算力說
當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍，這也被稱為摩爾定律。
實際上集成電路的發展速度已經放緩，面對越發微小的納米工藝，製造業正在面臨物理上的瓶頸。但是集成電路仍然要發展，接下來怎麼做，華虹集團總工程師趙宇航認為，Ai或許是撬動芯片產業繼續向前的槓桿。
趙宇航在世界人工智能大會上表示，將Ai運用在芯片的生產環節，進行精細化管控，提高芯片的設計效率、生產速度和良品率，將原先的自動化生產線進化成智能生產線，將會是芯片行業在後摩爾定律時代的方向。
而華虹集團，正在以AiFab的形式，開始了探索。
下附趙宇航在世界人工智能大會上的演講實錄。
為什麼現在需要更復雜的芯片、更難的集成電路製造呢？是因為AI，AI給我們帶來了急劇的對存儲、處理以及數據量的急劇增長，也是AI，才能接受後摩爾時代的挑戰。
1
AI與芯片的第二次時代耦合
我們回顧集成電路半導體的發展歷程，上個世紀曾經出現過一次創新耦合的過程。 CPU芯片需要有很好的計算機輔助設計工具才能設計出來，而這些更好的EDA工具需要有更強的CPU才能運行，使得整個EDA設計和CPU產品進入了創新耦合的過程，如果走不通條路，可能集成電路的發展在上個世紀就終結了，最後集成電路突破了這個耦合。 到今天我們又看到了耦合出現的端倪，這是AI帶來的。 現在的集成電路製造，涉及到幾百種集成電路裝備、材料，很多的設計工具，但是如何把這些運轉好，是整個生態系統的問題。 如果不靠AI來處理，可能我們的集成電路製造沒法往下走，沒法制造出具有強大性能，可以在各行各業運用的AI芯片。 進入新的階段，怎麼突破AI和集成電路製造的耦合？ 現在AI芯片的需求數據急劇增長，給我們集成電路芯片製造帶來了重大的挑戰，我們每天需要幾百個T的數據量，涵蓋了設備、工藝等方面，尤其是光刻。 光刻第一步工序，需要大量的計算數據，每一步都要量測。此外還有新架構、新器材、新芯片都需要新器械、新材料來支撐，這大量的數據給我們集成電路芯片製造帶來了幾個挑戰。 第一個挑戰是整個生產線的運營管控，第二個是新工藝。新工藝的工藝製造步驟比以往急劇增加，流程非常複雜。我們製作出來的良率以及產能控制都面臨嚴峻的挑戰。 另外現在用的集成電路的裝備也非常複雜，每一臺裝備都是幾百萬、幾千萬美金的價格，非常複雜，裝備的智能化、裝備在線精細化的管控需求在日益提升。
算力說
當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍，這也被稱為摩爾定律。
實際上集成電路的發展速度已經放緩，面對越發微小的納米工藝，製造業正在面臨物理上的瓶頸。但是集成電路仍然要發展，接下來怎麼做，華虹集團總工程師趙宇航認為，Ai或許是撬動芯片產業繼續向前的槓桿。
趙宇航在世界人工智能大會上表示，將Ai運用在芯片的生產環節，進行精細化管控，提高芯片的設計效率、生產速度和良品率，將原先的自動化生產線進化成智能生產線，將會是芯片行業在後摩爾定律時代的方向。
而華虹集團，正在以AiFab的形式，開始了探索。
下附趙宇航在世界人工智能大會上的演講實錄。
為什麼現在需要更復雜的芯片、更難的集成電路製造呢？是因為AI，AI給我們帶來了急劇的對存儲、處理以及數據量的急劇增長，也是AI，才能接受後摩爾時代的挑戰。
1
AI與芯片的第二次時代耦合
我們回顧集成電路半導體的發展歷程，上個世紀曾經出現過一次創新耦合的過程。 CPU芯片需要有很好的計算機輔助設計工具才能設計出來，而這些更好的EDA工具需要有更強的CPU才能運行，使得整個EDA設計和CPU產品進入了創新耦合的過程，如果走不通條路，可能集成電路的發展在上個世紀就終結了，最後集成電路突破了這個耦合。 到今天我們又看到了耦合出現的端倪，這是AI帶來的。 現在的集成電路製造，涉及到幾百種集成電路裝備、材料，很多的設計工具，但是如何把這些運轉好，是整個生態系統的問題。 如果不靠AI來處理，可能我們的集成電路製造沒法往下走，沒法制造出具有強大性能，可以在各行各業運用的AI芯片。 進入新的階段，怎麼突破AI和集成電路製造的耦合？ 現在AI芯片的需求數據急劇增長，給我們集成電路芯片製造帶來了重大的挑戰，我們每天需要幾百個T的數據量，涵蓋了設備、工藝等方面，尤其是光刻。 光刻第一步工序，需要大量的計算數據，每一步都要量測。此外還有新架構、新器材、新芯片都需要新器械、新材料來支撐，這大量的數據給我們集成電路芯片製造帶來了幾個挑戰。 第一個挑戰是整個生產線的運營管控，第二個是新工藝。新工藝的工藝製造步驟比以往急劇增加，流程非常複雜。我們製作出來的良率以及產能控制都面臨嚴峻的挑戰。 另外現在用的集成電路的裝備也非常複雜，每一臺裝備都是幾百萬、幾千萬美金的價格，非常複雜，裝備的智能化、裝備在線精細化的管控需求在日益提升。
華虹集團總工程師趙宇航
2
AIFab，實現耦合的落地方式
根據這樣的挑戰，我們想應該在集成電路製造過程中，把人工智能集成進去，所以我們提出了AIFab這樣一個概念，希望人工智能和集成電路跨越發展，來跨過我們即將出現耦合的過程，使得集成電路發展處於正向的過程。 AIFab聚焦在兩個方面，一個方面是智能製造，就是要改變傳統的從數據收集到數據存儲、數據分析、工程師、管理系統這樣一個結構，改成一個網狀結構。 在數據分析裡面把機器學習的方式加進去，使人和機器形成一整套的管理體系來進行智能製造。其實也就是要把傳統的自動化製造改成智能製造，從自動化的生產線轉變成一條聰明的生產線。 另外在研發層面，需要大量的數據分析，我們還要去抓很多畸點，這些畸點用傳統的計算方法沒有辦法抓出來，必須要用大數據分析和AI算法植入進去，才能把畸點和缺陷抓出來，加快我們的研發速度。 原來我們集成電路生產線的數據生產架構是ERP系統，其實集成電路的工業自動化程度一直走在各種製造業的前列，所以在自動化上面我們有非常詳細的一套體系結構。
算力說
當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍，這也被稱為摩爾定律。
實際上集成電路的發展速度已經放緩，面對越發微小的納米工藝，製造業正在面臨物理上的瓶頸。但是集成電路仍然要發展，接下來怎麼做，華虹集團總工程師趙宇航認為，Ai或許是撬動芯片產業繼續向前的槓桿。
趙宇航在世界人工智能大會上表示，將Ai運用在芯片的生產環節，進行精細化管控，提高芯片的設計效率、生產速度和良品率，將原先的自動化生產線進化成智能生產線，將會是芯片行業在後摩爾定律時代的方向。
而華虹集團，正在以AiFab的形式，開始了探索。
下附趙宇航在世界人工智能大會上的演講實錄。
為什麼現在需要更復雜的芯片、更難的集成電路製造呢？是因為AI，AI給我們帶來了急劇的對存儲、處理以及數據量的急劇增長，也是AI，才能接受後摩爾時代的挑戰。
1
AI與芯片的第二次時代耦合
我們回顧集成電路半導體的發展歷程，上個世紀曾經出現過一次創新耦合的過程。 CPU芯片需要有很好的計算機輔助設計工具才能設計出來，而這些更好的EDA工具需要有更強的CPU才能運行，使得整個EDA設計和CPU產品進入了創新耦合的過程，如果走不通條路，可能集成電路的發展在上個世紀就終結了，最後集成電路突破了這個耦合。 到今天我們又看到了耦合出現的端倪，這是AI帶來的。 現在的集成電路製造，涉及到幾百種集成電路裝備、材料，很多的設計工具，但是如何把這些運轉好，是整個生態系統的問題。 如果不靠AI來處理，可能我們的集成電路製造沒法往下走，沒法制造出具有強大性能，可以在各行各業運用的AI芯片。 進入新的階段，怎麼突破AI和集成電路製造的耦合？ 現在AI芯片的需求數據急劇增長，給我們集成電路芯片製造帶來了重大的挑戰，我們每天需要幾百個T的數據量，涵蓋了設備、工藝等方面，尤其是光刻。 光刻第一步工序，需要大量的計算數據，每一步都要量測。此外還有新架構、新器材、新芯片都需要新器械、新材料來支撐，這大量的數據給我們集成電路芯片製造帶來了幾個挑戰。 第一個挑戰是整個生產線的運營管控，第二個是新工藝。新工藝的工藝製造步驟比以往急劇增加，流程非常複雜。我們製作出來的良率以及產能控制都面臨嚴峻的挑戰。 另外現在用的集成電路的裝備也非常複雜，每一臺裝備都是幾百萬、幾千萬美金的價格，非常複雜，裝備的智能化、裝備在線精細化的管控需求在日益提升。
華虹集團總工程師趙宇航
2
AIFab，實現耦合的落地方式
根據這樣的挑戰，我們想應該在集成電路製造過程中，把人工智能集成進去，所以我們提出了AIFab這樣一個概念，希望人工智能和集成電路跨越發展，來跨過我們即將出現耦合的過程，使得集成電路發展處於正向的過程。 AIFab聚焦在兩個方面，一個方面是智能製造，就是要改變傳統的從數據收集到數據存儲、數據分析、工程師、管理系統這樣一個結構，改成一個網狀結構。 在數據分析裡面把機器學習的方式加進去，使人和機器形成一整套的管理體系來進行智能製造。其實也就是要把傳統的自動化製造改成智能製造，從自動化的生產線轉變成一條聰明的生產線。 另外在研發層面，需要大量的數據分析，我們還要去抓很多畸點，這些畸點用傳統的計算方法沒有辦法抓出來，必須要用大數據分析和AI算法植入進去，才能把畸點和缺陷抓出來，加快我們的研發速度。 原來我們集成電路生產線的數據生產架構是ERP系統，其實集成電路的工業自動化程度一直走在各種製造業的前列，所以在自動化上面我們有非常詳細的一套體系結構。
3
自動化生產線向智能生產線的轉變
我們希望這套傳統的自動化的體系結構上面，把它轉變成為AI的體系結構。首先在數據上面進行分析，進行精細化的管理，我們從需求上面分了包括產品的良率分析和提升、工業研發的精細化管理，還有製造過程的精細化控制，以及提升產線的產能。 這裡面比較重要的是生產狀態的預測和智能調度。從一道工藝到下一道工藝，何如進行最合理的銜接，如果加入AI預測之後，可以極大的提升我們生產的效率。這個也是通過AI的調度規劃的算法，縮短自動化有效的預測時間。原來是以天為單位的，縮小到以小時甚至以分鐘為單位，這樣可以極大提升我們的生產效率。 另外在工藝研發上面，集成電路生產最怕缺陷，只要在研發當中出現一個缺陷，前面幾年的研發結果可能就白費了，因此控制缺陷是非常重要的一項工作。 但是現在的缺陷很多不是規律性產生的，因為集成電路到了納米尺度之後，很多缺陷是隨機的，我們怎麼把這些隨機的缺陷抓出來？ 我們要基於AI研發缺陷識別系統，比如說在圖像傳感器已經在工業生產中發揮了很好的作用。 集成電路製造是一代裝備、一代工藝、一代產品。現在的裝備也是越來越複雜，價值越來越高，我們怎麼樣能夠把這些裝備運用好？ 我們要加入到智能診斷、預警、性能提升上面，對裝備運行狀態的監控、材料的超差、機器的預警，裝備產能怎麼樣提升，原來一個小時刻兩百片，怎麼樣提高到兩百五十片，建立一種自學習的能力，這也是AIFab裡面非常重要的工作。
算力說
當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍，這也被稱為摩爾定律。
實際上集成電路的發展速度已經放緩，面對越發微小的納米工藝，製造業正在面臨物理上的瓶頸。但是集成電路仍然要發展，接下來怎麼做，華虹集團總工程師趙宇航認為，Ai或許是撬動芯片產業繼續向前的槓桿。
趙宇航在世界人工智能大會上表示，將Ai運用在芯片的生產環節，進行精細化管控，提高芯片的設計效率、生產速度和良品率，將原先的自動化生產線進化成智能生產線，將會是芯片行業在後摩爾定律時代的方向。
而華虹集團，正在以AiFab的形式，開始了探索。
下附趙宇航在世界人工智能大會上的演講實錄。
為什麼現在需要更復雜的芯片、更難的集成電路製造呢？是因為AI，AI給我們帶來了急劇的對存儲、處理以及數據量的急劇增長，也是AI，才能接受後摩爾時代的挑戰。
1
AI與芯片的第二次時代耦合
我們回顧集成電路半導體的發展歷程，上個世紀曾經出現過一次創新耦合的過程。 CPU芯片需要有很好的計算機輔助設計工具才能設計出來，而這些更好的EDA工具需要有更強的CPU才能運行，使得整個EDA設計和CPU產品進入了創新耦合的過程，如果走不通條路，可能集成電路的發展在上個世紀就終結了，最後集成電路突破了這個耦合。 到今天我們又看到了耦合出現的端倪，這是AI帶來的。 現在的集成電路製造，涉及到幾百種集成電路裝備、材料，很多的設計工具，但是如何把這些運轉好，是整個生態系統的問題。 如果不靠AI來處理，可能我們的集成電路製造沒法往下走，沒法制造出具有強大性能，可以在各行各業運用的AI芯片。 進入新的階段，怎麼突破AI和集成電路製造的耦合？ 現在AI芯片的需求數據急劇增長，給我們集成電路芯片製造帶來了重大的挑戰，我們每天需要幾百個T的數據量，涵蓋了設備、工藝等方面，尤其是光刻。 光刻第一步工序，需要大量的計算數據，每一步都要量測。此外還有新架構、新器材、新芯片都需要新器械、新材料來支撐，這大量的數據給我們集成電路芯片製造帶來了幾個挑戰。 第一個挑戰是整個生產線的運營管控，第二個是新工藝。新工藝的工藝製造步驟比以往急劇增加，流程非常複雜。我們製作出來的良率以及產能控制都面臨嚴峻的挑戰。 另外現在用的集成電路的裝備也非常複雜，每一臺裝備都是幾百萬、幾千萬美金的價格，非常複雜，裝備的智能化、裝備在線精細化的管控需求在日益提升。
華虹集團總工程師趙宇航
2
AIFab，實現耦合的落地方式
根據這樣的挑戰，我們想應該在集成電路製造過程中，把人工智能集成進去，所以我們提出了AIFab這樣一個概念，希望人工智能和集成電路跨越發展，來跨過我們即將出現耦合的過程，使得集成電路發展處於正向的過程。 AIFab聚焦在兩個方面，一個方面是智能製造，就是要改變傳統的從數據收集到數據存儲、數據分析、工程師、管理系統這樣一個結構，改成一個網狀結構。 在數據分析裡面把機器學習的方式加進去，使人和機器形成一整套的管理體系來進行智能製造。其實也就是要把傳統的自動化製造改成智能製造，從自動化的生產線轉變成一條聰明的生產線。 另外在研發層面，需要大量的數據分析，我們還要去抓很多畸點，這些畸點用傳統的計算方法沒有辦法抓出來，必須要用大數據分析和AI算法植入進去，才能把畸點和缺陷抓出來，加快我們的研發速度。 原來我們集成電路生產線的數據生產架構是ERP系統，其實集成電路的工業自動化程度一直走在各種製造業的前列，所以在自動化上面我們有非常詳細的一套體系結構。
3
自動化生產線向智能生產線的轉變
我們希望這套傳統的自動化的體系結構上面，把它轉變成為AI的體系結構。首先在數據上面進行分析，進行精細化的管理，我們從需求上面分了包括產品的良率分析和提升、工業研發的精細化管理，還有製造過程的精細化控制，以及提升產線的產能。 這裡面比較重要的是生產狀態的預測和智能調度。從一道工藝到下一道工藝，何如進行最合理的銜接，如果加入AI預測之後，可以極大的提升我們生產的效率。這個也是通過AI的調度規劃的算法，縮短自動化有效的預測時間。原來是以天為單位的，縮小到以小時甚至以分鐘為單位，這樣可以極大提升我們的生產效率。 另外在工藝研發上面，集成電路生產最怕缺陷，只要在研發當中出現一個缺陷，前面幾年的研發結果可能就白費了，因此控制缺陷是非常重要的一項工作。 但是現在的缺陷很多不是規律性產生的，因為集成電路到了納米尺度之後，很多缺陷是隨機的，我們怎麼把這些隨機的缺陷抓出來？ 我們要基於AI研發缺陷識別系統，比如說在圖像傳感器已經在工業生產中發揮了很好的作用。 集成電路製造是一代裝備、一代工藝、一代產品。現在的裝備也是越來越複雜，價值越來越高，我們怎麼樣能夠把這些裝備運用好？ 我們要加入到智能診斷、預警、性能提升上面，對裝備運行狀態的監控、材料的超差、機器的預警，裝備產能怎麼樣提升，原來一個小時刻兩百片，怎麼樣提高到兩百五十片，建立一種自學習的能力，這也是AIFab裡面非常重要的工作。
我們現在在發明一套技術，能夠植入到工藝裝備裡面的嵌入式的智能控制技術，包括光刻機，通過AI算法的植入，使得這些機器在原來自動化上面具備自我學習、自我診斷的能力，是在生產線上利用的效果更好，最後形成真正把我們一個製造生產線從自動化進步到是一條聰明的生產線。 AIFab 有可能是解決我們目前將要碰到的 AI 和芯片製造技術創新耦合的一個重要手段。因此，我們也秉承開放、創新、合作的企業精神，歡迎廣大的 AIFab 和華虹一塊共同推動 AIFab的落地與發展。