Sztuczna inteligencja i uczenie maszynowe to dźwignie, na których będą opierać się innowacje w sektorze tak konkurencyjnym jak produkcja półprzewodników.
W ostatnich latach rośnie liczba urządzeń zawierających półprzewodniki. Oprócz urządzeń, w których tradycyjnie znajdują się tego typu komponenty, półprzewodniki stają się niezbędnymi elementami w urządzeniach Internetu rzeczy, pojazdach itp. Nic dziwnego, że wielu producentów samochodów musiało w tym roku ograniczyć produkcję z powodu braku mikroczipów.
Sytuacja ta obciąża sektor, który jest u kresu swojej produkcji, dlatego należy szukać rozwiązań. Odpowiedź tkwi w zastosowaniu sztucznej inteligencji (AI) i uczenia maszynowego (ML).
Producenci półprzewodników niestrudzenie pracują nad skróceniem cykli rozwoju, aby szybciej wprowadzać nowe produkty na rynek i zachować konkurencyjność. Jednak wprowadzanie innowacji wymaga dużych nakładów zasobów, ponieważ koszty dramatycznie rosną wraz z redukcją rozmiarów struktur.
Według McKinsey ekspertów, koszty prac badawczo-rozwojowych nad opracowaniem chipa wzrosły z 28 milionów dolarów w przypadku węzła 65-nanometrowego do około 540 milionów dolarów w przypadku węzła 5-nm. Ponadto koszty budowy tych samych węzłów wzrosły z 400 mln USD do 5,4 mld USD.
W związku z tym przemysł półprzewodników musi zwiększyć swoją produktywność w badaniach, projektowaniu chipów i produkcji, dlatego już teraz kładzie nacisk na sztuczną inteligencję i ML. Według badania przeprowadzonego przez firmę konsultingową, wkład tych technologii w zyski producentów półprzewodników wynosi od 5 do 8 miliardów euro rocznie.
Chociaż jest to znaczna liczba, McKinsey uważa, że stanowi ona tylko 10% całkowitego potencjału, jaki AI i ML mogą mieć w tej branży. Szacuje, że technologie te mogą generować od 35 do 40 miliardów dolarów rocznie w ciągu zaledwie dwóch lub trzech lat podatkowych. Patrząc w dłuższej perspektywie, liczba ta może wzrosnąć do 85 do 95 miliardów dolarów rocznie.
Patrząc z perspektywy, liczby te stanowią około 20% bieżących przychodów branży – które obecnie wynoszą około 500 miliardów dolarów rocznie – i mniej więcej tyle samo, co wydatki kapitałowe w 2019 roku – 110 miliardów dolarów.
Firma konsultingowa precyzuje, że sztuczna inteligencja i ML mają zastosowania w całym łańcuchu wartości branży półprzewodników, chociaż największy wpływ będzie miał miejsce w produkcji. Na przykład technologie te poprawią dokładność wytrawiania wiórów i zoptymalizują czas, poprawiając wydajność i unikając potencjalnych awarii. Pomogą również w oględzinach wafli, gwarantując jakość produktu finalnego poprzez wykrywanie wad w procesie produkcyjnym.
Podkreślone zostanie również wykorzystanie sztucznej inteligencji i ML w procesach badawczo-rozwojowych w wyniku automatyzacji projektowania i weryfikacji chipów. W oparciu o identyfikację wzorców awarii algorytmy będą w stanie porównać struktury nowych komponentów z istniejącymi projektami, pomagając zlokalizować problem i zoptymalizować projekt.
Technologie te pomogą również usprawnić procesy wykraczające poza produkcję. Na przykład zostaną wykorzystane do dokładniejszego dostosowania swoich prognoz dotyczących zmian popytu na rynku lub do optymalizacji planowania zapasów i operacji, zakupów i produkcji.