现在人工智能（AI）正在改造多个作业。有一个很诙谐的现象：人工智能正在帮忙推进人工智能芯片的跋涉。早在2021年6月，谷歌就运用AI来规划其TPU芯片。谷歌标明，人工智能能够在不到6小时的时刻内完毕人工需求数月时刻完毕的芯片规划作业。《Nature》的一篇评论称这项研讨是一项“重要作用”，并指出此类作业能够帮忙抵消摩尔定律的完毕。除此之外，英伟达现已初步运用人工智能来有用地改善和加快 GPU 规划；三星也现已议论到了运用人工智能规划芯片。

但这远不是人工智能辅佐芯片的*运用，AI技能正渗透到更多芯片业的中心环节，其间在制作这一芯片工业链的要害环节，AI也在悄然发力。

芯片制作环节，良率越来越遭到检测

现在简直全部的运用包括5G、物联网、轿车、数据中心等的完毕与展开都建立在更高功用、更低功耗、更大算力的芯片的根底之上。芯片的需求大幅跋涉，而芯片的供应却跟不上需求，跋涉现有产品的良率是业界公认的有用方法。

但是，良率的跋涉却给芯片规划商和制作商都带来了很大的应战。

制作是半导体工业链的要害一环。整个制作进程首要分为八个进程：晶圆加工 - 氧化 - 光刻 - 刻蚀 - 薄膜堆积 - 互连 - 检验 - 封装，每个芯片的制作进程又需求数百个工艺。芯片出产制作的周期动辄两三个月，出产进程中发生的数据量凌乱，触及的参数变量繁多，任何一点纤细的改动都能影响到终究芯片的良率。

遵照着摩尔定律的工艺制程演进是芯片完毕高功用核算最为有用的途径之一，也是工业追逐的方向。而跟着芯片工艺来到更先进的5nm、3nm，芯片规划凌乱度呈几何倍数增加，出产流程的不断加长，芯片的制作变得极点凌乱与精密，良率变得*应战。据半导体设备供货商巨头运用材料公司标明，从2015年到2021年，芯片制作的工艺进程的数量增加了48%。比较老到节点，先进节点的基准良率也越来越低。

而在半导体的商业化进程中，良率直接关系到芯片的产值、出产本钱与企业的盈余才能。所以说，仅仅经过芯片工艺技能的改善来跋涉PPA变得越来越困难，而且从性价比来看，芯片流片的费用越来越贵，只需极少数的芯片公司才调负担得起。

因此，既要跋涉芯片的良率又要在经济上可行，必需求多管齐下，探求立异的方法。在现在这个高度自动化的时代，引进人工智能/机器学习等技能，推进芯片的制作流程，跋涉芯片的良率，从而帮忙我们快速弥合算力供需之间的间隔。

AI的强势反击

芯片制作是世界上最宝贵的出产工艺之一。芯片产值抉择了比如英特尔、三星、台积电等晶圆厂商的胜败。他们不吝投入许多资源来使晶圆厂全天候运营，以完毕长时刻获利*化。

半导体制作商需求依托扫描、检验和确诊来帮忙缺点剖析以处理良率问题。后端的缺点检测无疑是跋涉芯片良率的一大“把关者”。现在大多数先进的SoC运用了极小的制作工艺，有的甚至引进EUV光刻技能，对制作商来说更加难以定位芯片上的纤细缺点和缺点；而且在制作3D结构和履行凌乱的多图像化进程时，其间一些小的差异会累积以发生良率抑制缺点，假设其间的一些纤细的差异被推迟检测到，那么之后进行的全部流程进程基本上都是浪费时刻和金钱。他们发现缺点的时刻越长，丢掉的钱就越多。

为了处理这一作业难题，半导体设备供货商运用材料（Applied Materials）将人工智能融入到晶圆检测流程，从2016年初步运用材料就运用ExtractAI技能开发Enlight体系，于 2020 年推出了新一代Enlight光学半导体晶圆检测机，该检测设备引进了大数据和AI技能。Enlight 体系只需不到一个小时就能够制作出晶圆上数百万个潜在缺点。