莫大康：给半导体业装上AI引擎

历史上的技术革命可以做个简单分类：从蒸汽机为主的第一次工业革命，到电气化带来的第二次工业革命，再到信息、互联网、移动带来的第三次工业革命，以及如今的人工智能 AI 带来的第四次工业革命。

普华永道对未来 AI 的一个预测：在未来大约十年中，就是 2030 年底，AI 将为全世界创造 16 万亿美元增额的 GDP。而 16 万亿美元中可能有 7 万亿美元是来自于中国。

赛迪顾问总裁孙会峰表示：“当前，中国乃至全球AI芯片产业仍处于产业化早期阶段”。随着5G、物联网时代来临，预计未来三年中国AI芯片市场规模仍将保持50%以上增长速度，到2021年将达到305.7亿元。另外，以边缘计算为主的AI芯片将迎来一轮投资热潮。

“我们离人工智能还有多远？目前很多企业所做的只是增强智能而不是真正的人工智能，离真正的人工智能还差得很远”。通常人工智能能够崛起取决于三个因素，算法、数据和算力。当前，AI芯片面临两个现实问题：一方面是算法仍在不断演进，新算法层出不穷，每隔几个月算法就发生新的变化；另一方面是一种算法对应一种应用，没有统一的算法，而让芯片处理不同的算法时十分困难。

目前从人工智能的三大要素看，大体状况如下：

数据方面，国内环境有优势；算法层面，美国领先一些，但从应用角度来看，国内并不落后；算力方面，要做好国产芯片，以及建设基于国产芯片的软件生态，这条路可能还很长。”

人工智能赋能于半导体业

有了AI之后，与5G相结合会产生什么样的火花。尽管如今的AI处于初级阶段，相信未来AI会给全球半导体业带来深刻的改变。

在半导体领域中实施AI+，对于实时分析，精准控制，提升效率以及进行预测等方面将有极大地提升。未来半导体和人工智能将重新定义国家之间的实力，也将成为重要的武器。

两年前，台积电曾表示，已经在工厂里开始使用人工智能技术，在人工智能的帮助下，能够在不增加设备的情况下多生产20%-30%的硅片。例如，在某些关键工序上，使用人工智能对机台的保养时间动态的做出调整，提高生产效率。另外，人工智能还可以将很多专家的经验和专业技能整合在一起，让一个专家的经验在不需要专家在场的情况下就能大面积的推广使用，从而实现更好的经验传承。

利用AI技术对于芯片设计的影响体现在两个方面：一方面在EDA工具方面。近几年EDA公司做了很多工作，它们有大量的数据积累，在引入AI技术后，能提取出设计过程中的“关键特征”，并对后续的设计工作起到非常直接的作用，可以缩短设计周期。

另一方面由于AI技术使得工作方式变得可持续积累。相信按照现有的方式，不用特别长时间，AI就能在很多方面超过有经验的工程师。以后的芯片设计过程更多是需要大量的数据和工具，这样整个设计端都会因此降低了门槛。

2020最近公布的苹果A14则搭载了最新一代的Neural Engine(神经工程)，使用台积电的5nm工艺，Neural Engine的具体芯片面积尚没有具体数字，但是其算力则是达到了11 TOPS，是上一代芯片的接近两倍。

Gooogle团队将AI强化学习方法应用于芯片设计中复杂的“布局”中，获得了显著的效果提升。对于芯片设计进行了足够长时间的学习之后，它可以在不到24小时的时间内完成Google Tensor处理单元的设计，并且在功耗、性能、面积（PPA）都超过了人类专家数周的设计成果。

两大EDA公司，Mentor and Synopsys认为加入AI的芯片设计工具可能缩短芯片的设计时间约达10倍，及芯片PPA提升20%。

在未来数年内Neural Engine(神经工程)乃至于广义的AI芯片市场都会有每两年性能提升两倍的规律，类似半导体的摩尔定律。这样的规律可以认为是AI芯片算力的新摩尔定律。业界曾有人称作“黄仁勋定律”。

英伟达(Nvidia)首席科学家兼高级研究副总裁 Bill Dally 表示，从2012年11月到2020年5月，英伟达的芯片性能在人工智能计算方面提升了317倍。

EDA公司Mentor的Joseph曾介绍以英伟达为例，通过使用这个工具，可以把生产效率提高近两倍，及验证成本下降了80%。

另外以Graphcor为例，通过使用AI技术，它的DFT(诊断式功能测试)生产率提高了4倍，测试调通的速度大幅提高，基于实际的数据证明它的设计时间周期缩短到了3天。

用于半导体生产制造，通常需要4000个CPU运行一天才能产出1个掩膜Mask，但如果使用机器学习算法后，能够将运行时间缩短到1/3-1/4。

在光刻工艺中，利用AI技术可以大幅提高良率，降低数倍生产的运行时间。不仅能识别出生产过程中产品的缺陷，还能进行预测缺陷。

存储器厂Micron 公司认为，人工智能的实施帮助美光实现了我们的设备计划外停机时间减少了30％，低产品良率减少了40％，及良品率学习曲线提高了20％。

目前半导体公司在大数据分析上，最关注的是良率诊断分析，也就是出现问题后可以通过系统的方法快速追踪问题源头，从而进行诊断分析，改善良率。

下一步要做的事情就是预测，通过AI、机器学习等手段，从数据里面提出价值，来预测可能发生的问题。

台积电将人工智能和机器学习技术用于芯片生产过程中的数据处理。在芯片制造设备中，台积电部署了大量传感器，确保任何有用的数据都能被收集成功，利用人工智能技术和机器学习技术将收集到的数据转化为相关信息，从中寻找并发现问题，并借此改善芯片生产制造，提高晶圆质量和成品率。

台积电如今已经能量产最先进的5nm芯片；2020年7月，台积电生产了第10亿颗功能完好、没有缺陷的7nm芯片。无论是从产量还是先进制程来看，台积电都走在了世界前列。

台积电的绿色制造分为三大环节：第一、能耗要最小，第二、废气排放量最低，使用水资源要最小，另外排放出来的废气物处理以及数量要足够降低，这些都是台积电持续不断努力的目标。台积电在中国台湾省工厂中，在单位面积里使用能源最小，排出气体最小的，用水量是最小的，台积电工厂排出的废气物比其他先进国家和地区都少很多。

AI对于中国半导体业发展的现实意义

中国半导体业处在一个特定环境下，本应该通过全球化及国产化，两个途径，同样发力来发展产业。但是美国仗势欺人，想尽各种方法试图阻断我们全球化的进程，造成的影响是巨大的。所以中国半导体业发展必须要开辟新的路径，其中利用AI技术改造现有产业可能是亮点之一。

吴汉明院士反复强调全球成熟制程的市场至少占一半以上，其中55纳米等以上制程芯片也很亮丽，对于中国半导体业发展也极具价值，关键在于要作出真正的“差异化”，能占领市场。

世上的事要想取得成功没有捷径，都要化人力，时间与金钱，以及先进技术是用钱买不来的，必须靠自主自强，但是方向找准有可能事半功倍。

编辑：jq