人工智能和數(shù)字孿生技術(shù)的進(jìn)步提供了芯片設(shè)計和生產(chǎn)過程的潛力。

數(shù)字孿生，簡單定義為對現(xiàn)實世界的實時模擬，最近開始在半導(dǎo)體領(lǐng)域獲得發(fā)展勢頭。例如，AR是英特爾全球制造過程中不可或缺的一部分，從維護和整修，使他們能夠進(jìn)行遠(yuǎn)程通信以進(jìn)行國際故障排除并準(zhǔn)備交互式培訓(xùn)材料。

半導(dǎo)體制造是一個漫長而復(fù)雜的過程。建立晶圓制造廠需要精確、清潔的環(huán)境、昂貴的設(shè)備和時間。例如，領(lǐng)先的半導(dǎo)體制造商GlobalFoundries通常需要三個月的時間才能將硅晶圓蝕刻并制造成多層半導(dǎo)體。當(dāng)芯片短缺時，在上升周期中增加產(chǎn)量變得困難，因為新工廠的啟動和運行需要數(shù)年時間。人工智能和數(shù)字孿生技術(shù)的進(jìn)步提供了加速芯片設(shè)計和生產(chǎn)過程的潛力，并幫助制造商迅速縮小供需差距。

革新半導(dǎo)體制造 “數(shù)字孿生”將為協(xié)作工作鋪平道路，并從根本上改變員工培訓(xùn)方式。光刻設(shè)備工具對于半導(dǎo)體工廠來說最為重要，每臺成本高達(dá)4000萬美元（對于300毫米晶圓尺寸）。但是，隨著芯片制造工藝向較低節(jié)點遷移，成本會猛增。建立任何新晶圓廠的一個重要方面是技術(shù)轉(zhuǎn)讓費，其中包括收到新設(shè)施的專家和對員工進(jìn)行擬議節(jié)點技術(shù)培訓(xùn)。但是，創(chuàng)建模擬環(huán)境可以減少在任何新工廠進(jìn)行生產(chǎn)的時間。

英偉達(dá)的數(shù)字孿生指南解釋說，在使用這項新技術(shù)之前，員工甚至可以在昂貴的系統(tǒng)上接受培訓(xùn)。一旦接受培訓(xùn)，工人就可以對這些機器進(jìn)行鑒定、操作和維修，而無需踏入安裝它們的超潔凈室。因此，虛擬工廠將允許專家更快、更便宜地設(shè)計和測試新工藝，而無需中斷實體工廠的運營。

除了創(chuàng)建整個工廠的數(shù)字副本外，制造商還可以使用AI技術(shù)處理來自實際工廠內(nèi)部傳感器的數(shù)據(jù)，并找到新的材料路線方式，以減少浪費并加快運營速度。

日前，英偉達(dá)還宣布與富士康合作打造自動駕駛汽車平臺（點擊查看詳情）。富士康將為基于英偉達(dá)DRIVE Sim平臺的汽車制造電子控制單元 (ECU)，而該平臺又基于Omniverse，使汽車制造商能夠設(shè)計汽車內(nèi)飾并保留完全在虛擬世界中的體驗。通過注入AI 和元宇宙，英偉達(dá)旨在讓制造更智能、更高效。富士康將為Fisker Inc生產(chǎn)第二款車型，并為Lordstown Motors Corp和Apple產(chǎn)品生產(chǎn)電動汽車。

數(shù)字孿生的挑戰(zhàn)

然而，采用數(shù)字孿生技術(shù)也存在挑戰(zhàn)。Front End Analytics總經(jīng)理Juan Betts表示，系統(tǒng)越復(fù)雜，AI框架就越復(fù)雜，如果使用傳統(tǒng) “AI”技術(shù)，則需要的數(shù)據(jù)也就越多。因此，培訓(xùn)人工智能通常是其使用的主要障礙。

為了確?？煽康妮敵觯谠S多情況下，在經(jīng)常需要手動輸入來標(biāo)記這些數(shù)據(jù)集的情況下，會使用受監(jiān)督的機器學(xué)習(xí)模型。然而，該方法成本高昂、容易出錯且耗時，尤其是在復(fù)雜且動態(tài)的制造環(huán)境中。

Clear Ventures 的創(chuàng)始人Chris Rust說道，像LAM Research、博世（已經(jīng)在其德國半導(dǎo)體工廠中使用了數(shù)字孿生）和應(yīng)用材料等組織已經(jīng)在使用替代機器學(xué)習(xí)模型，這些模型“更準(zhǔn)確，最高可達(dá)比傳統(tǒng)的基于物理的模擬快百萬倍”。他還補充說，Tignis、AspenTech 和 Ansys等技術(shù)公司在這一領(lǐng)域處于領(lǐng)先地位，他們利用數(shù)字孿生來簡化工業(yè)運營，并使幾乎所有應(yīng)用程序都可以訪問AI 和 ML。

有鑒于此，工業(yè)數(shù)字孿生協(xié)會 (IDTA) 總經(jīng)理Christian Mosch提出了多個數(shù)字孿生之間的“可互操作”方法，其中數(shù)據(jù)在不同生命周期階段共享，包括設(shè)計、規(guī)劃、建設(shè)、培訓(xùn)和運營，除其他外。僅就半導(dǎo)體制造而言，就可以看到數(shù)字孿生建模和數(shù)字孿生數(shù)據(jù)標(biāo)記之間的互操作框架如何簡化整個過程，類似于真實世界的系統(tǒng)。 人工智能的使用

同樣，在人工智能方面，許多系統(tǒng)已經(jīng)在各個領(lǐng)域進(jìn)行中。例如，制造領(lǐng)域的一些常見用例包括需求預(yù)測、庫存優(yōu)化、調(diào)度和預(yù)測性維護。美光科技智能制造（印度工廠）和人工智能總監(jiān)Shisheer Kotha指出，其中一項重要應(yīng)用是自動缺陷分類，它使用圖像分析和深度學(xué)習(xí)在更短的時間內(nèi)識別根本原因，并有助于提高良率. 他補充說：“這些解決方案通過結(jié)合物聯(lián)網(wǎng)和深度學(xué)習(xí)技術(shù)，提高了組裝和測試操作的質(zhì)量和早期檢測?！?

審核編輯 ：李倩