人工智能与半导体制造的深度融合

据我所知，在某知名电商举办的大数据推荐商品人工智能算法比赛中，如果推荐准确率在10%以上，就可以拿到冠军，但10%的准确率，在工业应用中绝对不能接受。工业里的人工智能必须利用算法告诉用户，设备是不是真的要坏了需要检修，如果预测准确率只有10%，那还不如去做定期保养与定期维护。所以，这两点我想强调的工业和互联网应用的最大区别。

回到半导体，半导体是NI今后的几大重点方向之一。半导体产业非常复杂，上游有原材料，半导体主要用硅片，面板厂可能用玻璃片，原材料之后就是设计、制造与封测，半导体设计、制造与封测的每一环节都有很多玩家，也有英特尔这样设计、制造、封测全部覆盖的厂商，我们称之为IDM（整合元件制造商）。

人工智能到底可以给半导体行业哪些玩家带来什么样的好处？接下来我希望给大家来做一些介绍。

对于半导体来说，不管封测厂还是晶圆厂，最关心的只有两点，首先是提升制造过程的良率，然后在保证一定良率情况下如何减少测试时间，从而缩短上市时间，让产品上市更加及时。

物联网思维让芯片更新换代周期越来越快。几年前还想不到共享单车这么普遍，其实所有共享单车里面也有一块物联网芯片。出现这么多共享单车，对芯片制造厂家和半导体上下游厂家来说，减少测试时间是最重要的一个考核点，怎么用人工智能提升良率或者减少测试时间，这是所有半导体厂家都关注的问题。

但是半导体制造又有和其他行业很不一样的地方，与其他行业相比，半导体设备最昂贵，也最复杂。一个12寸晶圆厂，要通过化学、物理的变化，在极为狭小的空间里面，能够生成出这么多的电路，对于设备的要求显然非常高。在半导体制造领域，晶圆厂里面用的很多设备都是数百万美元起的价格。这些设备通常只是完成一个工序，比如曝光或者化学沉积过程等，半导体有十几个这样的工序，需要十几台不同的机器。而且还有一点，制造过程要求也最高，半导体制造环境需要无尘无菌，任何外来杂质都会影响到良率，所以进晶圆厂要穿专用工作服。

还有一点，半导体制造里数据量在整个工业领域是数一数二。近几年由于芯片工艺向前演进到10纳米级别，半导体制造过程的数据爆炸式增长，以上是区别半导体和其他行业非常重要的几个特点。

所以在半导体生产中实施人工智能与机器学习是最具有挑战的事情，我刚才提到，半导体设备非常昂贵，也非常复杂，潜在的故障模式也最多，一台设备可能有数百种故障模式，对高铁来说可能最重要的就是轴承，一个轴承有4种潜在故障模式，但半导体制造则完全不一样。作为半导体厂商，当然希望人工智能将这数百种故障模式都能预测，提前告诉用户哪里可能会出问题。

其次，制造过程是动态变化的，因为制造环节有化学变化，所以制造设备中会有一些易损件或消耗品，会因为制造工艺不同而变化。

第三，数据量很大。但数据量大并不意味着一定就能够带来人工智能，如何获取高质量数据这也是非常重要的过程。所以在传统工业人工智能的场合，大量时间会花在数据上面，而不是算法上面。