تصور کنید دستگاهی به اندازه یک اتوبوس دوطبقه با برچسب قیمتی ۴۰۰ میلیون دلار. این غول فلزی، ابزار لیتوگرافی جدید با «گشودگی عددی بالا» (High-NA EUV) از شرکت ASML است؛ شرکتی هلندی که عملاً انحصار جهانی تکنولوژی الگویابی پیشرفته تراشه‌ها را در دست دارد.
ژوس بنشوپ، نایب‌رئیس اجرایی فناوری ۶۶ ساله ASML، این ماشین را مجموعه‌ای از تجهیزات مکاترونیکی توصیف می‌کند که آینه‌ها را با دقت اتمی در جای خود نگه می‌دارند. این دستگاه از بیش از ۱۵۰ تن آلومینیوم تراش‌خورده با دقت بالا ساخته شده و هزاران لوله مارپیچ، کابل‌های رنگی و مخازن تحت فشار آن را پوشانده‌اند تا فضایی بیش از ۲۰۰ متر مکعب را پر کند.
برای درک دلیل پرداخت این مبلغ هنگفت توسط شرکت‌هایی مثل اینتل (Intel)، باید تراشه‌ها را مانند بازیِ مدیریت فضا ببینید. هدف این است که تا حد امکان ترانزیستورهای بیشتری را در یک تکه سیلیکون جای دهند. اجزای کوچک‌تر یعنی پردازش سریع‌تر و بهره‌وری انرژی بیشتر؛ دقیقاً همان چیزی که مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — برای مقیاس‌پذیری نیاز دارند. صنعت هوش مصنوعی تقاضایی سیری‌ناپذیر برای تراشه‌های متراکم‌تر ایجاد کرده است، زیرا شرکت‌هایی چون OpenAI و Anthropic در حال ساخت مزرعه‌های عظیم سرور جهت آموزش و استقرار مدل‌های قدرتمند هستند.
همان‌طور که در تحلیل‌های پیشین ما درباره زنجیره تأمین سخت‌افزاری AI اشاره کردیم، این وابستگی شدید به یک شرکت واحد، ریسک‌های ژئوپلیتیکی را افزایش می‌دهد.
تکامل نور
صنعت تراشه برای دهه‌ها از یک الگوی دو مرحله‌ای پیروی می‌کرد: یافتن منبع نوری با طول موج کوتاه‌تر و سپس افزایش اندازه لنز (گشودگی عددی) برای متمرکز کردن آن نور. تا اوایل دهه ۹۰ میلادی، تراشه‌سازان از نور مرئی با طول موج حدود ۴۰۰ نانومتر استفاده می‌کردند. در اواسط دهه ۹۰، این روند به سراغ فرابنفش عمیق (DUV) با ۱۹۳ نانومتر رفت.
در اواخر دهه ۹۰، صنعت به بن‌بست DUV رسید. اشعه ایکس طول موج بسیار کوچکی (یک نانومتر) داشت اما متمرکز کردن آن به شدت دشوار بود. پرتوهای الکترونی و یونی دقیق بودند اما شبیه چاپگرهای ماتریس-داتی عمل می‌کردند و الگوها را نقطه به نقطه منتقل می‌کردند. این روش برای صنعتی که باید ساعتی صدها ویفر تولید کند، بسیار کند بود.
بر اساس مستندات شرکت، ASML ۱۶ سال زمان و ۱۰ میلیارد دلار هزینه کرد تا نور فرابنفش شدید (EUV) را توسعه دهد. این تابش از طریق شلیک لیزر به قطرات کوچک قلع مذاب، ده‌ها هزار بار در ثانیه تولید می‌شود. چون EUV توسط هوا و شیشه جذب می‌شود، ماشین باید در خلأ و با استفاده از آینه‌هایی ساخته شده توسط شرکت آلمانی Zeiss کار کند. شرکت Zeiss از پرتوهای یونی استفاده کرد تا کوچک‌ترین ناهمواری‌ها و نقص‌های میکروسکوپی را از سطح آینه‌ها پاک کند.
نخستین ماشین‌های EUV در سال ۲۰۱۷ وارد بازار شدند و هر کدام بیش از ۱۰۰ میلیون دلار قیمت داشتند. این ماشین‌ها نتیجه یک پروژه جسورانه تحقیق و توسعه (Moonshot) بودند که تمام تردیدها و صداهایی را که می‌گفتند این فناوری هرگز کار نخواهد کرد، نادیده گرفت. زمانی که OpenAI مدل GPT-3 و ChatGPT را عرضه کرد، تقاضا برای EUV جهش یافت. تراشه‌های بهینه‌شده برای AI، مانند GPUهای نخبه انویدیا (Nvidia) با قیمت ۴۰ هزار دلار، به مطلوب‌ترین سخت‌افزارهای جهان تبدیل شدند. در سال ۲۰۲۵، ASML فروش نزدیک به ۵۰ ماشین EUV و درآمدی نزدیک به ۴۰ میلیارد دلار را گزارش کرد که ارزش بازارش را به بیش از نیم تریلیون دلار رساند.
جهش به High-NA
ابزارهای جدید High-NA گام دوم آن الگوی تکاملی هستند. ASML با افزایش گشودگی عددی از ۰.۳۳ به ۰.۵۵، رزولوشن را از ۱۳ نانومتر به ۸ نانومتر کاهش داد؛ ابعادی که تقریباً برابر با عرض ۴۰ اتم سیلیکون است.
این تغییر فنی جهشی عظیم در تراکم تراشه‌ها ایجاد می‌کند. به نقل از مارکو پیترز، مدیر فناوری ASML، این تحول فضا را برای پیشرفت‌های «بهت‌آور» فعلی در هوش مصنوعی می‌گشاید و تأکید می‌کند که ما تنها نوک کوه یخ را دیده‌ایم. این ماشین یک شاهکار مکاترونیکی است که بیش از ۱۵۰ تن وزن دارد، از آلومینیوم صیقل‌خورده ساخته شده و بیش از ۲۰۰ متر مکعب فضا را اشغال می‌کند. این دستگاه از آینه‌هایی بهره می‌برد که توسط شرکت Zeiss با دقت اتمی صیقل داده شده‌اند.
با این حال، رزولوشن بالاتر مشکلی فیزیکی به نام «سایه‌اندازی» (Shadowing) را به همراه داشت. چون نور با زاویه تندتری به رتیکل (ماسک طراحی) می‌تابد، سایه‌هایی ایجاد می‌شود؛ شبیه به اینکه خورشید در ساعت‌های خاصی از روز در دره گرند کنیون سایه‌های عمیقی می‌سازد. برای رفع این مشکل، مهندسان ASML تغییرات حیاتی زیر را اعمال کردند:
- بازطراحی رتیکل: برای سازگاری با زوایای تند نور، الگوهای روی رتیکل اکنون سه‌بعدی و کشیده شده‌اند — در یک بُعد دو برابر طولانی‌تر از عرض خود هستند.
- افزایش سرعت: چون طراحی جدید آینه‌ها باعث می‌شود مساحت در معرض نور در هر اسکن نصف شود، سیستم باید سریع‌تر حرکت کند تا توان عملیاتی (Throughput) را حفظ کند. رتیکل جدید با شتاب ۲۲g حرکت می‌کند. مارکو پیترز هشدار می‌دهد: «سعی نکنید رویش بنشینید، چون از هوش می‌روید».
- اپتیک‌های سنگین‌تر: سیستم تصویر که نور را از رتیکل به ویفر منتقل می‌کند، اکنون ۱۲ تن وزن دارد — هفت برابر نسخه‌های قبلی. شرکت Zeiss مجبور شد خط تولید جدیدی با کمک ربات‌ها بسازد تا این قطعات عظیم را جابه‌جا کند.
برای حفظ توان عملیاتی ۲۰۰ ویفر در ساعت، ASML منبع نوری را نیز ارتقا داد. آن‌ها اکنون به جای دو بار، سه بار به هر قطره قلع مذاب لیزر می‌زنند، که این امر مستلزم آن است که سیستم شلیک ۵۰٪ سریع‌تر شود. این لیزرهای بزرگ اکنون اتاق‌های کاملی را پر می‌کنند، جایی که تکنسین‌ها می‌توانند پلاسماهای بنفش درخشان را از طریق پنجره‌های کوچک مشاهده کنند.
تقابل ژئوپلیتیک
این فناوری در واقع «تنگه Hormuz» عصر دیجیتال است. چون ASML کنترل حدود ۹۰٪ بازار جهانی لیتوگرافی را دارد، دولت آمریکا فشار آورده تا دولت هلند مانع ورود این ماشین‌ها به چین شود. این تحریم که از سال ۲۰۱۹ آغاز شد، با کنترل‌های صادراتی آمریکا بر تجهیزات 4G و 5G هواوی همراه شد تا چین از توسعه AI پیشرفته باز بماند.
این وضعیت یک دوپله (Duopoly) قدرتمند بین ASML و TSMC (غول تراشه‌سازی تایوان) ایجاد کرده است. همان‌طور که مارک هیجینک در کتاب Focus: The ASML Way می‌نویسد: «تراشه‌ها نفت جدید هستند». محروم شدن از آن‌ها می‌تواند به اندازه تحریم نفت فاجعه‌بار باشد.
این فشار، چین را به یک دویدن درمانده و سخت در مسیر تحقیق و توسعه کشاند:
- تلاش‌های داخلی: طبق گزارش رویترز، یک مرکز مخفی دولتی (Skunkworks) با به‌کارگیری کارکنان سابق ASML ماشینی ساخت که آن‌قدر بزرگ بود که کل کف یک آزمایشگاه را پر می‌کرد. در حالی که نشریه Global Times ادعا می‌کند چین به دنبال تبدیل شدن به یک «جزیره فناوری» نیست، اما کارشناسان می‌گویند آن‌ها تشنه استقلال داخلی هستند تا دیگر وابسته به تأمین‌کنندگان خارجی نباشند.
- پذیرش استانداردهای پایین‌تر: جف کوچ، تحلیلگر بازار، معتقد است چین ممکن است ماشین‌های ناکارآمدی را بپذیرد — حتی مواردی که ساعتی فقط یک ویفر تولید می‌کنند — تا وابستگی به غرب را بکند، زیرا در شرایط بحرانی، هر مقدار خروجی تولیدی کمک‌کننده است.
- چرخش به نرم‌افزار: چون رقابت سخت‌افزاری در سطح nanometer بسیار دشوار است، شرکت‌های چینی در لایه نرم‌افزاری نوآوری می‌کنند و مدل‌های زبانی کوچک‌تر و سبک‌تری مثل DeepSeek می‌سازند تا کارایی را با سخت‌افزارهای موجود بالا ببرند.
- محدودیت‌های DUV: متخصصانی چون دیوید لین از «پروژه مطالعات رقابتی ویژه» می‌گویند چین لیتوگرافی فرابنفش عمیق (DUV) را با روش «الگویابی چندگانه» (Multi-patterning) به سخت‌ترین محدودیت‌هایش می‌رساند؛ روشی جایگزین اما بسیار کندتر که برای جبران نبود EUV به کار می‌رود.
قمار بزرگ اینتل
اینتل خود را به عنوان نخستین مشتری بزرگ High-NA معرفی کرده است. در بهار ۲۰۲۴، ۳۰۰ مهندس ASML برای مونتاژ نخستین واحد تجاری به کارخانه اینتل در اورگون آمدند. مارک فیلیپس، از متخصصان اینتل، اشاره کرد که ASML حتی روی یکی از جعبه‌ها یک روبان غول‌پیکر به عنوان هدیه بسته بود.
برای اینتل، این یک جنگ برای بقاست. پس از عقب‌نشینی در دهه ۲۰۱۰ در برابر اپل و انویدیا و رویارویی با TPUهای گوگل از سال ۲۰۱۵، این شرکت در حال چرخش است. در سال ۲۰۲۱، اینتل هدف بلندمدتی برای ساخت یک واحد ری‌فاندری (Foundry) برای رقابت با TSMC اعلام کرد تا تراشه‌های مشتریان دیگر، از جمله سازندگان موبایل و تراشه‌های AI را تولید کند و جایگاه خود را به عنوان تولیدکننده پیشرو بازپس گیرد.
اینتل امیدوار است با استفاده پیش‌دستانه از High-NA، قابلیت «الگویابی تک‌مرحله‌ای» (Single Patterning) را ارائه دهد. این روش باعث می‌شود یک لایه تراشه در یک مرحله چاپ شود و دیگر نیازی به فرآیند کند و پیچیده الگویابی چندگانه نباشد، جایی که الگوها به چندین لایه تقسیم شده و یکی یکی چاپ می‌شوند. این کار طراحی تراشه را آسان‌تر کرده، ریسک خطای لایه‌گذاری (Overlay) را کم می‌کند و سرعت چاپ را به شدت بالا می‌برد.
در مقابل، TSMC استراتژی انتظار را پیش گرفته است. این شرکت به MIT Technology Review گفته است که High-NA را تنها زمانی مستقر می‌کند که فناوری به بلوغ کامل برسد و ریسک‌های عملیاتی کاهش یابد. TSMC به شدت روی cost-effectiveness (به‌صرفه بودن) متمرکز است و قیمت ۴۰۰ میلیون دلاری هر دستگاه را یک مانع اقتصادی می‌بیند. جف کوچ اشاره می‌کند که شاید این اولین ابزار ASML باشد که توجیه تجاری فوری و سریع ندارد، زیرا تنها ۳۰ تا ۵۰ درصد در قابلیت‌ها بهتر است، نه اینکه یک جهش انقلابی و بنیادین باشد.
تازه‌واردها: اشعه ایکس و اتم‌ها
سلطه مطلق ASML و هزینه‌های گزاف تجهیزات آن باعث شده رقبای جدید برای دور زدن «نور» تلاش کنند تا ماشین‌های ارزان‌تر و کوچک‌تری بسازند که بتوانند بازار را دگرگون کنند.
Substrate
این استارت‌آپ سان‌فرانسیسکو از شتاب‌دهنده‌های ذرات برای تولید نور اشعه ایکس استفاده می‌کند. اشعه‌های ایکس طول موج بسیار کوتاهی دارند و Substrate از پیشرفت‌های اخیر در علم شتاب‌دهنده برای ساخت منبعی مناسب تولید انبوه بهره می‌برد. جیمز پراود، مدیرعامل این شرکت، ادعا می‌کند آن‌ها می‌توانند ویفرهای نهایی را با ۱۰ هزار دلار تولید کنند — یعنی یک‌دهم هزینه‌ای که برای بقیه صنعت پیش‌بینی می‌کند، چرا که هزینه ساخت یک کارخانه (Fab) مدرن اکنون به ۲۵ میلیارد دلار می‌رسد. مدل تجاری Substrate فروش ابزار به دیگران نیست؛ آن‌ها می‌خواهند کارخانه خودشان را بسازند. پراود معتقد است تقاضای آینده برای تراشه‌های AI «چندین مرتبه بزرگ‌تر» از پیش‌بینی‌های فعلی خواهد بود و بازار فضای زیادی برای ورود آن‌ها دارد.
Lace Lithography
این شرکت نروژی از پرتوهای انرژی‌زده اتم‌های هلیوم استفاده می‌کند. اتم‌ها انرژی را به ویفر منتقل می‌کنند تا طرح را ثبت کنند؛ این روش دقتی در حد ۰.۱ نانومتر ارائه می‌دهد (در مقابل ۱۳.۵ نانومتر در EUV). این شرکت توسط بودیل هولست و آدریا سالوادور پالائو تأسیس شد. هولست تحقیقات خود را در سال ۲۰۰۸ آغاز کرد، پس از آنکه پروفسور هنری «هنک» اسمیت از MIT پیشنهاد داد از اتم‌ها به عنوان مکانیسم استفاده کند، زیرا در آن زمان مطمئن نبود پروژه EUV شرکت ASML واقعاً موفق شود. این سیستم به شدت کوچک‌تر از ماشین‌های ASML است و انرژی بسیار کمتری می‌برد. پالائو منبع اتم را به چیزی شبیه به «موتور راکت» تشبیه می‌کند.
اگرچه مدیران ASML تحت تأثیر فیزیک این روش قرار گرفته‌اند، اما بنشوپ شکاک است. او معتقد است فرآیند Lace ممکن است الگوهای عمیق‌تری برای کاربرد واقعی در تولید تراشه‌ها ایجاد نکند و مسیری عملی برای تولید انبوه تا سال ۲۰۳۰ نمی‌بیند.
آینده سیلیکون
شرکت ASML از همین حالا برای گام بعدی برنامه‌ریزی کرده است: «Hyper NA». این نسخه آینده، گشودگی عددی را به ۰.۷۵ می‌رساند که احتمالاً رزولوشن ۶ نانومتری را ممکن می‌کند. انتظار می‌رود این ابزارها در نیمه دوم دهه ۲۰۳۰ به تولید انبوه برسند.
آن‌ها همچنین روی استانداردسازی اپتیک‌ها در یک پلتFORM واحد کار می‌کنند. این کار به مشتریان اجازه می‌دهد بسته به نیاز، نسخه‌ای از EUV معمولی، High-NA یا Hyper-NA سفارش دهند و لجستیک و هزینه‌های عظیم ادغام این غول‌ها در کارخانه‌ها را ساده کند تا تغییر تجهیزات در آینده راحت‌تر باشد.
در حال حاضر، رقابت AI در واقع رقابتی است برای اینکه چه کسی بهتر می‌تواند از این ماشین‌های ۴۰۰ میلیون دلاری استفاده کند. همان‌طور که بنشوپ اشاره می‌کند، او هنوز جایگزین قابل‌قبولی برای تولید انبوه پیشرفته‌ترین نسل‌های تراشه ندیده است. کریس میلر، نویسنده Chip War، اشاره می‌کند که گذارهای لیتوگرافی تاریخاً دهه‌ها زمان برده‌اند و بنابراین تسلط ASML در آینده نزدیک پابرجا خواهد بود و رقبای جدید راه دشواری برای جابجایی این غول دارند.
گام بعدی شما
- اگر در حوزه سخت‌افزار AI فعالیت می‌کنید، روی نقشه‌های راه Intel برای گذار به تولید انبوه 18A و 14A نظارت کنید تا ببینید آیا High-NA واقعاً سرعت عرضه تراشه‌ها را بالا می‌زند یا خیر.
- برای درک عمیق‌تر لایه‌های سیاسی این صنعت، کتاب Chip War را بخوانید تا متوجه شوید چرا کنترل ASML بیش از یک موضوع فنی، یک ابزار فشار سیاسی است.
- پیشرفت‌های شرکت‌های جایگزین مثل Substrate را دنبال کنید؛ اگر مدل‌های تولید مبتنی بر اشعه ایکس موفق شوند، هزینه تولید سخت‌افزار AI به شدت سقوط خواهد کرد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell انویدیا مراجعه کنید.
گفتگو