摩尔定律失效？芯片发展放缓，Ai或为撬动产业继续发展的杠杆

作者：赵宇航

编辑：生煎

算力说

当价格不变时，集成电路上可容纳的元器件的数目，约每隔18－24个月便会增加一倍，性能也将提升一倍，这也被称为摩尔定律。

实际上集成电路的发展速度已经放缓，面对越发微小的纳米工艺，制造业正在面临物理上的瓶颈。但是集成电路仍然要发展，接下来怎么做，华虹集团总工程师赵宇航认为，Ai或许是撬动芯片产业继续向前的杠杆。

赵宇航在世界人工智能大会上表示，将Ai运用在芯片的生产环节，进行精细化管控，提高芯片的设计效率、生产速度和良品率，将原先的自动化生产线进化成智能生产线，将会是芯片行业在后摩尔定律时代的方向。

而华虹集团，正在以AiFab的形式，开始了探索。

下附赵宇航在世界人工智能大会上的演讲实录。

为什么现在需要更复杂的芯片、更难的集成电路制造呢？是因为AI，AI给我们带来了急剧的对存储、处理以及数据量的急剧增长，也是AI，才能接受后摩尔时代的挑战。

1

AI与芯片的第二次时代耦合

我们回顾集成电路半导体的发展历程，上个世纪曾经出现过一次创新耦合的过程。

CPU芯片需要有很好的计算机辅助设计工具才能设计出来，而这些更好的EDA工具需要有更强的CPU才能运行，使得整个EDA设计和CPU产品进入了创新耦合的过程，如果走不通条路，可能集成电路的发展在上个世纪就终结了，最后集成电路突破了这个耦合。

到今天我们又看到了耦合出现的端倪，这是AI带来的。

现在的集成电路制造，涉及到几百种集成电路装备、材料，很多的设计工具，但是如何把这些运转好，是整个生态系统的问题。 如果不靠AI来处理，可能我们的集成电路制造没法往下走，没法制造出具有强大性能，可以在各行各业运用的AI芯片。

进入新的阶段，怎么突破AI和集成电路制造的耦合？

现在AI芯片的需求数据急剧增长，给我们集成电路芯片制造带来了重大的挑战，我们每天需要几百个T的数据量，涵盖了设备、工艺等方面，尤其是光刻。

光刻第一步工序，需要大量的计算数据，每一步都要量测。此外还有新架构、新器材、新芯片都需要新器械、新材料来支撑，这大量的数据给我们集成电路芯片制造带来了几个挑战。

第一个挑战是整个生产线的运营管控，第二个是新工艺。新工艺的工艺制造步骤比以往急剧增加，流程非常复杂。我们制作出来的良率以及产能控制都面临严峻的挑战。