半导体产业正在经历一场由数字化转型引领的结构性变革，人工智能（AI）技术融入产品研发过程进一步加速了这一转型。与此同时，摩尔定律从晶体管微缩向系统级微缩的演进以及新冠疫情引发的全球电子供应链重塑，也为半导体产业转型提供了新的机遇和挑战。
一月早些时候，我在加利福尼亚州半月湾举行的“2024年度行业战略研讨会”上发表了有关这一主题的演讲。每年，来自整个芯片行业的领袖们都会借此契机齐聚一堂，分享他们对技术和趋势驱动因素的见解，以及这些因素可能对我们各自业务所带来的影响。
从20世纪70年代初至2005年左右，芯片性能提升主要归功于光刻技术的进步，和晶体管密度与能效的提高，所带来的时钟频率提升。然而，随着晶体管数量的激增（和裸片尺寸的增大），时钟频率不再受限于晶体管的性能，而是主要受到互连延迟的影响。为了克服这一挑战，设计人员转而采用多核设计，在不大幅增加功耗的情况下提高系统性能。同时，先进的封装技术，例如小芯片(chiplet)和多芯片模块(multi-chip modules)，则进一步帮助提升了系统性能，尤其是在人工智能芯片领域。
单个芯片封装可以包含多个chiplet，分别承载特定功能，例如高性能逻辑元件、AI加速器、高带宽DDR存储器，和高速外设。通常情况下，这些组件来自不同的晶圆厂，由此导致了全球供应链的碎片化趋势。这带来了一系列挑战，因为来自多个晶圆厂的裸片必须被集成至一个封装或系统中，还必须经过彻底的测试。而在此阶段测试失败将产生巨大的财务损失。为应对此类挑战，我们需要在产品开发中采取“左移”的思路，将重点从单纯的架构/设计，转移至最终的系统测试与质量。这对于我们所处的行业及其供应链管理都具有重要意义。
新冠疫情期间出现的供应链挑战进一步加速了供应链组件的去中心化趋势。2022 年至 2024 年 12 月，全球共有 93 座晶圆厂开工建设。相比之下，2021 年新增后端测试设施则达到 484 个，这一对比凸显了芯片行业为提升产能和产品良率所做的不懈努力。
AI在半导体设计和制造中的作用
那么，AI又会在哪些方面对此产生影响？
人工智能将发挥关键作用的地方是，从分析模式到预测模式的转变。目前，我们通常是被动地等待问题的出现，然后通过分析历史数据追溯根本原因，并防止它再次发生。这种“事后诸葛亮式”的做法增加了供应链中所耗费的时间、成本，也增加了不确定性和浪费。相比之下，AI使我们能够基于当前实时数据来预测未来的结果，从而实现主动干预和风险规避。
告别了过时的电子表格分析，我们正在积极拥抱智能化时代。相比于传统基于静态历史数据的分析，我们构建了可持续学习的AI模型，生产工程师能够不断注入新的数据进行训练。值得一提的是，这些“新”数据不再仅仅是一组数字或测量值，而是延伸到了更丰富的非结构化数据，例如裸片照片、设备噪声、时间序列传感器数据和视频等，助力实现更为精准的预测和高效的决策。
数据的最终价值在于行动。我们的最终目标，是要从海量数据点中提取可用的信息。换句话说，如果这些数据不能用于进一步行动的参考，那大部分是无用的。遗憾的是，当今企业产生的90%的数据从未被使用过，这是“暗数据”。然而，这种情况也发生在人工智能领域。在AI的实施过程中，46%的项目停留在试验阶段，难以迈向实际生产。究其原因，往往是项目的复杂性超过了一定范围，缺乏妥善的规划和控制。
尽管存在这些挑战，设备制造商已经开始将数字化转型技术应用至产品开发流程中，获得的收益也显而易见。波士顿咨询集团的研究发现，已在供应链和设计链强化弹性的企业，从新冠疫情衰退中恢复过来的速度是尚未接受数字化转型公司的两倍。
瑞萨近期收购了一家名为Reality AI 的公司。该公司打造了一种在微控制器或微处理器上运行的紧凑型机器学习模型。它可以快速识别可能导致设备问题的异常模式。这样，制造设施便可以安排预防性维护，或最大限度缩短因设备突发故障而导致的停机时间。
数字化转型是我们行业的未来保障
今天，以AI为基础的数字化转型已成为企业成功的关键。在半导体行业，我们正面临着重大变革——这意味着积极采用系统级设计模式，以应对不断变化的全球供应链——数字化转型和“左移”策略是双管齐下的强大工具。
首先，借助经优化的工具与设计流程能够显著提高生产力。距离可能发生故障的地方越近，就能越快地了解情况，从而可以更迅速地学习和解决问题。
其次，也许也是最重要的一点，数字化转型解决了芯片设计行业面临的最大问题之一——人才问题。通过缩短芯片设计所需的时间，我们的工程人员会比以前更为高效。这在半导体行业人口结构日益老化的情况下变得尤为重要。
结语
拥抱数字化转型，就是拥抱未来。半导体行业乃至所有行业，唯有坚持不懈地探索创新之路，才能在变幻莫测的商业环境中乘风破浪，缔造辉煌。