本文由半導(dǎo)體產(chǎn)業(yè)縱橫(ID：ICVIEWS)編譯自eletimes

量子AI 助力，半導(dǎo)體供應(yīng)鏈韌性升級。

幾十年來，硅一直是計算機發(fā)展的主要驅(qū)動力，但摩爾定律如今已接近極限。隨著對芯片速度和能效要求的不斷提高，由于供應(yīng)短缺和地緣政治緊張局勢，供應(yīng)鏈面臨的壓力前所未有。

這就是人工智能和量子計算發(fā)揮作用的地方。這并非科幻小說；它們正在幫助發(fā)現(xiàn)新的半導(dǎo)體材料，并優(yōu)化晶圓廠的生產(chǎn)計劃。這可以縮短交貨周期，降低風(fēng)險，并打造更具韌性的供應(yīng)鏈。

對于工程師和采購團隊來說，信息很簡單：要想在芯片領(lǐng)域保持領(lǐng)先地位，很快就需要同時利用量子計算和人工智能。

量子計算和人工智能在半導(dǎo)體創(chuàng)新中的融合

量子計算使用量子比特，與經(jīng)典比特不同，量子比特可以處于疊加態(tài)，同時表示0和1。這使得量子處理器能夠處理經(jīng)典計算機難以完成的復(fù)雜模擬，例如模擬新型半導(dǎo)體材料中的原子級行為。

人工智能增強了這種能力。通過將預(yù)測分析應(yīng)用于量子模擬，機器學(xué)習(xí)模型可以識別有前景的候選材料，預(yù)測其性能，并提出調(diào)整建議。這使得原本緩慢的試錯過程轉(zhuǎn)變?yōu)榭蓤?zhí)行的洞察，從而節(jié)省了數(shù)年的實驗室工作。

以谷歌的Willow處理器為例。它是Sycamore的后續(xù)產(chǎn)品，雖然并非完全為材料研究而設(shè)計，但它展示了量子系統(tǒng)如何擴展并減少誤差。當(dāng)與機器學(xué)習(xí)相結(jié)合時，它為芯片創(chuàng)新至關(guān)重要的材料特性提供了前所未有的視角。

正如Anima Anandkumar 指出的那樣：“人工智能幫助我們將量子模擬的原始復(fù)雜性轉(zhuǎn)化為工程師實際可以使用的見解?！薄?Anima Anandkumar，加州理工學(xué)院教授兼英偉達(dá)人工智能研究高級總監(jiān)。

人工智能和量子計算的結(jié)合，正在為芯片設(shè)計奠定一種全新的基礎(chǔ)。

人工智能驅(qū)動的材料科學(xué)：運營和市場影響

在發(fā)現(xiàn)新型半導(dǎo)體材料時，原子級精度至關(guān)重要。人工智能驅(qū)動的量子模型可以模擬石墨烯、氮化鎵或鈣鈦礦等材料中的電子行為。這使得研究人員能夠在進(jìn)行實驗室測試之前評估材料的導(dǎo)電性、能量效率和耐久性，從而極大地加快材料鑒定速度。

實際影響顯著。傳統(tǒng)上，材料驗證需要數(shù)年時間，但早期研究表明，驗證時間可以縮短30%至50%。這使得晶圓廠能夠更高效地運營，使生產(chǎn)與新技術(shù)同步，并最大限度地減少閑置時間。

市場壓力進(jìn)一步加劇了這一局面。在2021年的短缺期間，交貨周期從大約12周延長至一年以上。借助人工智能，企業(yè)可以預(yù)測供應(yīng)鏈中斷并主動調(diào)整采購策略。量子模擬還能擴大可用材料的范圍，從而減少對單一供應(yīng)商或高風(fēng)險地區(qū)的依賴。

圖1. 半導(dǎo)體交貨周期從2020年的12周飆升至2022年的30周以上，之后有所緩解。人工智能與量子技術(shù)的融合可以通過實現(xiàn)預(yù)測分析和多元化采購來幫助穩(wěn)定這些波動。

投資回報令人矚目。德勤指出，將人工智能融入研發(fā)和供應(yīng)鏈運營的企業(yè)，效率提升幅度可達(dá)兩位數(shù)，這主要得益于產(chǎn)量預(yù)測的改進(jìn)和停機時間的減少。谷歌的量子研究團隊已證明，人工智能驅(qū)動的模擬可以在幾周內(nèi)將有前景的材料從數(shù)千種縮減到幾種，而使用傳統(tǒng)計算方法通常需要數(shù)年時間。研發(fā)周期的顯著縮短從根本上改變了競爭格局。

為采購和供應(yīng)鏈領(lǐng)導(dǎo)者提供戰(zhàn)略洞察

對于采購和供應(yīng)鏈領(lǐng)導(dǎo)者而言，這不僅僅是一次技術(shù)升級，更代表著一項真正的戰(zhàn)略優(yōu)勢。人工智能驅(qū)動的量子工具能夠優(yōu)化交付周期，從而實現(xiàn)更精準(zhǔn)的供應(yīng)商合同，并減少對過剩庫存的需求。預(yù)測分析還能幫助團隊在潛在風(fēng)險影響晶圓廠或延誤客戶交付之前識別它們。

供應(yīng)鏈韌性也得到提升。當(dāng)人工智能引導(dǎo)的量子模擬確認(rèn)可以從不同地區(qū)采購的替代半導(dǎo)體時，采購團隊就能降低地緣政治風(fēng)險或自然災(zāi)害帶來的影響。這種方法與美國《芯片與科學(xué)法案》和歐盟《芯片法案》等國家倡議相契合，這兩項法案都旨在促進(jìn)更強大的本地化生產(chǎn)和更具韌性的采購策略。量子人工智能建模提供了驗證這些替代供應(yīng)渠道所需的必要技術(shù)保障。

“短期內(nèi)，人工智能行業(yè)的上升趨勢顯而易見，但那些能夠有效管理供應(yīng)鏈、吸引并留住人才的公司，才能更好地把握人工智能蓬勃發(fā)展帶來的機遇并從中獲益?！薄咇R威全球技術(shù)主管馬克·吉布森

圖2. 采用人工智能增強型半導(dǎo)體運營的公司獲得了顯著更高的投資回報率，咨詢研究報告顯示，與傳統(tǒng)運營相比，效率提高了兩位數(shù)。

歸根結(jié)底，成功整合這些技術(shù)的公司不僅能更快地將產(chǎn)品推向市場，還能在當(dāng)今瞬息萬變的全球市場中獲得真正的競爭優(yōu)勢。在半導(dǎo)體行業(yè)，幾周的延誤就可能造成數(shù)十億美元的收入損失，因此，敏捷性對于生存至關(guān)重要。

未來展望：量子人工智能對半導(dǎo)體制造的影響規(guī)模化

展望未來，下一個重大發(fā)展方向似乎是全棧式量子人工智能設(shè)計。試想一下，量子處理器運行全芯片模擬，而人工智能則負(fù)責(zé)優(yōu)化其速度、效率和可制造性。雖然我們尚未完全實現(xiàn)這一目標(biāo)，但光子電路和自旋電子元件的逐步進(jìn)步已經(jīng)產(chǎn)生了切實可見的成果。

對于制造團隊而言，挑戰(zhàn)在于如何保持供應(yīng)鏈的靈活性。隨著新材料從模擬階段過渡到試生產(chǎn)階段，采購和制造團隊必須協(xié)調(diào)一致地擴大規(guī)模。如今的量子處理器并不完美，它們在量子比特數(shù)量、錯誤率和可擴展性方面仍然存在局限性，但如果進(jìn)展持續(xù)，未來十年內(nèi)有望出現(xiàn)實際的工業(yè)應(yīng)用。現(xiàn)在就開始規(guī)劃、制定路線圖并建立戰(zhàn)略合作伙伴關(guān)系的公司將獲得顯著優(yōu)勢。

結(jié)論

目前，半導(dǎo)體行業(yè)正處于一個關(guān)鍵的轉(zhuǎn)折點。將人工智能的預(yù)測能力與量子計算的原子級洞察力相結(jié)合，可以加速產(chǎn)品發(fā)現(xiàn)，縮短研發(fā)周期，并顯著增強供應(yīng)鏈的韌性。對于工程師和采購負(fù)責(zé)人而言，信息很明確：采用人工智能與量子計算的融合不僅僅關(guān)乎技術(shù)，更關(guān)乎保持競爭力。硅芯片的下一個重大突破并非偶然，而是需要借助人工智能和量子計算進(jìn)行精心設(shè)計、優(yōu)化和工程打造。