به گزارش بلومبرگ، تصمیماتی که اتخاذ می‌شود، توانایی چین را برای استفاده از معماری تراشه‌های پیشرفته موسوم به gate all-around یا GAA محدود می‌کند. GAA نیمه‌هادی‌ها را قدرتمندتر می‌سازد و در حال حاضر توسط سازندگان تراشه استفاده می‌گردد.
مشخص نیست مقامات آمریکایی چه زمانی تصمیم نهایی در این باره را اتخاذ خواهند کرد. به گفته آن‌ها، هدف ایالات‌متحده این است که چین را در جمع آوری سیستم‌های محاسباتی پیچیده مورد نیاز برای ساخت و راه اندازی مدل‌های هوش مصنوعی با چالش مواجه کند و پیش از تجاری سازی، این فناوری‌های نوپا را محدود سازد.
شرکت‌هایی مانند انویدیا، اینتل و ادونس میکرو دیوایس – به همراه شرکای تولیدی تراشه سازی تایوان و سامسونگ الکترونیکس – به دنبال شروع تولید انبوه نیمه‌هادی‌ها با طراحی GAA در سال آینده هستند.
ایالات‌متحده پیش از این محدودیت‌های متعددی را برای فروش نیمه‌هادی‌های پیشرفته و ابزارهای ساخت تراشه به چین اعمال کرده است. وزیر بازرگانی آمریکا نیز بارها گفته که کشورش در صورت لزوم به این اقدامات اضافه خواهد کرد تا پیشرفته‌ترین فناوری هوش مصنوعی را از دست پکن دور نگه دارد، زیرا این نگرانی وجود دارد که این فناوری بتواند به ارتش چین برتری دهد.
با این حال، دولت بایدن برای صدور مقررات بیشتر قبل از انتخابات ریاست‌جمهوری نوامبر و این که کدام فناوری‌ها را در اولویت قرار دهد، تلاش می‌کند.
اداره صنعت و امنیت آمریکا اخیراً پیش نویس قانون GAA را به کمیته‌ای که به عنوان کمیته مشاوره فنی شناخته می‌شود ارسال کرده است. این پنل متشکل از کارشناسان صنعت است و در مورد پارامترهای فنی خاص مشاوره ارائه می‌دهد. اما پس از انتقاد برخی مقامات این صنعت از نسخه اول، این قانون هنوز نهایی نشده است. مشخص نیست که آیا این ممنوعیت توانایی چین را برای توسعه تراشه‌های GAA خود محدود می‌کند یا فراتر از آن و به دنبال مسدود کردن شرکت‌های خارجی – به‌ویژه سازندگان تراشه آمریکایی – از فروش محصولات خود به تولیدکنندگان لوازم الکترونیکی چینی است.
بنا بر نظر برخی کارشناسان، این اقدامات تا حد ممنوعیت صادرات تراشه GAA پیش نمی‌رود، بلکه بر روی فناوری مورد نیاز برای ساخت آن‌ها تمرکز می‌کند.
همچنین در مراحل اولیه گفتگوهایی در مورد محدود کردن صادرات تراشه‌های حافظه با پهنای باند بالا وجود دارد. این نیمه‌هادی‌ها که توسط شرکت‌های SK Hynix و Micron Technology ساخته شده‌اند، دسترسی به حافظه را سرعت می‌بخشند و به تقویت شتاب‌دهنده‌های هوش مصنوعی کمک می‌کنند. این تراشه‌ها برای آموزش نرم افزار هوش مصنوعی استفاده می‌شوند.
منبع: bloomberg
