人工智能“入侵”芯片制造，芯片設(shè)計(jì)師有失業(yè)危機(jī)了？

鞭牛士報(bào)道 現(xiàn)如今，隨著人工智能（AI）的快速發(fā)展，這項(xiàng)技術(shù)正在變革多個(gè)行業(yè)。傳統(tǒng)金融、零售、制造業(yè)乃至藝術(shù)領(lǐng)域都已經(jīng)出現(xiàn)人工智能（AI）的身影，而更為復(fù)雜的芯片制造領(lǐng)域目前也已經(jīng)被人工智能所觸及。在2021年6月，谷歌就利用AI來設(shè)計(jì)其TPU芯片，谷歌表示，人工智能可以在不到6小時(shí)的時(shí)間內(nèi)完成人工需要數(shù)月時(shí)間完成的芯片設(shè)計(jì)工作。另外根據(jù)IEEE報(bào)道，隨著AI在芯片設(shè)計(jì)方面的應(yīng)用，芯片性能提升周期在逐漸縮短，有可能打破“每隔18個(gè)月芯片性能可提升一倍”的摩爾定律。毫不夸張地說，AI技術(shù)正在滲透到更多芯片業(yè)的核心環(huán)節(jié)，其中在制造這一芯片產(chǎn)業(yè)鏈的關(guān)鍵環(huán)節(jié)，AI也在悄然發(fā)力。

（圖片素材來源于：脈脈）

那么人工智能技術(shù)“入侵”芯片制造，這些技術(shù)現(xiàn)階段實(shí)際應(yīng)用如何，Ai技術(shù)是否會(huì)取代芯片設(shè)計(jì)師等重復(fù)人力工作，未來人力與新技術(shù)將會(huì)是一種怎么的關(guān)系？這類話題在職場(chǎng)社交平臺(tái)脈脈上有著不少的討論。

AI強(qiáng)勢(shì)出擊，把關(guān)芯片良品率

眾所周知，目前主流行業(yè)發(fā)展都建立在更高性能、更低功耗、更大算力的芯片的基礎(chǔ)之上，但芯片供不應(yīng)求的局面卻在進(jìn)一步加劇，尤其是高精尖芯片，而目前能夠有效提升芯片產(chǎn)量且被業(yè)內(nèi)公認(rèn)的方式就是提升現(xiàn)有產(chǎn)品的良率。

但提升良率并非一蹴而就，對(duì)于芯片設(shè)計(jì)商和制造商都是嚴(yán)峻的挑戰(zhàn)。以半導(dǎo)體產(chǎn)業(yè)鏈的關(guān)鍵一環(huán)——制造為例，整個(gè)制造過程主要分為八個(gè)步驟：晶圓加工 - 氧化 - 光刻 - 刻蝕 - 薄膜沉積 - 互連 - 測(cè)試 - 封裝，每個(gè)芯片的制造步驟又需要數(shù)百個(gè)工藝。生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)量龐雜，涉及的參數(shù)變量繁多，任何一點(diǎn)微小的變化都能影響到最終芯片的良率。

同時(shí)隨著芯片工藝來到更先進(jìn)的5nm、3nm，芯片設(shè)計(jì)復(fù)雜度呈幾何倍數(shù)增加，生產(chǎn)流程的不斷加長，芯片的制造變得極其復(fù)雜與精密，良率變得極具挑戰(zhàn)。因此，在如今這個(gè)高度自動(dòng)化的時(shí)代，引入人工智能/機(jī)器學(xué)習(xí)等技術(shù)，來推動(dòng)芯片的制造流程，提升芯片的良率被業(yè)界格外關(guān)注。

比如半導(dǎo)體設(shè)備供應(yīng)商應(yīng)用材料（Applied Materials）將人工智能融入到晶圓檢測(cè)流程，從2016年開始應(yīng)用材料就使用ExtractAI技術(shù)開發(fā)Enlight系統(tǒng)，于 2020 年推出了新一代Enlight光學(xué)半導(dǎo)體晶圓檢測(cè)機(jī)，該檢測(cè)設(shè)備引入了大數(shù)據(jù)和AI技術(shù)。Enlight 系統(tǒng)只需不到一個(gè)小時(shí)就可以繪制出晶圓上數(shù)百萬個(gè)潛在缺陷。

在芯片設(shè)計(jì)端的DFM，EDA供應(yīng)商們正致力于將各種AI功能集成到工具流中。，西門子EDA的Calibre SONR工具就內(nèi)嵌了機(jī)器學(xué)習(xí)引擎TenssorFlow，通過將并行計(jì)算和ML技術(shù)融入到EDA工具中去，使得EDA工具具有更快的運(yùn)行速度。這不僅能夠幫助設(shè)計(jì)人員可以胸有成竹地實(shí)施物理驗(yàn)證和交付設(shè)計(jì)，并能大幅提升流片良率，縮短芯片產(chǎn)品上市時(shí)間并加快創(chuàng)新速度。

AI不能包攬?jiān)煨?，還需要人工參與

雖然人工智能能夠深入芯片設(shè)計(jì)和制造的每一個(gè)細(xì)節(jié)，對(duì)可能產(chǎn)生的問題進(jìn)行預(yù)測(cè)判斷，但具體到實(shí)踐之中，仍然還需要人類對(duì)這些結(jié)果進(jìn)行整合。MathWork公司MATLAB平臺(tái)的高級(jí)產(chǎn)品經(jīng)理希瑟·高爾（Heather Gorr）表示對(duì)于工程師和設(shè)計(jì)師來說，他們只需要確定想要解決的問題，然后就可以把具體的解決工作交給AI，讓代理模型對(duì)各個(gè)組件的參數(shù)進(jìn)行調(diào)整、模擬，最后由工程師和設(shè)計(jì)師記錄最優(yōu)解下的參數(shù)。

不可否認(rèn)，人工智能進(jìn)入芯片制造領(lǐng)域可以幫助工程師和設(shè)計(jì)師們從一部分繁瑣的工作中解放出來，大大釋放了人力資本。此外，用AI進(jìn)行芯片設(shè)計(jì)能夠減少資源浪費(fèi)，優(yōu)化芯片設(shè)計(jì)，不過在最終的決策環(huán)節(jié)不能離開人的參與，基于AI的代理模型能夠幫助人們完成很多工作，但其利用率的高低取決于人們?nèi)绾芜\(yùn)用它，實(shí)現(xiàn)技術(shù)與人的互動(dòng)。

隨著科技的發(fā)展，AI越來越滲透入人們的生活之中，從智能家居、語言處理再到健康管理，AI的應(yīng)用無處不在，在精密度極高的芯片領(lǐng)域，AI也能夠分一杯羹，谷歌甚至開發(fā)出了讓AI進(jìn)行自主編碼的工具，未來，AI的智能化和應(yīng)用范圍還將達(dá)到怎樣的高度和廣度，值得期待。