歷史上的技術革命可以做個簡單分類：從蒸汽機為主的第一次工業(yè)革命，到電氣化帶來的第二次工業(yè)革命，再到信息、互聯(lián)網(wǎng)、移動帶來的第三次工業(yè)革命，以及如今的人工智能 AI 帶來的第四次工業(yè)革命。

普華永道對未來 AI 的一個預測：在未來大約十年中，就是 2030 年底，AI 將為全世界創(chuàng)造 16 萬億美元增額的 GDP。而 16 萬億美元中可能有 7 萬億美元是來自于中國。

賽迪顧問總裁孫會峰表示：“當前，中國乃至全球AI芯片產(chǎn)業(yè)仍處于產(chǎn)業(yè)化早期階段”。隨著5G、物聯(lián)網(wǎng)時代來臨，預計未來三年中國AI芯片市場規(guī)模仍將保持50%以上增長速度，到2021年將達到305.7億元。另外，以邊緣計算為主的AI芯片將迎來一輪投資熱潮。

“我們離人工智能還有多遠？目前很多企業(yè)所做的只是增強智能而不是真正的人工智能，離真正的人工智能還差得很遠”。通常人工智能能夠崛起取決于三個因素，算法、數(shù)據(jù)和算力。當前，AI芯片面臨兩個現(xiàn)實問題：一方面是算法仍在不斷演進，新算法層出不窮，每隔幾個月算法就發(fā)生新的變化；另一方面是一種算法對應一種應用，沒有統(tǒng)一的算法，而讓芯片處理不同的算法時十分困難。

目前從人工智能的三大要素看，大體狀況如下：

數(shù)據(jù)方面，國內(nèi)環(huán)境有優(yōu)勢；算法層面，美國領先一些，但從應用角度來看，國內(nèi)并不落后；算力方面，要做好國產(chǎn)芯片，以及建設基于國產(chǎn)芯片的軟件生態(tài)，這條路可能還很長。”

人工智能賦能于半導體業(yè)

有了AI之后，與5G相結合會產(chǎn)生什么樣的火花。盡管如今的AI處于初級階段，相信未來AI會給全球半導體業(yè)帶來深刻的改變。

在半導體領域中實施AI+，對于實時分析，精準控制，提升效率以及進行預測等方面將有極大地提升。未來半導體和人工智能將重新定義國家之間的實力，也將成為重要的武器。

兩年前，臺積電曾表示，已經(jīng)在工廠里開始使用人工智能技術，在人工智能的幫助下，能夠在不增加設備的情況下多生產(chǎn)20%-30%的硅片。例如，在某些關鍵工序上，使用人工智能對機臺的保養(yǎng)時間動態(tài)的做出調(diào)整，提高生產(chǎn)效率。另外，人工智能還可以將很多專家的經(jīng)驗和專業(yè)技能整合在一起，讓一個專家的經(jīng)驗在不需要專家在場的情況下就能大面積的推廣使用，從而實現(xiàn)更好的經(jīng)驗傳承。

利用AI技術對于芯片設計的影響體現(xiàn)在兩個方面：一方面在EDA工具方面。近幾年EDA公司做了很多工作，它們有大量的數(shù)據(jù)積累，在引入AI技術后，能提取出設計過程中的“關鍵特征”，并對后續(xù)的設計工作起到非常直接的作用，可以縮短設計周期。

另一方面由于AI技術使得工作方式變得可持續(xù)積累。相信按照現(xiàn)有的方式，不用特別長時間，AI就能在很多方面超過有經(jīng)驗的工程師。以后的芯片設計過程更多是需要大量的數(shù)據(jù)和工具，這樣整個設計端都會因此降低了門檻。

2020最近公布的蘋果A14則搭載了最新一代的Neural Engine(神經(jīng)工程)，使用臺積電的5nm工藝，Neural Engine的具體芯片面積尚沒有具體數(shù)字，但是其算力則是達到了11 TOPS，是上一代芯片的接近兩倍。

Gooogle團隊將AI強化學習方法應用于芯片設計中復雜的“布局”中，獲得了顯著的效果提升。對于芯片設計進行了足夠長時間的學習之后，它可以在不到24小時的時間內(nèi)完成Google Tensor處理單元的設計，并且在功耗、性能、面積（PPA）都超過了人類專家數(shù)周的設計成果。

兩大EDA公司，Mentor and Synopsys認為加入AI的芯片設計工具可能縮短芯片的設計時間約達10倍，及芯片PPA提升20%。

在未來數(shù)年內(nèi)Neural Engine(神經(jīng)工程)乃至于廣義的AI芯片市場都會有每兩年性能提升兩倍的規(guī)律，類似半導體的摩爾定律。這樣的規(guī)律可以認為是AI芯片算力的新摩爾定律。業(yè)界曾有人稱作“黃仁勛定律”。

英偉達(Nvidia)首席科學家兼高級研究副總裁 Bill Dally 表示，從2012年11月到2020年5月，英偉達的芯片性能在人工智能計算方面提升了317倍。

EDA公司Mentor的Joseph曾介紹以英偉達為例，通過使用這個工具，可以把生產(chǎn)效率提高近兩倍，及驗證成本下降了80%。

另外以Graphcor為例，通過使用AI技術，它的DFT(診斷式功能測試)生產(chǎn)率提高了4倍，測試調(diào)通的速度大幅提高，基于實際的數(shù)據(jù)證明它的設計時間周期縮短到了3天。

用于半導體生產(chǎn)制造，通常需要4000個CPU運行一天才能產(chǎn)出1個掩膜Mask，但如果使用機器學習算法后，能夠?qū)⑦\行時間縮短到1/3-1/4。

在光刻工藝中，利用AI技術可以大幅提高良率，降低數(shù)倍生產(chǎn)的運行時間。不僅能識別出生產(chǎn)過程中產(chǎn)品的缺陷，還能進行預測缺陷。

存儲器廠Micron 公司認為，人工智能的實施幫助美光實現(xiàn)了我們的設備計劃外停機時間減少了30％，低產(chǎn)品良率減少了40％，及良品率學習曲線提高了20％。

目前半導體公司在大數(shù)據(jù)分析上，最關注的是良率診斷分析，也就是出現(xiàn)問題后可以通過系統(tǒng)的方法快速追蹤問題源頭，從而進行診斷分析，改善良率。

下一步要做的事情就是預測，通過AI、機器學習等手段，從數(shù)據(jù)里面提出價值，來預測可能發(fā)生的問題。

臺積電將人工智能和機器學習技術用于芯片生產(chǎn)過程中的數(shù)據(jù)處理。在芯片制造設備中，臺積電部署了大量傳感器，確保任何有用的數(shù)據(jù)都能被收集成功，利用人工智能技術和機器學習技術將收集到的數(shù)據(jù)轉化為相關信息，從中尋找并發(fā)現(xiàn)問題，并借此改善芯片生產(chǎn)制造，提高晶圓質(zhì)量和成品率。

臺積電如今已經(jīng)能量產(chǎn)最先進的5nm芯片；2020年7月，臺積電生產(chǎn)了第10億顆功能完好、沒有缺陷的7nm芯片。無論是從產(chǎn)量還是先進制程來看，臺積電都走在了世界前列。

臺積電的綠色制造分為三大環(huán)節(jié)：第一、能耗要最小，第二、廢氣排放量最低，使用水資源要最小，另外排放出來的廢氣物處理以及數(shù)量要足夠降低，這些都是臺積電持續(xù)不斷努力的目標。臺積電在中國臺灣省工廠中，在單位面積里使用能源最小，排出氣體最小的，用水量是最小的，臺積電工廠排出的廢氣物比其他先進國家和地區(qū)都少很多。

AI對于中國半導體業(yè)發(fā)展的現(xiàn)實意義

中國半導體業(yè)處在一個特定環(huán)境下，本應該通過全球化及國產(chǎn)化，兩個途徑，同樣發(fā)力來發(fā)展產(chǎn)業(yè)。但是美國仗勢欺人，想盡各種方法試圖阻斷我們?nèi)蚧倪M程，造成的影響是巨大的。所以中國半導體業(yè)發(fā)展必須要開辟新的路徑，其中利用AI技術改造現(xiàn)有產(chǎn)業(yè)可能是亮點之一。

吳漢明院士反復強調(diào)全球成熟制程的市場至少占一半以上，其中55納米等以上制程芯片也很亮麗，對于中國半導體業(yè)發(fā)展也極具價值，關鍵在于要作出真正的“差異化”，能占領市場。

世上的事要想取得成功沒有捷徑，都要化人力，時間與金錢，以及先進技術是用錢買不來的，必須靠自主自強，但是方向找準有可能事半功倍。

編輯：jq