本文由半導體產(chǎn)業(yè)縱橫(ID：ICVIEWS)編譯自eletimes

量子AI 助力，半導體供應鏈韌性升級。

幾十年來，硅一直是計算機發(fā)展的主要驅動力，但摩爾定律如今已接近極限。隨著對芯片速度和能效要求的不斷提高，由于供應短缺和地緣政治緊張局勢，供應鏈面臨的壓力前所未有。

這就是人工智能和量子計算發(fā)揮作用的地方。這并非科幻小說；它們正在幫助發(fā)現(xiàn)新的半導體材料，并優(yōu)化晶圓廠的生產(chǎn)計劃。這可以縮短交貨周期，降低風險，并打造更具韌性的供應鏈。

對于工程師和采購團隊來說，信息很簡單：要想在芯片領域保持領先地位，很快就需要同時利用量子計算和人工智能。

量子計算和人工智能在半導體創(chuàng)新中的融合

量子計算使用量子比特，與經(jīng)典比特不同，量子比特可以處于疊加態(tài)，同時表示0和1。這使得量子處理器能夠處理經(jīng)典計算機難以完成的復雜模擬，例如模擬新型半導體材料中的原子級行為。

人工智能增強了這種能力。通過將預測分析應用于量子模擬，機器學習模型可以識別有前景的候選材料，預測其性能，并提出調整建議。這使得原本緩慢的試錯過程轉變?yōu)榭蓤?zhí)行的洞察，從而節(jié)省了數(shù)年的實驗室工作。

以谷歌的Willow處理器為例。它是Sycamore的后續(xù)產(chǎn)品，雖然并非完全為材料研究而設計，但它展示了量子系統(tǒng)如何擴展并減少誤差。當與機器學習相結合時，它為芯片創(chuàng)新至關重要的材料特性提供了前所未有的視角。

正如Anima Anandkumar 指出的那樣：“人工智能幫助我們將量子模擬的原始復雜性轉化為工程師實際可以使用的見解?！薄?Anima Anandkumar，加州理工學院教授兼英偉達人工智能研究高級總監(jiān)。

人工智能和量子計算的結合，正在為芯片設計奠定一種全新的基礎。

人工智能驅動的材料科學：運營和市場影響

在發(fā)現(xiàn)新型半導體材料時，原子級精度至關重要。人工智能驅動的量子模型可以模擬石墨烯、氮化鎵或鈣鈦礦等材料中的電子行為。這使得研究人員能夠在進行實驗室測試之前評估材料的導電性、能量效率和耐久性，從而極大地加快材料鑒定速度。

實際影響顯著。傳統(tǒng)上，材料驗證需要數(shù)年時間，但早期研究表明，驗證時間可以縮短30%至50%。這使得晶圓廠能夠更高效地運營，使生產(chǎn)與新技術同步，并最大限度地減少閑置時間。

市場壓力進一步加劇了這一局面。在2021年的短缺期間，交貨周期從大約12周延長至一年以上。借助人工智能，企業(yè)可以預測供應鏈中斷并主動調整采購策略。量子模擬還能擴大可用材料的范圍，從而減少對單一供應商或高風險地區(qū)的依賴。

圖1. 半導體交貨周期從2020年的12周飆升至2022年的30周以上，之后有所緩解。人工智能與量子技術的融合可以通過實現(xiàn)預測分析和多元化采購來幫助穩(wěn)定這些波動。

投資回報令人矚目。德勤指出，將人工智能融入研發(fā)和供應鏈運營的企業(yè)，效率提升幅度可達兩位數(shù)，這主要得益于產(chǎn)量預測的改進和停機時間的減少。谷歌的量子研究團隊已證明，人工智能驅動的模擬可以在幾周內(nèi)將有前景的材料從數(shù)千種縮減到幾種，而使用傳統(tǒng)計算方法通常需要數(shù)年時間。研發(fā)周期的顯著縮短從根本上改變了競爭格局。

為采購和供應鏈領導者提供戰(zhàn)略洞察

對于采購和供應鏈領導者而言，這不僅僅是一次技術升級，更代表著一項真正的戰(zhàn)略優(yōu)勢。人工智能驅動的量子工具能夠優(yōu)化交付周期，從而實現(xiàn)更精準的供應商合同，并減少對過剩庫存的需求。預測分析還能幫助團隊在潛在風險影響晶圓廠或延誤客戶交付之前識別它們。

供應鏈韌性也得到提升。當人工智能引導的量子模擬確認可以從不同地區(qū)采購的替代半導體時，采購團隊就能降低地緣政治風險或自然災害帶來的影響。這種方法與美國《芯片與科學法案》和歐盟《芯片法案》等國家倡議相契合，這兩項法案都旨在促進更強大的本地化生產(chǎn)和更具韌性的采購策略。量子人工智能建模提供了驗證這些替代供應渠道所需的必要技術保障。

“短期內(nèi)，人工智能行業(yè)的上升趨勢顯而易見，但那些能夠有效管理供應鏈、吸引并留住人才的公司，才能更好地把握人工智能蓬勃發(fā)展帶來的機遇并從中獲益。”——畢馬威全球技術主管馬克·吉布森

圖2. 采用人工智能增強型半導體運營的公司獲得了顯著更高的投資回報率，咨詢研究報告顯示，與傳統(tǒng)運營相比，效率提高了兩位數(shù)。

歸根結底，成功整合這些技術的公司不僅能更快地將產(chǎn)品推向市場，還能在當今瞬息萬變的全球市場中獲得真正的競爭優(yōu)勢。在半導體行業(yè)，幾周的延誤就可能造成數(shù)十億美元的收入損失，因此，敏捷性對于生存至關重要。

未來展望：量子人工智能對半導體制造的影響規(guī)?；?/strong>

展望未來，下一個重大發(fā)展方向似乎是全棧式量子人工智能設計。試想一下，量子處理器運行全芯片模擬，而人工智能則負責優(yōu)化其速度、效率和可制造性。雖然我們尚未完全實現(xiàn)這一目標，但光子電路和自旋電子元件的逐步進步已經(jīng)產(chǎn)生了切實可見的成果。

對于制造團隊而言，挑戰(zhàn)在于如何保持供應鏈的靈活性。隨著新材料從模擬階段過渡到試生產(chǎn)階段，采購和制造團隊必須協(xié)調一致地擴大規(guī)模。如今的量子處理器并不完美，它們在量子比特數(shù)量、錯誤率和可擴展性方面仍然存在局限性，但如果進展持續(xù)，未來十年內(nèi)有望出現(xiàn)實際的工業(yè)應用?，F(xiàn)在就開始規(guī)劃、制定路線圖并建立戰(zhàn)略合作伙伴關系的公司將獲得顯著優(yōu)勢。

結論

目前，半導體行業(yè)正處于一個關鍵的轉折點。將人工智能的預測能力與量子計算的原子級洞察力相結合，可以加速產(chǎn)品發(fā)現(xiàn)，縮短研發(fā)周期，并顯著增強供應鏈的韌性。對于工程師和采購負責人而言，信息很明確：采用人工智能與量子計算的融合不僅僅關乎技術，更關乎保持競爭力。硅芯片的下一個重大突破并非偶然，而是需要借助人工智能和量子計算進行精心設計、優(yōu)化和工程打造。