AI在半導體設計和制造中的作用

摘要

Sailesh Chittipeddi討論人工智能在半導體設計和制造中的作用。

Sailesh Chittipeddi——Executive VP and GM, Embedded Processing, Digital Power and Signal Chain Solutions Group

半導體產(chǎn)業(yè)正在經(jīng)歷一場(chǎng)由數字化轉型引領(lǐng)的結構性變革，人工智能（AI）技術(shù)融入產(chǎn)品研發(fā)過(guò)程進(jìn)一步加速了這一轉型。與此同時(shí)，摩爾定律從晶體管微縮向系統級微縮的演進(jìn)以及新冠疫情引發(fā)的全球電子供應鏈重塑，也為半導體產(chǎn)業(yè)轉型提供了新的機遇和挑戰。

一月早些時(shí)候，我在加利福尼亞州半月灣舉行的“2024年度行業(yè)戰略研討會(huì )”上發(fā)表了有關(guān)這一主題的演講。每年，來(lái)自整個(gè)芯片行業(yè)的領(lǐng)袖們都會(huì )借此契機齊聚一堂，分享他們對技術(shù)和趨勢驅動(dòng)因素的見(jiàn)解，以及這些因素可能對我們各自業(yè)務(wù)所帶來(lái)的影響。

從20世紀70年代初至2005年左右，芯片性能提升主要歸功于光刻技術(shù)的進(jìn)步，和晶體管密度與能效的提高，所帶來(lái)的時(shí)鐘頻率提升。然而，隨著(zhù)晶體管數量的激增（和裸片尺寸的增大），時(shí)鐘頻率不再受限于晶體管的性能，而是主要受到互連延遲的影響。為了克服這一挑戰，設計人員轉而采用多核設計，在不大幅增加功耗的情況下提高系統性能。同時(shí)，先進(jìn)的封裝技術(shù)，例如小芯片（chiplet）和多芯片模塊（multi-chip modules），則進(jìn)一步幫助提升了系統性能，尤其是在人工智能芯片領(lǐng)域。

單個(gè)芯片封裝可以包含多個(gè)chiplet，分別承載特定功能，例如高性能邏輯元件、AI加速器、高帶寬DDR存儲器，和高速外設。通常情況下，這些組件來(lái)自不同的晶圓廠(chǎng)，由此導致了全球供應鏈的碎片化趨勢。這帶來(lái)了一系列挑戰，因為來(lái)自多個(gè)晶圓廠(chǎng)的裸片必須被集成至一個(gè)封裝或系統中，還必須經(jīng)過(guò)徹底的測試，而在此階段測試失敗將產(chǎn)生巨大的財務(wù)損失。為應對此類(lèi)挑戰，我們需要在產(chǎn)品開(kāi)發(fā)中采取“左移”的思路，將重點(diǎn)從單純的架構/設計，轉移至最終的系統測試與質(zhì)量。這對于我們所處的行業(yè)及其供應鏈管理都具有重要意義。

新冠疫情期間出現的供應鏈挑戰進(jìn)一步加速了供應鏈組件的去中心化趨勢。2022年至2024年12月，全球共有93座晶圓廠(chǎng)開(kāi)工建設。相比之下，2021年新增后端測試設施則達到484個(gè)，這一對比凸顯了芯片行業(yè)為提升產(chǎn)能和產(chǎn)品良率所做的不懈努力。

AI在半導體設計和制造中的作用

那么，AI又會(huì )在哪些方面對此產(chǎn)生影響？

人工智能將發(fā)揮關(guān)鍵作用的地方是，從分析模式到預測模式的轉變。目前，我們通常是被動(dòng)地等待問(wèn)題的出現，然后通過(guò)分析歷史數據追溯根本原因，并防止它再次發(fā)生。這種“事后諸葛亮式”的做法增加了供應鏈中所耗費的時(shí)間、成本，也增加了不確定性和浪費。相比之下，AI使我們能夠基于當前實(shí)時(shí)數據來(lái)預測未來(lái)的結果，從而實(shí)現主動(dòng)干預和風(fēng)險規避。

告別了過(guò)時(shí)的電子表格分析，我們正在積極擁抱智能化時(shí)代。相比于傳統基于靜態(tài)歷史數據的分析，我們構建了可持續學(xué)習的AI模型，生產(chǎn)工程師能夠不斷注入新的數據進(jìn)行訓練。值得一提的是，這些“新”數據不再僅僅是一組數字或測量值，而是延伸到了更豐富的非結構化數據，例如裸片照片、設備噪聲、時(shí)間序列傳感器數據和視頻等，助力實(shí)現更為精準的預測和高效的決策。

數據的最終價(jià)值在于行動(dòng)。我們的最終目標，是要從海量數據點(diǎn)中提取可用的信息。換句話(huà)說(shuō)，如果這些數據不能用于進(jìn)一步行動(dòng)的參考，那大部分是無(wú)用的。遺憾的是，當今企業(yè)產(chǎn)生的90%的數據從未被使用過(guò)，這是“暗數據”。然而，這種情況也發(fā)生在人工智能領(lǐng)域。在A(yíng)I的實(shí)施過(guò)程中，46%的項目停留在試驗階段，難以邁向實(shí)際生產(chǎn)。究其原因，往往是項目的復雜性超過(guò)了一定范圍，缺乏妥善的規劃和控制。

Digital Transformation Analysis to Prediction

盡管存在這些挑戰，設備制造商已經(jīng)開(kāi)始將數字化轉型技術(shù)應用至產(chǎn)品開(kāi)發(fā)流程中，獲得的收益也顯而易見(jiàn)。波士頓咨詢(xún)集團的研究發(fā)現，已在供應鏈和設計鏈強化彈性的企業(yè)，從新冠疫情衰退中恢復過(guò)來(lái)的速度是尚未接受數字化轉型公司的兩倍。

瑞薩近期收購了一家名為Reality AI的公司。該公司打造了一種在微控制器或微處理器上運行的緊湊型機器學(xué)習模型。它可以快速識別可能導致設備問(wèn)題的異常模式。這樣，制造設施便可以安排預防性維護，或最大限度縮短因設備突發(fā)故障而導致的停機時(shí)間。

數字化轉型是我們行業(yè)的未來(lái)保障

今天，以AI為基礎的數字化轉型已成為企業(yè)成功的關(guān)鍵。在半導體行業(yè)，我們正面臨著(zhù)重大變革——這意味著(zhù)積極采用系統級設計模式，以應對不斷變化的全球供應鏈——數字化轉型和“左移”策略是雙管齊下的強大工具。

首先，借助經(jīng)優(yōu)化的工具與設計流程能夠顯著(zhù)提高生產(chǎn)力。距離可能發(fā)生故障的地方越近，就能越快地了解情況，從而可以更迅速地學(xué)習和解決問(wèn)題。

其次，也許也是最重要的一點(diǎn)，數字化轉型解決了芯片設計行業(yè)面臨的最大問(wèn)題之一——人才問(wèn)題。通過(guò)縮短芯片設計所需的時(shí)間，我們的工程人員會(huì )比以前更為高效。這在半導體行業(yè)人口結構日益老化的情況下變得尤為重要。

結語(yǔ)

擁抱數字化轉型，就是擁抱未來(lái)。半導體行業(yè)乃至所有行業(yè)，唯有堅持不懈地探索創(chuàng )新之路，才能在變幻莫測的商業(yè)環(huán)境中乘風(fēng)破浪，締造輝煌。