תעשיית המוליכים למחצה משתנה במהירות הודות לבינה מלאכותית.

NDO - בכנס הבינלאומי לבינה מלאכותית ומוליכים למחצה (AISC) 2025 שנערך בבוקר ה-12 במרץ, ואורגן על ידי Aitomatic (ארה"ב) והמרכז הלאומי לחדשנות (NIC) בהאנוי, דנו מומחי טכנולוגיה בקשר הסימביוטי בפיתוח בינה מלאכותית (AI) ומוליכים למחצה.

בכנס, הדעות אישרו כי בינה מלאכותית ומוליכים למחצה הם כיום עמודי התווך של עתיד הכלכלה הדיגיטלית. בפרט, שני המרכיבים "בינה מלאכותית" ו"מוליכים למחצה" הולכים יד ביד. באופן ברור ביותר, בינה מלאכותית מסייעת להפוך את תהליך ייצור המוליכים למחצה לאוטומטי, לחזות ולזהות פגמים במוצר, לשפר את איכות הייצור והיעילות.

מר כריסטופר נגוין - מנכ"ל Aitomatic, לדוגמה, עד 2030, חלק ממפעלי הייצור, ובמיוחד מתקני ייצור מתקדמים, ידרשו סטנדרטים מחמירים יותר. לדוגמה, בתהליך עיבוד הפלזמה, פרמטרים כמו קוטר דלק, לחץ, טמפרטורה ועשרות גורמים נוספים מבטיחים דיוק כמעט מוחלט. בינה מלאכותית תתרום להבטחת דיוק זה.

"בינה מלאכותית לא יכולה להתפתח ללא מוליכים למחצה, ולהיפך, תעשיית המוליכים למחצה משתנה במהירות הודות להתקדמות בבינה מלאכותית. זוהי מערכת יחסים סימביוטית שבה שניהם דוחפים זה את זה קדימה", אמר.

מר כריסטופר נגוין - מנכ"ל Aitomatic דיבר בסדנה.

בנוגע לתמונה הטכנולוגית הכללית, מר כריסטופר נגוין ציטט את חוק מור, המאשר כי מהירות הפיתוח של בינה מלאכותית ומוליכים למחצה היא מהירה מאוד. כל 18 חודשים, טכנולוגיית המיקרו-מעבדים משתפרת באופן משמעותי.

באשר לשוק, העולם חווה צמיחה ניכרת, כאשר הביקוש לשבבי עיבוד בינה מלאכותית צפוי להמשיך ולעלות בחדות בשנים הקרובות. מדינות כמו ארה"ב, סין, יפן ודרום קוריאה מגבירות את ההשקעות בתחום זה. המירוץ בין המדינות המובילות בטכנולוגיה הוא עז ביותר.

בתחום ייצור השבבים, גב' אנה גולדי - מדענית מחקר בכירה בגוגל - ציינה כי בעוד שצורכי המחשוב של הבינה המלאכותית גדלים באופן אקספוננציאלי, יכולות החומרה אינן עומדות בקצב, מה שיוצר פער הולך וגדל. כדי לפתור בעיה זו, הוצגו טכנולוגיות חדשות של בינה מלאכותית כמו AlphaChip - שיטת תכנון שבבים מבוססת בינה מלאכותית. היא אמרה כי הודות ליישום הבינה המלאכותית, תהליך תכנון השבבים מואץ בצורה יוצאת דופן, תוך סיוע בהפחתת עלויות ובאופטימיזציה של ביצועים.

"כדי לנצל באופן מלא את הפוטנציאל של בינה מלאכותית, עלינו לקצר את מחזורי תכנון השבבים, לשפר אלגוריתמים ולהפיק את המרב מהנתונים. בעתיד, בינה מלאכותית לא רק תסייע בשיפור החומרה אלא גם תתרום לעיצוב פריצות דרך בתחומים רבים אחרים, החל מבריאות, פיננסים ועד ייצור תעשייתי", אמרה גב' אנה גולדי.

באופן ספציפי, גב' אנה גולדי הציגה את שיטת AlphaChip המשתמשת בבינה מלאכותית כדי לייעל את פריסת הרכיבים על השבב, ובכך מסייעת להפחית את זמן ההשהיה, לחסוך באנרגיה ולמטב את אזור הייצור. בינה מלאכותית יכולה לשפר את תהליך תכנון השבב על ידי קיצור הזמן ושיפור ביצועי המוצר. AlphaChip יושמה בדורות האחרונים של מכשירי Google TPU, מה שמביא ליעילות משמעותית בהשוואה לשיטות תכנון מסורתיות.

בינתיים, מר טראן טאנה לונג - פרופסור באוניברסיטת וורוויק - שיתף עוד על המאמצים ברחבי העולם המסייעים להגברת כוחה של הבינה המלאכותית וטכנולוגיית מוליכים למחצה. לדוגמה, הוא הזכיר כיצד להשתמש במאגרי זיכרון ובתיאוריית בייס כדי לשפר את הביצועים וההרחבה של בינה מלאכותית (AI). מאגרי זיכרון עוזרים לבינה מלאכותית לזכור מידע לאורך זמן ומשתמשים בנתונים קודמים כדי לייעל החלטות.

"התיאוריה הבייסיאנית מסייעת לבינה מלאכותית להתאים את הסתברויות החיזוי שלה על סמך נתונים חדשים, ובכך מסייעת למערכת ללמוד מהר וביעילות רבה יותר. שילוב זה מפחית את הצורך במשאבי חישוב ועדיין מבטיח דיוק גבוה", אמר מר לונג.

בנוסף, גישה זו מסייעת לבינה מלאכותית לפעול בצורה חלקה יותר בתחומים כמו שירותי בריאות, ייצור תעשייתי ואוטומציה. בפרט, בינה מלאכותית יכולה לעבד נתונים בצורה טובה יותר מבלי להסתמך יותר מדי על מרכזי נתונים גדולים, ובכך לחסוך בעלויות ובמשאבים. כתוצאה מכך, מערכות הן חכמות יותר, יעילות יותר ובעלות יכולת התאמה עצמית מבלי להזדקק לכמויות עצומות של נתונים.

גב' נגאן וו מ-Google DeepMind מציגה כיוון מחקר המציע שימוש ברשתות עצביות של מעגלים (Circuit Networks) כדי ליצור עיצובים יעילים של מעגלי לוגיקה. על ידי יישום חישול מדומה וטכניקות אופטימיזציה אחרות, צוות המומחים שלה שואף לקצר את מחזור עיצוב המעגלים מהרעיון ועד למוצר בפועל.

אחד האתגרים העיקריים הוא איזון בין הדיוק והביצועים של מעגלים, תוך הבטחה שהעיצובים לא רק יעבדו כהלכה אלא גם יחסכו במשאבים. עם זאת, אם ניתן יהיה לצמצם את הפער בין תוכנה לחומרה של בינה מלאכותית, הדבר יפתח הזדמנויות חדשות רבות בתעשיית המוליכים למחצה. "יישום בינה מלאכותית בתכנון מעגלים מבטיח לשנות את אופן הפעולה של תעשיית המוליכים למחצה, לסייע בהאצת תהליך הפיתוח ולספק עיצובים אופטימליים יותר", אמרה גב' נגאן וו.