塞迪顾问首席总裁孙会峰表示:今天，中国乃至全球人工智能集成电路产业链仍处于产业发展的早期阶段。人工智能技术在半导体行业的颠覆性创新。两年前，台积电表示，人工智能技术已经逐渐应用于加工厂。利用人工智能技术对集成电路设计的危害体现在两个是EDA专用工具层面。

历史上的技术革命可以简单分类:从蒸汽发生器主导的第一次技术革命，到电化产生的第二次技术革命，到信息内容、互联网技术、移动产生的第三次技术革命，以及当前人工智能技术人工智能产生的第四次技术革命。

普华永道对未来AI的预测分析:未来十年左右，即2030年底，AI将为全球创造15万亿美元的国内生产总值。15万亿美元中，7万亿美元很可能来自中国。

塞迪顾问首席总裁孙会峰表示:今天，中国乃至全球人工智能集成电路产业链仍处于产业发展的早期阶段。随着5G和物联网技术时代的到来，预计未来三年中国人工智能集成电路市场容量将保持50%以上的增长率，到2021年将达到305.7亿人民币。此外，以边缘计算为主的人工智能集成电路将进入一轮项目投资趋势。

每个人都离人工智能技术有多远？在这个阶段，很多企业所做的只是提高智能而非真正的人工智能技术，离真正的人工智能技术还有很大的差距。普通人工智能技术可以产生三个因素：优化算法，数据信息和算率。今天，AI集成ic遇到了两个实际的难题：一是优化算法仍在不断演变，新的优化算法多种多样，每隔几个月优化算法就会发生新的变化；二是优化算法匹配一种应用，没有统一的优化算法，使集成ic难以解决不同的优化算法。

目前从人工智能技术的三个主要因素来看，大致如下：

在数据和信息方面，中国的自然环境有优势；在优化算法方面，英国领先一些，但从应用的角度来看，中国并不落后；在计算率方面，要做好中国芯片及其基本建设。根据中国芯片的手机软件绿色生态，这条路可能还很长。

人工智能技术在半导体行业的颠覆性创新。

有了AI之后，和5G紧密结合会产生什么样的火焰呢？尽管现在的AI还处于起步阶段，但相信未来朗诵AI将为世界半导体产业带来难忘的变化。

实施AI+在半导体材料行业，针对即时剖析、精确操作、提高效率及其进行预测分析等方面将大大提高。未来，半导体材料和人工智能技术将彻底改变我国整体实力，同时也将成为武器装备的关键。

两年前，台积电表示，人工智能技术已经逐渐应用于加工厂。在人工智能技术的帮助下，可以在不改进机械设备的情况下生产20%-30%的单晶硅片。例如，在一些重要的工艺过程中，人工智能技术的应用可以动态调节机械设备的维护时间，提高生产率。此外，人工智能技术还可以将许多权威专家的工作经验和专业能力结合起来，使权威专家的工作经验能够在没有权威专家的情况下得到大规模的营销推广应用，从而完成更强的工作经验传播。

利用人工智能技术对集成电路设计的危害体现在两个是EDA专用工具层面。近几年来，EDA企业做了很多工作，他们积累了大量的数据信息，在引进AI技术之后，可以在设计过程中获得重要特征，并且对后期的设计方案工作有非常直接的效果，可以减少设计方案的周期时间。

另一方面，由于人工智能技术，工作方法越来越可持续。我坚信，根据目前的方法，人工智能可以在很多方面超越有工作经验的技术工程师，而不需要特别长的时间。在ic设计的整个过程中，需要大量的数据信息和专用工具，这样所有的设计方案都会降低门槛。

2020年最近发布的iPhoneA14采用了新一代NeuralEngine(神经系统工程项目)，采用了台积电的5nm工艺，NeuralEngine的实际集成ic总面积还没有实际数据，但其计算率是11TOPS，接近上一代集成ic的两倍。

Google精英团队将AI增强学习方式应用于ic设计中复杂的合理布局，取得了明显的实际效果。对ic设计进行了充分的长期学习训练后，可以在不到24小时的时间内进行GoogleTensor控制部件的设计方案，功能损失、特性、总面积(PPA)超过了人们权威专家几天的设计方案效果。

MentorandSynopsys认为，ynopsys认为，增加AI的ic设计专用工具很可能会使集成ic的设计时间减少10倍左右，集成icPPA提高20%。

NeuralEngine(神经系统工程项目)担心未来几年理论的AI集成ic销售市场每两年都会有规律性增长两倍，类似于半导体材料的颠覆性创新。这种规律可以被视为AI集成ic计算率的新颠覆性创新。业界曾经有人称之为黄仁勋基本法则。

英伟达显卡首席科学家和高级科研高级副总裁BillDally表示，从2012年11月到2020年5月，英伟达显卡的集成电路特性在人工智能技术计算方面提高了317倍。

EDA公司Mentor的Joseph以英伟达显卡为例，通过应用这个专用工具，可以将生产率提高近两倍，认证成本降低80%。

另外，以Graphcor为例，根据AI技术的应用，其DFT(确诊系统测试)的生产效率提高了4倍，检测调整的速度大幅度提高，根据具体的数据信息，设计方案的时间周期减少到3天。

用于半导体材料的生产加工，一般需要4000个CPU运行一天才能产出一个掩膜Mask，但如果应用深度学习优化算法，运行时间可以减少到1/3-1/4。

采用AI技术可以大大提高光刻技术的合格率，减少生产制造的多倍运行时间。不仅可以识别生产过程中商品的缺点，而且可以进行预测分析。

Micron公司认为，人工智能技术的实施帮助美光完成了每个人的机器设备计划外关机时间减少了30%，低商品合格率减少了40%，产品合格率学习曲线提高了20%。

目前，半导体公司在数据分析中最关心的是合格率的诊断分析，即问题发生后，可以根据系统软件快速跟踪问题的根源，进而进行诊断分析，提高解决方案的意识。

接下来要做的就是预测分析，通过AI、深度学习等方式，从数据信息中明确提出使用价值，来预测分析可能出现的难题。

在整个芯片加工过程中，台积电将人工智能技术和深度学习技术应用于数据处理在芯片制造机械设备中，台积电部署了许多ADS930E传感器，以确保所有有效的数据信息都能成功收集。利用人工智能技术和深度学习技术，收集到的数据信息被转化为基本信息，从中寻找和发现问题，并借此机会改善芯片加工制造，提高晶体质量和质量。

目前，台积电已经生产出了动能最好的5nm芯片；2020年7月，台积电生产出了第十亿个7nm芯片，功能完好，无缺陷。无论从产量还是优秀的制造来看，台积电都处于世界前列。

台积电的绿色环境保护分为三个阶段:第一，能耗最少，第二，工业废气量最少，应用水源最少，并且排放的有机废气的解决和总数必须充分减少。这是台积电持续勤奋的总体目标。台积电在我国台湾地区加工厂中，企业总面积电力能源最少，蒸汽最少，需水量最少，台积电加工厂排放的有机废气和废物远少于其他优秀国家和地区。

AI对中国半导体产业发展趋势的现实意义。

中国半导体行业处于一个特殊的自然环境中，应该按照经济全球化和国内生产制造的两种方式发展趋势产业链。但是，英国嚣张跋扈，努力用各种方式阻挡每个人的经济全球化过程，造成很大的危害。所以中国半导体行业的发展趋势一定要开拓新的途径，其中使用AI技术改造项目的产业链可能是亮点之一。

吴汉明工程院院士特别强调，世界上完善制造的销售市场至少占一半以上，其中55纳米技术等制造集成电路也很漂亮，对中国半导体行业的发展趋势也有使用价值。关键是要做出真正的多元化，才能抢占市场。

世上的事情要想成功没有近道，都要花费人力资源、时间和金钱，以及它的优秀技术是花钱买不到的，一定要靠独立自立，但方位选择有可能事倍功半。