Vật liệu tiên tiến đang quyết định giới hạn thực tế của AI. Chip và trung tâm dữ liệu phải xử lý đồng thời các vấn đề về nhiệt, điện năng, độ tinh khiết và độ bền. Ở chiều ngược lại, AI giúp các nhà khoa học sàng lọc hàng triệu tổ hợp phân tử. Từ đó, họ có thể xác định những ứng viên đáng thử nghiệm trong phòng thí nghiệm.
Theo bài viết gốc của MIT Technology Review, Mike Finelli nhận định AI đang đẩy chip bán dẫn và trung tâm dữ liệu tới các giới hạn vật lý. Ông là Giám đốc công nghệ và đổi mới kiêm Giám đốc khu vực Bắc Mỹ của Syensqo. Nội dung được xuất bản ngày 16 tháng 9 năm 2026 trong chương trình Business Lab. Bộ phận nội dung tùy chỉnh Insights thực hiện chương trình với sự hợp tác của Syensqo.
Nội dung chính: vật liệu đang chạm tới đỉnh tháp hiệu năng
Vật liệu dùng cho AI phải đáp ứng ngày càng nhiều yêu cầu cùng lúc, từ khả năng chịu nhiệt và độ tinh khiết đến tính năng điện, khả năng kháng hóa chất và độ ổn định lâu dài. Theo Finelli, các yêu cầu kết hợp này đưa vật liệu bán dẫn và trung tâm dữ liệu lên gần đỉnh của tháp hiệu năng.
Finelli mô tả thị trường vật liệu bằng một tháp hiệu năng. Vật liệu phổ thông nằm ở đáy, còn vật liệu chuyên dụng hiệu năng cao nằm trên đỉnh. Một loại polyme chỉ cần giữ nguyên ở nhiệt độ phòng trong 10 năm có thể không đòi hỏi đặc tính đặc biệt. Bài toán thay đổi khi cùng một vật liệu phải chịu nhiệt độ cao, có độ tinh khiết lớn, bảo đảm tính năng điện, kháng hóa chất, kháng plasma và duy trì độ ổn định lâu dài.
Số yêu cầu đồng thời càng nhiều, vật liệu càng phải tiến gần đỉnh tháp. Tốc độ phát triển của AI đang làm danh sách yêu cầu dành cho chip và trung tâm dữ liệu dài thêm. Đây là lớp nền vật lý nằm bên dưới toàn bộ hạ tầng AI và cách hệ thống này vận hành.
Từ kiến trúc điện áp cao đến gioăng kín trong nhà máy chip
Polyme tiên tiến, vật liệu đàn hồi và chất lỏng chuyên dụng ảnh hưởng trực tiếp đến khả năng sản xuất chip và vận hành trung tâm dữ liệu. Chúng phải hỗ trợ kiến trúc điện áp cao, hạn chế tổn thất năng lượng và chịu được plasma, hóa chất phản ứng cùng nhiệt độ cao trong các buồng xử lý tấm bán dẫn.
Syensqo phát triển vật liệu cho kiến trúc điện áp cao. Theo công ty, kiến trúc này có thể cung cấp thêm năng lực tính toán, giảm tổn thất năng lượng và cải thiện hiệu suất điện của trung tâm dữ liệu.
Một ứng dụng khác nằm trong các buồng xử lý tấm bán dẫn. Tấm silic lớn được đặt vào môi trường có plasma mạnh và hóa chất phản ứng trước khi được cắt thành những chip nhỏ. Các gioăng bao quanh buồng phải giữ khí bên trong, đồng thời chịu được nhiệt độ cao hơn, môi trường khắc nghiệt hơn, mức thoát khí thấp và yêu cầu độ tinh khiết ngày càng chặt.
Một gioăng không chịu nổi điều kiện vận hành có thể trở thành giới hạn của cả quy trình. Việc sản xuất thế hệ chip tiếp theo vì thế phụ thuộc vào nhiều lớp vật liệu chuyên dụng chứ không chỉ thiết kế điện tử.
Kinh nghiệm từ xe điện được đưa vào trung tâm dữ liệu
Các vật liệu từng được phát triển cho xe điện có thể hỗ trợ trung tâm dữ liệu khi điện áp, mật độ năng lượng và nhiệt độ cùng tăng. Syensqo đang chuyển kinh nghiệm từ nhiều lĩnh vực sang hạ tầng AI. Phạm vi gồm vật liệu cách điện, tuần hoàn chất lỏng, chất lỏng điện môi và pin.
Finelli lấy ví dụ một xe điện truyền 100 kilowatt từ pin tới động cơ qua dây dẫn và thanh dẫn điện để nhanh chóng đạt vận tốc 60 dặm một giờ, tương đương khoảng 97 kilômét một giờ. Lớp polyme cách điện quanh các phần tử đồng phải chịu được mức tăng nhiệt diễn ra rất nhanh.
Vật liệu cách điện và làm mát ngâm
Syensqo cho biết vật liệu dùng trong hệ thống điện của xe có thể được chuyển sang trung tâm dữ liệu. Đây là nơi điện áp và mật độ năng lượng đang tăng. Công ty cũng áp dụng kinh nghiệm về tuần hoàn chất lỏng và vật liệu điện môi để phát triển giải pháp làm mát ngâm trực tiếp.
Làm mát chip bằng không khí tiêu tốn nhiều năng lượng và có hiệu suất thấp hơn so với việc ngâm thiết bị trong chất lỏng phù hợp. Với làm mát ngâm trực tiếp, chất lỏng tiếp xúc gần hơn với nguồn nhiệt và giúp xử lý lượng nhiệt sinh ra trong máy chủ.
Lưu trữ năng lượng cho tải đỉnh
Một hướng chuyển giao khác liên quan đến hệ thống lưu trữ năng lượng bằng pin. Syensqo đã phát triển chất kết dính dùng trong cực âm của pin lithium ion. Chất kết dính giúp các thành phần hoạt động cùng nhau để pin duy trì hiệu năng trong 10 năm. Trung tâm dữ liệu có thể dùng hệ thống này để điều hòa tải đỉnh. Hệ thống cũng cung cấp nguồn điện dự phòng ổn định khi tỷ trọng năng lượng tái tạo tăng.
Hiệu năng nay bao gồm cả tác động môi trường
Hiệu năng của vật liệu không còn chỉ được đánh giá bằng khả năng chịu nhiệt, độ bền hoặc tính năng điện. Theo Finelli, Syensqo đặt mục tiêu phát triển vật liệu vừa đáp ứng yêu cầu kỹ thuật, vừa giảm tác động môi trường trong quá trình sản xuất và sử dụng.
Công ty sử dụng công cụ Quản lý danh mục bền vững để đánh giá dự án ngay từ trước khi hoạt động nghiên cứu bắt đầu. Một sản phẩm được xem là giải pháp bền vững khi vừa cải thiện hiệu quả xã hội và môi trường trong ứng dụng, vừa giảm tác động môi trường của quá trình sản xuất và tạo giá trị cho khách hàng.
Theo số liệu Syensqo được Finelli nêu trong cuộc phỏng vấn, 88% danh mục hiện được công ty xếp vào nhóm sản phẩm bền vững. Những vật liệu này hướng tới việc giảm dấu chân môi trường trong sản xuất, đồng thời giúp khách hàng giảm phát thải carbon, vận hành an toàn hơn hoặc dùng ít nước hơn.
Chất lỏng truyền nhiệt thế hệ mới là một ví dụ. Chip và trung tâm dữ liệu mạnh hơn sinh ra nhiều nhiệt hơn, đặc biệt khi chuyển sang kiến trúc điện áp cao. Một số chất lỏng hiện có đáp ứng yêu cầu làm mát nhưng có khả năng gây nóng lên toàn cầu cao. Syensqo đang phát triển các lựa chọn có tác động môi trường tiềm tàng thấp hơn.
AI thu hẹp hàng triệu phân tử xuống khoảng 100 lựa chọn
AI có thể thu hẹp hàng triệu tổ hợp phân tử xuống danh sách ưu tiên khoảng 100 ứng viên. Các ứng viên này sau đó được tổng hợp và thử nghiệm trong phòng thí nghiệm. Cách tiếp cận mở rộng phạm vi tìm kiếm nhưng không loại bỏ vai trò của nhà khoa học. Họ vẫn thiết kế thí nghiệm, đánh giá kết quả và xử lý các vấn đề kỹ thuật khó.
Syensqo bắt đầu ứng dụng AI vào nghiên cứu và phát triển khoảng hai năm trước thời điểm cuộc phỏng vấn. Công ty hợp tác với Microsoft và sử dụng công cụ Microsoft Discovery để nhận diện, đánh giá các ứng viên phân tử có triển vọng.
Giới hạn của quy trình nghiên cứu truyền thống
Trong quy trình truyền thống, các nhà khoa học thiết kế thí nghiệm rồi chọn một vùng nhỏ để nghiên cứu. Không gian ban đầu có thể chứa hàng triệu, thậm chí hàng chục triệu tổ hợp phân tử tiềm năng. Lựa chọn dựa trên chuyên môn, tài liệu khoa học, trình độ công nghệ hiện có và bằng sáng chế. Nhóm nghiên cứu tổng hợp vật liệu, thử nghiệm, rút kinh nghiệm rồi quay lại thiết kế. Quy trình có thể tìm được một phương án hoạt động tốt. Tuy nhiên, kết quả đó chưa chắc là tổ hợp tốt nhất trong toàn bộ không gian tìm kiếm.
Các tác tử AI sàng lọc và xếp hạng
Syensqo và Microsoft phát triển các tác tử AI để tổng hợp số hóa hàng triệu tổ hợp phân tử. Một nhóm khác dùng mô phỏng dựa trên vật lý để dự đoán tính chất hóa lý và hiệu năng. Nhóm này cũng đánh giá độc tính cùng đặc điểm bền vững. Sau đó, một tác tử tiếp tục xếp hạng kết quả.
Thay vì đưa hàng triệu ứng viên vào phòng thí nghiệm, nhóm nghiên cứu nhận danh sách ưu tiên khoảng 100 phân tử. Đây là những phân tử được chọn để tổng hợp thật. Cách làm này cho phép khảo sát rộng hơn, sâu hơn và nhanh hơn. AI giảm thời gian tìm kiếm để các nhà khoa học tập trung vào những vấn đề kỹ thuật khó hơn. Sự thay đổi vai trò này cũng phù hợp với xu hướng được phản ánh qua 47.000 tin tuyển dụng về công việc kỹ sư trong thời AI.
Đổi mới vật liệu là động lực hai chiều
AI và khoa học vật liệu tạo thành một vòng lặp tăng cường. AI giúp tìm kiếm vật liệu mới cho chip, nguồn điện và hệ thống làm mát; hạ tầng được cải thiện lại hỗ trợ các hệ thống AI mạnh hơn, từ đó tiếp tục tăng tốc quá trình phát hiện vật liệu.
Theo Syensqo, 20% doanh thu hằng năm của công ty đến từ sản phẩm và ứng dụng mới ra mắt trong 5 năm gần nhất. Finelli đã làm việc tại công ty 33 năm, và bán dẫn là một trong những ngành đầu tiên ông phụ trách. Trong giai đoạn đó, vật liệu đã hỗ trợ các thiết bị di động nhỏ hơn, chip mạnh hơn, sản xuất bán dẫn phức tạp hơn và khả năng kết nối ngày càng cao.
Vật liệu vì thế là nền móng vật lý của tiến bộ AI. Thuật toán có thể thay đổi nhanh, nhưng khả năng triển khai ở quy mô lớn vẫn phụ thuộc vào chip chịu được điều kiện sản xuất, hệ thống điện vận hành ổn định và giải pháp làm mát kiểm soát được lượng nhiệt ngày càng cao.
Hãy tiếp tục theo dõi Sine để cập nhật cách những lớp công nghệ nền tảng đang định hình năng lực thực tế của AI.
