摩爾定律失效？芯片發展放緩，Ai或為撬動產業繼續發展的杠桿
作者：趙宇航
編輯：生煎
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，制造業正在面臨物理上的瓶頸。但是集成電路仍然要發展，接下來怎么做，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杠桿。
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，將會是芯片行業在后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。
為什么現在需要更復雜的芯片、更難的集成電路制造呢？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，才能接受后摩爾時代的挑戰。
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，最后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。
現在的集成電路制造，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制造沒法往下走，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，怎么突破AI和集成電路制造的耦合？
現在AI芯片的需求數據急劇增長，給我們集成電路芯片制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制造帶來了幾個挑戰。
第一個挑戰是整個生產線的運營管控，第二個是新工藝。新工藝的工藝制造步驟比以往急劇增加，流程非常復雜。我們制作出來的良率以及產能控制都面臨嚴峻的挑戰。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
