人工智能和机器学习是创新将基于半导体制造这样具有竞争力的行业的杠杆。
近年来，包含半导体的器件数量成倍增加。 除了传统上装有此类组件的设备外，半导体正在成为物联网设备、车辆等中不可或缺的元素。毫不奇怪，由于没有微芯片，许多汽车制造商今年不得不减产。
这种情况给处于生产极限的行业造成了压力，因此必须寻求解决方案。 答案在于人工智能（AI）和机器学习（ML）的应用。
半导体制造商正在不懈努力，以缩短开发周期，以更快地将新产品推向市场并保持竞争力。 然而，创新是资源密集型的，因为随着结构的缩小，成本会急剧增加。
据麦肯锡专家称，芯片开发的研发成本从 65 纳米节点的 2800 万美元增加到 5 纳米节点的约 5.4 亿美元。 此外，相同节点的构建成本从 4 亿美元增加到 54 亿美元。
因此，半导体行业需要提高其在研究、芯片设计和制造方面的生产力，这就是为什么它已经开始大力支持人工智能和机器学习。 根据该咨询公司的一项研究，这些技术对半导体制造商利润的贡献每年在 50 亿至 80 亿欧元之间。
尽管这是一个相当大的数字，但麦肯锡认为，它仅占人工智能和机器学习在该行业的总潜力的 10%。 据估计，这些技术在短短两三个财政年度内每年可产生 350 亿至 400 亿美元的收入。 从长远来看，这个数字可能会上升到每年 850 亿至 950 亿美元。
从长远来看，这些数字大约是该行业当前收入的 20%——目前每年约为 5000 亿美元——与 2019 年的资本支出大致相同——1100 亿美元。
该咨询公司指出，人工智能和机器学习在整个半导体行业价值链中都有应用，但影响最大的将是制造业。 例如，这些技术将提高芯片蚀刻精度和优化时序，提高良率并避免潜在故障。 他们还将帮助对晶圆进行目视检查，通过检测生产过程中的缺陷来保证最终产品的质量。
由于芯片设计和验证的自动化，人工智能和机器学习在研发过程中的使用也将得到强调。 基于故障模式的识别，算法将能够将新组件的结构与现有设计进行比较，帮助定位问题并优化设计。
这些技术还将有助于改进制造以外的流程。 例如，它们将用于更准确地调整对市场需求演变的预测，或优化库存和运营计划、采购和制造。