鞭牛士报道 现如今，随着人工智能（AI）的快速发展，这项技术正在变革多个行业。传统金融、零售、制造业乃至艺术领域都已经出现人工智能（AI）的身影，而更为复杂的芯片制造领域目前也已经被人工智能所触及。
在2021年6月，谷歌就利用AI来设计其TPU芯片，谷歌表示，人工智能可以在不到6小时的时间内完成人工需要数月时间完成的芯片设计工作。另外根据IEEE报道，随着AI在芯片设计方面的应用，芯片性能提升周期在逐渐缩短，有可能打破“每隔18个月芯片性能可提升一倍”的摩尔定律。毫不夸张地说，AI技术正在渗透到更多芯片业的核心环节，其中在制造这一芯片产业链的关键环节，AI也在悄然发力。
（图片素材来源于：脉脉）
那么人工智能技术“入侵”芯片制造，这些技术现阶段实际应用如何，Ai技术是否会取代芯片设计师等重复人力工作，未来人力与新技术将会是一种怎么的关系？这类话题在职场社交平台脉脉上有着不少的讨论。
AI强势出击，把关芯片良品率
众所周知，目前主流行业发展都建立在更高性能、更低功耗、更大算力的芯片的基础之上，但芯片供不应求的局面却在进一步加剧，尤其是高精尖芯片，而目前能够有效提升芯片产量且被业内公认的方式就是提升现有产品的良率。
但提升良率并非一蹴而就，对于芯片设计商和制造商都是严峻的挑战。以半导体产业链的关键一环制造为例，整个制造过程主要分为八个步骤：晶圆加工- 氧化 - 光刻 - 刻蚀 - 薄膜沉积 - 互连 - 测试 - 封装，每个芯片的制造步骤又需要数百个工艺。生产过程中产生的数据量庞杂，涉及的参数变量繁多，任何一点微小的变化都能影响到最终芯片的良率。
同时随着芯片工艺来到更先进的5nm、3nm，芯片设计复杂度呈几何倍数增加，生产流程的不断加长，芯片的制造变得极其复杂与精密，良率变得极具挑战。因此，在如今这个高度自动化的时代，引入人工智能/机器学习等技术，来推动芯片的制造流程，提升芯片的良率被业界格外关注。
比如半导体设备供应商应用材料（Applied Materials）将人工智能融入到晶圆检测流程，从2016年开始应用材料就使用ExtractAI技术开发Enlight系统，于 2020 年推出了新一代Enlight光学半导体晶圆检测机，该检测设备引入了大数据和AI技术。Enlight 系统只需不到一个小时就可以绘制出晶圆上数百万个潜在缺陷。
在芯片设计端的DFM，EDA供应商们正致力于将各种AI功能集成到工具流中。，西门子EDA的Calipe SONR工具就内嵌了机器学习引擎TenssorFlow，通过将并行计算和ML技术融入到EDA工具中去，使得EDA工具具有更快的运行速度。这不仅能够帮助设计人员可以胸有成竹地实施物理验证和交付设计，并能大幅提升流片良率，缩短芯片产品上市时间并加快创新速度。
AI不能包揽造芯，还需要人工参与
虽然人工智能能够深入芯片设计和制造的每一个细节，对可能产生的问题进行预测判断，但具体到实践之中，仍然还需要人类对这些结果进行整合。MathWork公司MATLAB平台的高级产品经理希瑟高尔（Heather Gorr）表示对于工程师和设计师来说，他们只需要确定想要解决的问题，然后就可以把具体的解决工作交给AI，让代理模型对各个组件的参数进行调整、模拟，最后由工程师和设计师记录最优解下的参数。
不可否认，人工智能进入芯片制造领域可以帮助工程师和设计师们从一部分繁琐的工作中解放出来，大大释放了人力资本。此外，用AI进行芯片设计能够减少资源浪费，优化芯片设计，不过在最终的决策环节不能离开人的参与，基于AI的代理模型能够帮助人们完成很多工作，但其利用率的高低取决于人们如何运用它，实现技术与人的互动。
随着科技的发展，AI越来越渗透入人们的生活之中，从智能家居、语言处理再到健康管理，AI的应用无处不在，在精密度极高的芯片领域，AI也能够分一杯羹，谷歌甚至开发出了让AI进行自主编码的工具，未来，AI的智能化和应用范围还将达到怎样的高度和广度，值得期待。
