2022年9月,美国商务部表示,将从CHIPS法案中划拨500亿美元以补贴美国本土的芯片工厂建设与芯片产品研发项目。就在本月,美国再次出台推动美国制造业回迁本国的相关政策,为此,众多美国企业纷纷开始在美国本土投资建厂。
据悉,英特尔计划斥资200亿美元在俄亥俄州新奥尔巴尼建设一座制造工厂,预计这处设施将在2025年投入运营,并将成为全球规模最大的芯片制造基地之一。台积电和三星也官宣在美建厂,其中三星宣布将在2024年于得克萨斯州建设一处价值170亿美元的芯片工厂。
与此同时,人工智能(AI)与机器学习(ML)也在加强对半导体行业的影响,二者正在以我们难以想象的方式提高运算效率。在如今这个高度自动化的时代,AI与数字孪生技术已经在一起推动芯片设计与制造流程,进而帮助我们快速弥合算力供需之间的差距。
作为物理对象及过程的实时数字化虚拟映射,数字孪生自从2010年在NASA被首次用于改进航天器的物理模拟以来,已经迎来了喜人的发展态势。
如今的数字孪生技术能够帮助芯片制造商在满负荷运转的同时提高制造效能,同时确保生产体系不会发生任何中断。LAM Research、博世(已经在德国一处半导体工厂内使用数字孪生)和Applied Materials(材料工程领域的领军企业,生产各类新型芯片和先进显示器)等厂商已经开始部署基于机器学习的数字孪生模型,不仅模拟效果更加准确,速度也是传统物理模拟的上百万倍。
Tignis、AspenTech和Ansys等科技初创公司也在积极做出探索,尝试利用数字孪生优化工业运营,将AI与机器学习引入到广泛的应用场景中。
随着AI开始在流程控制与流程建模当中发挥关键作用,进而被应用于工程仿真的几乎各个层面,整个制造业也有望在产量、质量和吞吐能力方面迈上新的台阶,甚至迎来一轮颠覆性升级。
事实证明,数字孪生建模确实能够在芯片制造流程中发挥巨大价值,助力设计与生产流程的简化,同时大大降低对于物理设计原型的依赖。
但必须承认,尽管已经有部分芯片制造商在利用数字孪生建立开发模型,但这项技术在生产优化上的通用性还非常有限,不过,这项技术在芯片制造上仍然有很大的潜在发展空间:
通过在云端重建物理系统,制造商可以从中发现关键模式并扩大产能水平,而且使整个过程纯靠虚拟仿真,直接消除了由传统模拟带来的一切风险。
随着宏观经济震荡带来的巨大压力,数字孪生技术可能将彻底改变芯片设计商、代工厂商和消费者的思维模式。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。