速新的电力和热管理解决方案，同时支持下一代AI基础设施所需的可靠性。</p> <p>无论是半导体制造还是超大规模服务器农场，材料科学公司面临的挑战都是一样的：在不牺牲可靠性的前提下实现更高的性能。</p> <h3 class="wp-block-heading"><strong>性能的新定义</strong></h3> <p>虽然性能仍然是首要任务，但性能的定义方式正在改变。</p> <p>除了满足下一代半导体和数据中心日益严苛的技术要求外，现在人们还期望这些材料的开发和制造更加负责任。</p> <p>例如，全氟弹性体用于密封半导体制造设备。这些材料在极端温度、强等离子体和高度活性化学物质下工作。</p> <p>为了使工艺更加可持续，在Syensqo，我们的下一代全氟弹性体采用无氟表面活性剂制造工艺。我们的目标是制造性能更好的材料，以更好的方式生产，确保制造商不再需要在更高性能和更负责任的生产方式之间做出选择。</p> <p>这种方法反映了整个行业的一个更广泛的现实。</p> <p>新材料的采用并非仅仅因为其新。认证可能需要数年时间，只有当一种材料能解决真正的工程挑战或实现新技术时，制造商才会做出改变。</p> <p>性能仍然是入门条件。今天的区别在于性能的定义已经扩展。成功越来越依赖于从一开始就通过更负责任的制造来实现技术卓越。</p> <h3 class="wp-block-heading"><strong>加快发现速度</strong></h3> <p>随着性能标准的提高，我们的创新方式也必须随之发展。</p> <p>开发先进材料传统上涉及假设、合成、测试和迭代的漫长过程。虽然这个过程保持不变，但新的数字工具正在帮助研究人员更快地完成这些循环。通过帮助研究人员更早地识别最有希望的候选材料，AI可以减少所需的物理实验数量，并加速材料发现的最早阶段。</p> <p>AI并没有取代科学专业知识。它正在帮助科学家更有效地运用专业知识，让他们花更少的时间寻找答案，而花更多的时间解决行业中最棘手的挑战。</p> <p>在Syensqo，我们正在通过使用包括Microsoft Discovery平台在内的多种AI工具来实践这种方法，这些工具帮助研究人员识别和评估用于半导体制造和数据中心的下一代传热流体的有前景的分子候选物。</p> <p>AI帮助我们的研究团队根据所需达到的特性，快速识别和评估有前景的分子候选物。这使我们能够将实验室工作集中在最有潜力取得成果的地方，加速发现过程，缩短将前景材料转化为客户能够验证和部署的解决方案所需的时间。</p> <p>从实验室发现到合格材料的旅程始终需要科学专业知识、严格的测试以及与客户的密切合作。但通过加速发现的最早阶段，AI可以帮助材料创新跟上半导体、电子和数据中心等行业不断发展的需求。</p> <h3 class="wp-block-heading"><strong>进步是靠努力得来的</strong></h3> <p>人工智能的未来将依赖于更好的算法、更强大的芯片和更大的计算基础设施。但维持这种进步还需要在材料方面的进步，这些材料使得那些技术</p>