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革命，到電氣化帶來的第二次工業革命，再到信息、互聯網、移動帶來的第三次工業革命，以及如今的人工智能 AI 帶來的第四次工業革命。

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芯片產業仍處于產業化早期階段”。隨著5G、物聯網時代來臨，預計未來三年中國AI芯片市場規模仍將保持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、數據和算力。當前，AI芯片面臨兩個現實問題：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生新的變化；另一方面是一種算法對應一種應用，沒有統一的算法，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：

數據方面，國內環境有優勢；算法層面，美國領先一些，但從應用角度來看，國內并不落后；算力方面，要做好國產芯片，以及建設基于國產芯片的軟件生態，這條路可能還很長。”

人工智能賦能于半導體業

有了AI之后，與5G相結合會產生什么樣的火花。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時間動態的做出調整，提高生產效率。另外，人工智能還可以將很多專家的經驗和專業技能整合在一起，讓一個專家的經驗在不需要專家在場的情況下就能大面積的推廣使用，從而實現更好的經驗傳承。

利用AI技術對于芯片設計的影響體現在兩個方面：一方面在EDA工具方面。近幾年EDA公司做了很多工作，它們有大量的數據積累，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積累。相信按照現有的方式，不用特別長時間，AI就能在很多方面超過有經驗的工程師。以后的芯片設計過程更多是需要大量的數據和工具，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%。

在未來數年內Neural Engine(神經工程)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律，類似半導體的摩爾定律。這樣的規律可以認為是AI芯片算力的新摩爾定律。業界曾有人稱作“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)生產率提高了4倍，測試調通的速度大幅提高，基于實際的數據證明它的設計時間周期縮短到了3天。

用于半導體生產制造，通常需要4000個CPU運行一天才能產出1個掩膜Mask，但如果使用機器學習算法后，能夠將運行時間縮短到1/3-1/4。

在光刻工藝中，利用AI技術可以大幅提高良率，降低數倍生產的運行時間。不僅能識別出生產過程中產品的缺陷，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了我們的設備計劃外停機時間減少了30％，低產品良率減少了40％，及良品率學習曲線提高了20％。

目前半導體公司在大數據分析上，最關注的是良率診斷分析，也就是出現問題后可以通過系統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，從數據里面提出價值，來預測可能發生的問題。

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

臺積電如今已經能量產最先進的5nm芯片；2020年7月，臺積電生產了第10億顆功能完好、沒有缺陷的7nm芯片。無論是從產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節：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量要足夠降低，這些都是臺積電持續不斷努力的目標。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都少很多。

AI對于中國半導體業發展的現實意義

中國半導體業處在一個特定環境下，本應該通過全球化及國產化，兩個途徑，同樣發力來發展產業。但是美國仗勢欺人，想盡各種方法試圖阻斷我們全球化的進程，造成的影響是巨大的。所以中國半導體業發展必須要開辟新的路徑，其中利用AI技術改造現有產業可能是亮點之一。

吳漢明院士反復強調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，對于中國半導體業發展也極具價值，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