Ep.18 : Photonics "เมื่อไฟฟ้าไปต่อไม่ไหว ก็ใช้แสงเลยละกัน"
เมื่อโลกวิศวกรรมชนเพดาน "ใหญ่ไปก็ไม่ได้" และ "เล็กไปก็ไม่ดี"
สู่ทางรอดแห่งอนาคตด้วยสถาปัตยกรรมแห่ง "แสง"
อ้างอิงข้อมูลจากบทความ Lumentum และ Fabrinet จากเพจ ลงทุนแมน
หากเราถอยออกมามองภาพรวมของโลกวิศวกรรมในยุคปัจจุบัน เราจะเห็นปรากฏการณ์ที่น่าทึ่งอย่างหนึ่ง นั่นคือ ความเหมือนที่แตกต่าง (The Inverse Parallel) ของข้อจำกัดทางกายภาพ
ถ้ายังพอจำกันได้ในEp.ก่อนๆ ผมย้ำเสมอว่า "ทุกระบบล้วนมีเงื่อนไขขีดจำกัดเสมอ" ไม่ว่าจะเป็มเกมการ์ด Yu-Gi-Oh!, จักรวาลขยายตัวของ Stephen Hawking, ขนาดของกังหันลม รวมถึงสิ่งที่เล็กสุดๆอย่างชิปประมวลผล ก็หลีกหนีความจริงข้อนี้ไม่ได้เช่นกัน
ในฝั่งพลังงานสะอาด เราพยายามสร้างกังหันลมให้ใหญ่ขึ้นเรื่อยๆ เพื่อดักลมให้ได้มากที่สุด จนใกล้ชนเพดาน "ใหญ่เกินไป" วัสดุรับแรงเค้นไม่ไหว ผลิตยาก ขนส่งไม่ได้ จน Vortex ต้องเข้ามาเปลี่ยนกติกาด้วยการลบใบพัดทิ้ง แบบในEp.17ที่ผ่านมา
ในทางตรงกันข้าม ฝั่งเทคโนโลยีประมวลผล เราพยายามยัดทรานซิสเตอร์ลงบนชิปให้เล็กที่สุดเท่าที่จะทำได้ จนใกล้ชนเพดาน "เล็กเกินไป" สมองของ AI กำลังไปชนเพดานที่ขนาด 2 นาโนเมตร (เล็กกว่ามด 1.5 ล้านเท่า) จนกฎฟิสิกส์ดั้งเดิมเริ่มพังทลายลง
1. ฝันร้าย 2 นาโนเมตร : เมื่อ "ทองแดงและไฟฟ้า" เดินมาถึงทางตัน
ในอดีตที่ผ่านมา เราเพิ่มความแรงชิปด้วยการยัดทรานซิสเตอร์ให้เล็กลงไปเรื่อยๆ ตามกฎของ Moore* ปัจจุบัน ทุกคนในอุตสาหกรรมชิปยอมรับตรงกันว่า "Moore's Law is Dead" หรืออย่างน้อยที่สุดก็คือมันกำลัง "โตช้าลงอย่างมากจนใกล้ถึงทางตัน" เหตุผลไม่ใช่เพราะวิศวกรขี้เกียจสร้างนวัตกรรม แต่เป็นเพราะเรากำลังเดินทางมาถึงขีดจำกัดทางกายภาพที่เล็กสุดๆในระดับอะตอม
เมื่อเราบีบอัดชิปประมวลผลทางไฟฟ้าให้เล็กที่สุดเท่าที่จะทำได้ แต่เมื่อมันเล็กจนถึงระดับนาโนเมตร ซึ่งเล็กกว่าหน่วยมิลลิเมตรถึง 1ล้านเท่า
ชิปในปัจจุบันที่เล็กลงถึงระดับ 2 นาโนเมตร นั้นมีขนาดกว้างเท่ากับอะตอมของซิลิคอน** เพียงไม่กี่ก้อนเรียงต่อกันเท่านั้น ทำให้เราไม่สามารถบีบให้มันเล็กกว่าอะตอมได้อีกแล้ว วิกฤตของ "กำแพง 2 นาโนเมตร" มีสองประการหลักด้วยกัน
*, ** : ดูรายละเอียดกฎของ Moore และการเปรียบเทียบขนาดของอะตอมซิลิคอนได้ในอภิธานศัพท์ท้ายบท
1.1) Quantum Tunneling (เมื่ออิเล็กตรอนคุมไม่ได้)
เมื่อรั้วกั้นทางไฟฟ้าในทรานซิสเตอร์บางมากๆ อิเล็กตรอนจะเริ่มทำตัวตามกฎฟิสิกส์ควันตัม คือ เป็นเหมือนผีที่สามารถทะลุกำแพงไปได้เฉยเลย ซึ่งสิ่งนี้ทำให้เกิดกระแสไฟฟ้ารั่วไหล (Leakage) ชิปจะสูญเสียการควบคุมและเกิดความร้อนมหาศาล
1.2) Interconnect Bottleneck (คอขวดที่เส้นประสาท)
ชิป GPU ของ NVIDIA ประมวลผล AI ได้เร็วระดับเสี้ยววินาที แต่ปัญหาคือถ้าเรายังใช้ "ตัวกลาง" ที่ใช้ส่งข้อมูลข้ามเซิร์ฟเวอร์ยังคงเป็นสายลวดทองแดง ยิ่งบีบข้อมูลมหาศาลผ่านลวดที่เล็กจิ๋ว แรงต้านทานทางไฟฟ้า (Electrical Resistance) ก็ยิ่งสร้างความร้อนสะสมจนสายแทบไหม้ กลายเป็นคอขวดที่ทำให้ GPU ต้องมานั่งรอข้อมูล
2. ปรากฏการณ์ Paradigm Shift : ทำไม "แสง" ถึงเหนือกว่า "ไฟฟ้า"?
ในเมื่อเราต่อต้านกฎของอิเล็กตรอนไม่ได้ โลกวิศวกรรมจึงหันไปหาตัวกลางที่เร็วที่สุดในจักรวาลอย่าง แสง หรือ Photonics (โฟโทนิกส์) เข้ามาเป็นระบบประสาทแทนที่สายทองแดง
ผู้อ่านบางท่านที่ได้อ่านEp.16มาแล้ว อาจจะแซวว่า "ไม่จริงหรอก ความหวังตะหากเร็วที่สุดในจักรวาล คนเขียนบอกเอง" อันนี้ก็ไม่ว่ากันครับ 🤣
2.1) แก้ปัญหาคอขวดและความร้อน
แสงเดินทางผ่านเส้นใยแก้ว (Fiber Optics) โดยไม่มีแรงต้านทานแบบไฟฟ้า นั่นแปลว่า "ไม่มีความร้อนเกิดขึ้นระหว่างทาง" ช่วยทลายข้อจำกัดด้านพลังงานและการระบายความร้อนของ Data Center ไปได้อย่างสิ้นเชิง
2.2) แบนด์วิดท์กว้างแบบสุดๆ (The Rainbow Highway)
ไฟฟ้า 1 เส้น ส่งสัญญาณได้ 1 รูปแบบ แต่แสงมีคุณสมบัติที่เรียกว่า Wavelength (ความยาวคลื่น) ที่เปรียบเหมือนสีของรุ้งกินน้ำ เราสามารถยิงแสงหลายๆ สีพร้อมกันไปในท่อเดียวกันได้ ทำให้แบนด์วิดท์ขยายตัวแบบทวีคูณ (Exponential) ชิป AI จึงพูดคุยกันได้ด้วยความเร็วแสงโดยไม่ต้องจับบัตรคิวนั่งรอข้อมูลอีกต่อไป
3. ห่วงโซ่อุปทานแห่งแสง (Photonics Supply Chain)
เพื่อให้ระบบ Photonics เกิดขึ้นได้จริง โลกต้องอาศัยผู้เล่นหลัก 3 ระดับ ซึ่งทำงานประสานกันอย่างแม่นยำ
3.1) ต้นน้ำ (Upstream) : ASML ผู้ผูกขาดเครื่องจักรผลิตชิป EUV ที่ใช้เทคโนโลยี Silicon Photonics สลักวงจรไฟฟ้าและท่อนำแสงลงบนแผ่นเวเฟอร์
3.2) กลางน้ำ (Midstream) : บริษัทอย่าง Lumentum และ Coherent ทำหน้าที่เป็น "ผู้ออกแบบและผลิตชิ้นส่วนเฉพาะทาง" (Optical Components) เช่น เลเซอร์ยิงแสง (Laser), ตัวแปลงสัญญาณไฟฟ้าเป็นแสง (Modulator) และหัวต่อความเร็วสูง ชิ้นส่วนเหล่านี้คือฮาร์ดแวร์ระดับไมโครที่ต้องการความแม่นยำขั้นสุด
3.3) ปลายน้ำ (Downstream) : TSMC รับหน้าที่เป็นคนผลิตชิป GPU และชิปแสง นำมาวางแพ็กเกจรวมกัน (Advanced Packaging) จากนั้นส่งไม้ต่อให้ Fabrinet ทำการประกอบร่างขั้นสุดท้าย
4. ปทุมธานีและชลบุรี : "หัวใจ" ของการประกอบร่างสมอง AI โลก
Lumentum & Fabrinet
ชิ้นส่วนจาก Lumentum (กลางน้ำ) และชิปเซตจาก TSMC (ปลายน้ำ) จะถูกส่งตรงมายังโรงงานของ Fabrinet (ปลายน้ำ) ในประเทศไทย เพื่อประกอบกันเป็น Optical Module ที่สมบูรณ์ นี่ไม่ใช่การจ้างแรงงานราคาถูกเพื่อประกอบชิ้นส่วนธรรมดาๆ แต่กระบวนการนี้ต้องใช้วิศวกรรมขั้นสูงที่เรียกว่า Active Alignment ซึ่งเป็นการป้อนกระแสไฟฟ้าเข้าไปแล้วจูนลำแสงเลเซอร์ให้ตรงล็อกกับชิปด้วยความแม่นยำระดับ "ต่ำกว่า 1 ไมครอน"
และ Fabrinet คือเจ้าเดียวในโลกที่ทำกระบวนการนี้แล้วได้ Yield (สัดส่วนของดี) สูงสุดจนแทบไม่มีงานเสีย ทำให้พวกเขาครองส่วนแบ่งตลาดประกอบโมดูลแสงสำหรับ AI มากที่สุดในโลก
5. ความสัมพันธ์แบบ "น้ำพึ่งเรือ เสือพึ่งป่า"
ในโลกของวิศวกรรม Photonics ทั้ง Lumentum และ Fabrinet ต่างเติบโตไปพร้อมกันเป็นทวีคูณ (Exponential) ตามสเปกของชิป AI
● เมื่อ NVIDIA อัปเกรดเซิร์ฟเวอร์จากรุ่นเก่ามาเป็นรุ่นใหม่อย่าง Vera Rubin B หรือ Rubin Ultra B มูลค่าของระบบ Optical ต่อตู้เซิร์ฟเวอร์จะพุ่งจาก 8,400 ดอลลาร์ ไปเป็น 123,500 ดอลลาร์
● Lumentum จะได้รับคำสั่งซื้อตัวยิงเลเซอร์และชิ้นส่วนแสงในปริมาณที่เยอะขึ้นและราคาแพงขึ้น
● Fabrinet (ซึ่งมีโรงงานหลักในไทยทั้งที่ปทุมธานีและชลบุรี) ก็จะได้รับค่าจ้างในการนำชิ้นส่วนของ Lumentum มาประกอบและจูนแสงในวอลลุ่มที่มหาศาลและได้ Yield สูงสุดตามไปด้วย
สรุปง่ายๆ คือ Lumentum คือคนสร้าง "ชิ้นส่วนเลโก้แสง" ที่ดีที่สุด
ส่วน Fabrinet คือ "สุดยอดนักต่อเลโก้" ที่ควบคุมความแม่นยำระดับไมครอนจนไม่มีใครเลียนแบบได้ ทั้งคู่จึงเป็นจิ๊กซอว์คนละชิ้นที่ขาดกันไม่ได้ในขบวนการ AI โลก
6. Exponential Demand : ทำไมรายได้ของ Fabrinet และ Lumentum ถึงก้าวกระโดด?
การเปลี่ยนผ่านจาก "สายทองแดง" เป็น "แสง" ทำให้มูลค่าของระบบ Photonics ต่อตู้เซิร์ฟเวอร์พุ่งทะยานขึ้นอย่างมหาศาล
● ยุคเริ่มต้น (สายทองแดงเป็นหลัก) : ชิป GPU ของ NVIDIA รุ่น GB300 ที่เริ่มขายช่วงต้นปี 2026 มีมูลค่าของระบบ Optical รวมอยู่ที่เพียง 8,400 ดอลลาร์สหรัฐต่อตู้เซิร์ฟเวอร์
● จุดเปลี่ยนผ่าน : สำหรับ GPU รุ่น Vera Rubin B คาดการณ์ว่ามูลค่าของระบบ Optical จะกระโดดขึ้นไปถึง 48,400 ดอลลาร์สหรัฐต่อตู้เซิร์ฟเวอร์
● ยุคอนาคตแห่งแสง : สำหรับ GPU รุ่นใหม่อย่าง Rubin Ultra B คาดว่าจะมีมูลค่าของระบบ Optical สูงถึง 123,500 ดอลลาร์สหรัฐต่อตู้เซิร์ฟเวอร์ ซึ่งสูงเกือบ 3 เท่าจากรุ่นก่อนหน้า
7. บทสรุป Kobayashi Maru Summary
บทเรียนจากEp.นี้ สอนให้เรารู้ว่า เมื่อไหร่ที่โลกวิศวกรรมชนเพดานของระบบ ไม่ว่าจะ "ใหญ่ที่สุด" แบบ Vortex หรือ "เล็กที่สุด" แบบทรานซิสเตอร์ทองแดง ทางออกไม่ใช่การฝืนเพิ่มขนาดให้ใหญ่ขึ้นไปอีก หรือยัดเยียดทุกอย่างลงไปในระบบที่เล็กกว่าเดิม
ทางออกของการแก้ปัญหาระดับสถานการณ์ Kobayashi Maru
คือการ "เปลี่ยนมุมมอง" ถอยออกมาแล้วตั้งคำถามใหม่
ในวันที่กังหันลมหาทางออกด้วยการทิ้งใบพัด ชิปประมวลผลก็หาทางออกด้วยการทิ้งสายทองแดง ในเมื่อทองแดงมันร้อนแถมช้า เราก็แค่เลิกใช้มันแล้วหันมาสร้าง 'ทางด่วนสายรุ้ง' จากแสงซะเลย
อุตสาหกรรม AI ระดับโลกจะไม่มีวันไปถึงจุดหมายได้เลย หากขาดเทคโนโลยี Photonics และที่น่าภูมิใจคือ "สถานีประกอบร่างสุดท้าย" ที่สร้างทางด่วนสายรุ้งให้กับสมอง AI ทั่วโลกนั้น ตั้งอยู่บนผืนแผ่นดินไทย ผลิตโดยวิศวกรไทย
นี่คือ New S-Curve ที่แท้จริง ที่ดันให้อุตสาหกรรมวิศวกรรมอิเล็กทรอนิกส์ในบ้านเรา เติบโตแบบทวีคูณไปพร้อมกับยุคทองของ AI
และนั่นคือเหตุผลที่ชิป Photonics กลายเป็นเป็นหนึ่งใน 5 เป้าหมายที่ไทยกำลังเดินหน้าสู่เป้าหมายผลิตเองให้ได้ภายในปี 93 นี้
อภิธานศัพท์ท้ายEp.18 | Kobayashi Maru Glossary
1. กฎของ Moore คืออะไร?
ในปี 1965 Gordon Moore หนึ่งในผู้ร่วมก่อตั้งบริษัท Intel ได้สังเกตแนวโน้มของอุตสาหกรรมเซมิคอนดักเตอร์และตั้งสมมติฐานไว้ว่า
จำนวนทรานซิสเตอร์ที่สามารถอัดลงไปบนชิปซิลิคอนแผ่นหนึ่ง จะเพิ่มขึ้นเป็น 'สองเท่า' ในทุกๆ ช่วงเวลาประมาณ 18 ถึง 24 เดือน โดยที่ต้นทุนในการผลิตจะลดลงเรื่อยๆ
พูดง่ายๆ คือ ทุกๆ 2 ปี คอมพิวเตอร์จะ แรงขึ้นเป็นเท่าตัว ในราคาที่ถูกลง ปรากฏการณ์นี้ทำให้เกิดการเติบโตแบบ Exponential (ทวีคูณ) นั่นคือเหตุผลว่าทำไมสมาร์ตโฟนในกระเป๋ากางเกงของเราวันนี้ ถึงมีความแรงแซงหน้าคอมพิวเตอร์ขนาดยักษ์ที่ NASA ใช้ส่งยานอพอลโล่ไปดวงจันทร์เมื่อปี 1969 ไปหลายล้านเท่า
1.1) โลกวิศวกรรมรักษา "คำพยากรณ์" นี้ไว้ได้อย่างไร?
ทรานซิสเตอร์ทำหน้าที่เป็นเหมือน "สวิตช์เปิด-ปิด" สัญญาณไฟฟ้า (แทนค่า 0 กับ 1) ยิ่งเรามีสวิตช์นี้มากเท่าไหร่ ชิปก็ยิ่งคิดเลขและประมวลผลซับซ้อนได้เร็วขึ้นเท่านั้น ตลอดเวลาที่ผ่านมา วิศวกรทั่วโลกไม่ได้นั่งรอกฎนี้เฉยๆ แต่มันกลายเป็น "Roadmap บังคับ" ซึ่งถ้าบริษัทไหนทำตามสปีดนี้ไม่ได้ ก็จะถูกคู่แข่งเตะตกรถไฟทันที วิธีการที่ใช้หล่อเลี้ยงกฎของ Moore มี 3 เสาหลัก
● สลักให้เล็กลง (Lithography Scaling)
ใช้แสงที่มีความยาวคลื่นสั้นลงเรื่อยๆ (ล่าสุดคือ EUV ของ ASML) ยิงผ่านหน้ากากเพื่อสลักลายวงจรให้เล็กลงในระดับนาโนเมตร เพื่อให้ยัดทรานซิสเตอร์ได้หนาแน่นขึ้น
● เปลี่ยนสถาปัตยกรรมตัวสลับไฟ (FinFET to GAA)
พอทรานซิสเตอร์แบนๆ เริ่มคุมไฟไม่อยู่ วิศวกรก็เปลี่ยนโครงสร้างให้เป็น 3 มิติเหมือนครีบปลา (FinFET) และล่าสุดคือการโอบล้อมรอบท่อนำกระแสไฟทุกด้าน (Gate-All-Around) เพื่อรีดขนาดให้เล็กลงไปอีก
● Dennard Scaling (กฎคู่ขนาน)
เมื่อทรานซิสเตอร์เล็กลง มันจะใช้ไฟฟ้าน้อยลงและทำงานเร็วขึ้นด้วยในสัดส่วนที่เท่ากัน แต่น่าเสียดายที่กฎข้อนี้พังทลายไปก่อนเพื่อนเนื่องจากปัญหาความร้อนสะสม ดังที่เกิดขึ้นกับIntel Pentium 4 เมื่อประมาณช่วงปี 2004-2006 เมื่อวิศวกรพยายามจะดันความเร็วไปให้ถึง 4.0 GHz ผลลัพธ์คือ ซีพียู Pentium 4 ในตอนนั้นซึ่งเป็น single core ร้อนจัดจนถูกแซวกันว่าเป็น "เตาอบ" และภายหลังจึงถูกเปลี่ยนให้กลายมาเป็นระบบ Multi-core แทน
1.2) เมื่อกำแพงฟิสิกส์อะตอมตะโกนบอกว่า "พอได้แล้ว"
ปัจจุบัน ทุกคนในอุตสาหกรรมยอมรับตรงกันว่า "Moore's Law is Dead" หรืออย่างน้อยที่สุดก็คือมันกำลัง "โตช้าลงอย่างมากจนใกล้ถึงทางตัน" เหตุผลไม่ใช่เพราะบริษัทชิปคิดไอเดียไม่ออก แต่เป็นเพราะเรากำลังเดินทางมาถึงขีดจำกัดทางกายภาพของอะตอม
ชิปในปัจจุบันระดับ 2 นาโนเมตร นั้นมีขนาดกว้างเท่ากับอะตอมของซิลิคอนเพียงไม่กี่ก้อนเรียงต่อกันเท่านั้น เราไม่สามารถบีบให้สวิตช์นี้เล็กกว่าอะตอมได้อีกแล้ว
● Quantum Tunneling : เมื่อระยะห่างบางเกินไป อิเล็กทรอนิกส์จะเพี้ยน ไฟฟ้ารั่วไหลทะลุกำแพงกั้นไปเองตามกฎฟิสิกส์ควันตัม ชิปจะร้อนจัดและทำงานไม่ได้
● ความคุ้มทุนทางเศรษฐศาสตร์ (Economic Wall): ยิ่งอยากได้ชิปเล็กลง ค่าเครื่องจักรและค่า R&D พุ่งสูงเป็นเส้นโค้งแนวตั้ง จนราคาชิปเริ่มไม่ถูกลงตามกฎเดิมอีกต่อไป
1.3) สิ่งที่จะมาแทนที่กฎของ Moore
ในเมื่อเราเพิ่มจำนวนทรานซิสเตอร์แบบเดิมไม่ได้ โลกวิศวกรรมยุค AI จึงต้องหา "ทางเลี่ยง" (Workarounds) เพื่อให้คอมพิวเตอร์ยังแรงขึ้นได้ทุกปี ซึ่งแบ่งออกเป็น 3 แนวทางหลักในปัจจุบัน
● More than Moore (Advanced Packaging)
ในเมื่อทำชิปแผ่นเดียวให้ใหญ่หรือเล็กกว่านี้ไม่ได้ ก็เอาชิปย่อยๆ (Chiplets) มาต่อและซ้อนกันเป็นคอนโด 3 มิติ แล้วเชื่อมด้วยความเร็วสูง (กระบวนการที่ TSMC ทำส่งให้ Fabrinet ในไทยประกอบ)
● Domain-Specific Architecture
เลิกสร้างชิปที่ทำได้ทุกอย่าง (General CPU) แต่สร้างชิปที่เกิดมาเพื่อคำนวณงานเฉพาะทางให้เก่งไปเลย เช่น GPU ของ NVIDIA หรือชิป TPU ที่เก่งด้าน Matrix Multiplication ของ AI โดยเฉพาะ
● Silicon Photonics (ระบบแสง)
เปลี่ยนตัวกลางในการส่งข้อมูลระหว่างชิปและตู้เซิร์ฟเวอร์ จาก "ไฟฟ้าบนทองแดง" เป็น "แสงบนไฟเบอร์" เพื่อตัดปัญหาเรื่องความร้อนและขยายช่องสัญญาณให้กว้างขึ้นอย่างไร้ขีดจำกัด จนกลายมาเป็น Rainbow Highway ของ Lumentum และ Fabrinet นั่นเอง
สรุปง่ายๆ กฎของ Moore คือสิ่งที่ผลักดันให้เรามีสมาร์ตโฟน มีอินเทอร์เน็ต และมี AI ในวันนี้ และการที่มันกำลังจะชนเพดานฟิสิกส์ ก็คือแรงขับเคลื่อนที่บีบให้มนุษยชาติต้องก้าวเข้าสู่ยุค "โฟโทนิกส์ (Photonics)" อย่างหลีกเลี่ยงไม่ได้
2. อะตอมของซิลิคอน เล็กแค่ไหน ?
อะตอมของซิลิคอน (Silicon Atom) มีขนาดเส้นผ่านศูนย์กลาง (ความกว้าง) อยู่ที่ประมาณ 0.22 ถึง 0.24 นาโนเมตร (nm)
นึกภาพว่าถ้าเรานำอะตอมของซิลิคอนมาวางเรียงต่อกันเป็นเส้นตรงเหมือนลูกปัด
- ถ้าวางเรียงกัน 4-5 ตัว จะได้ความยาวประมาณ 1 นาโนเมตร
- ถ้าวางเรียงกัน 10 ตัว จะได้ความยาวประมาณ 2.4 นาโนเมตร
2.1) แล้วมันเกี่ยวอะไรกับ "กำแพง" ของชิป 2 นาโนเมตร?
ต้องยอมรับก่อนว่า ชื่อกระบวนการผลิตชิปในปัจจุบัน เช่น "3 นาโนเมตร" หรือ "2 นาโนเมตร" ของ TSMC, Intel, Samsung นั้น ส่วนหนึ่งเป็นชื่อทางการตลาด (Marketing Name) ที่ไม่ได้หมายความว่าทุกชิ้นส่วนในชิปจะหดเหลือ 2 นาโนเมตรเป๊ะๆ แต่ในทางวิศวกรรมโครงสร้าง ตัวเลขนี้คือการสะท้อนว่า "ชิ้นส่วนที่วิกฤตที่สุด" ข้างในชิป มันเล็กลงจนไปชนระดับอะตอมแล้วจริงๆ ตัวอย่างเช่น
● ความหนาของช่องนำกระแส (Nanosheet Channel) : ในสถาปัตยกรรมชิปยุคใหม่แบบ GAA (Gate-All-Around) แผ่นซิลิคอนที่เป็นทางเดินของไฟฟ้าจะถูกรีดให้บางเฉียบจนมีความหนาเหลืออยู่แค่ 3-5 ชั้นอะตอม เท่านั้น
● ชั้นฉนวนกั้นไฟ (Gate Oxide ) : บางจุดมีความหนาไม่ถึง 1 นาโนเมตร หรือคิดเป็นอะตอมเรียงกันแค่ 2-3 ชั้น
2.2) ความโหดหินของวิศวกรรมระดับอะตอม
การที่ชิ้นส่วนมันบางเท่ากับอะตอมไม่กี่ก้อนเรียงกัน ทำให้วิศวกรโรงงานผลิตชิปต้องเจอกับฝันร้าย 2 เรื่องหลักๆ
● Tolerance = ZERO (ความผิดพลาดต้องเป็นศูนย์)
ในการออกแบบทางวิศวกรรมเครื่องกล ถ้าเราสั่งผู้ผลิตให้สร้างชิ้นงานที่ไม่มีความคลาดเคลื่อนเลย (Tolerance = ศูนย์) สิ่งที่ผู้ผลิตจะตอบกลับมาคือคำอวยพรเทิดทูนบูชาบุพการีเราอย่างแน่นอน เพราะมันแทบเป็นไปไม่ได้เลยที่จะผลิตชิ้นงานที่ไม่มีความคลาดเคลื่อน และต่อให้ทำค่าความคลาดเคลื่อนได้ต่ำสุดๆก็ตาม งบประมาณของชิ้นส่วนนั้นก็จะพุ่งทะยานฟ้าเป็นเงาตามตัวไปด้วย
สำหรับชิปประมวลผลในอดีต ถ้าโมเลกุลหรืออะตอมแหว่งหายไปบ้าง ชิปก็ยังทำงานได้ แต่ในชิป 2 นาโนเมตร ถ้าอะตอมซิลิคอน หายหรือคลาดเคลื่อนแค่ตัวเดียว หรือจัดเรียงโครงสร้างผลึก (Lattice) ผิดรูปไปนิดเดียว ชั้นกั้นไฟจะทะลุทันที ขาดเสถียรภาพ และกลายเป็นชิปเสียทันที (ค่าYeildในการผลิตตกฮวบ)
● Quantum Tunneling
พอชั้นกั้นไฟฟ้าบางเท่ากับอะตอม 2-3 ก้อน อิเล็กตรอนที่ควรจะวิ่งอยู่ตามทางเดินปกติ มันจะใช้คุณสมบัติของควันตัม "วาร์ป" ทะลุฉนวนกั้นตัวนี้ออกไปดื้อๆ ทำให้เกิดกระแสไฟฟ้ารั่วไหลและควบคุมไม่ได้
นี่คือเหตุผลทางวิทยาศาสตร์รองรับคำกล่าวที่ว่าเรากำลัง "ชนกำแพงกายภาพของจักรวาล เพราะตราบใดที่เรายังใช้ซิลิคอนเป็นวัสดุหลัก เราไม่สามารถหั่นครึ่งอะตอมซิลิคอนเพื่อให้ชิปเล็กลงไปกว่า 2 นาโนเมตรได้อีกแล้ว
เทคโนโลยีที่ฉีกแนวไปใช้แสงอย่าง Photonics จึงกลายมาเป็นทางรอดเดียวในตอนนี้ของวงการชิปประมวลผลนั่นเอง
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
