Halvlederindustrien er i rask endring takket være kunstig intelligens.

NDO – På den internasjonale konferansen om kunstig intelligens og halvledere (AISC) 2025, som ble holdt morgenen 12. mars og arrangert av Aitomatic (USA) og National Innovation Center (NIC) i Hanoi, diskuterte teknologieksperter det symbiotiske forholdet i utviklingen av kunstig intelligens (KI) og halvledere.

På konferansen ble det bekreftet at AI og halvledere for tiden er bærebjelkene for fremtiden til den digitale økonomien . Spesielt går de to elementene «AI» og «halvleder» hånd i hånd. AI bidrar åpenbart til å automatisere produksjonsprosessen for halvledere, forutsi og oppdage produktfeil, forbedre produksjonskvalitet og effektivitet.

Christopher Nguyen – administrerende direktør i Aitomatic – sier for eksempel at innen 2030 vil noen produksjonsanlegg, spesielt avanserte produksjonsanlegg, kreve strengere standarder. For eksempel, i plasmaprosessen, vil parametere som drivstoffdiameter, trykk, temperatur og en rekke andre faktorer sikre nesten absolutt nøyaktighet. AI vil bidra til å sikre denne nøyaktigheten.

«KI kan ikke utvikles uten halvledere, og omvendt, halvlederindustrien endrer seg raskt takket være fremskritt innen KI. Det er et symbiotisk forhold der begge deler presser hverandre fremover», sa han.

Christopher Nguyen – administrerende direktør i Aitomatic – talte på workshopen.

Når det gjelder det generelle teknologibildet, viste Christopher Nguyen til Moores lov, som bekreftet at utviklingshastigheten for AI og halvledere er svært rask. Mikroprosessorteknologien opplever betydelige forbedringer hver 18. måned.

Når det gjelder markedet, opplever verden en bemerkelsesverdig vekst, og etterspørselen etter AI-prosessorbrikker forventes å fortsette å øke kraftig i årene som kommer. Land som USA, Kina, Japan og Sør-Korea øker investeringene i dette feltet. Kappløpet mellom de ledende teknologilandene er ekstremt hardt.

Innen chipproduksjon kommenterte Anna Goldie – seniorforsker i Google – at mens AIs databehandlingsbehov vokser eksponentielt, holder ikke maskinvarekapasiteten tritt, noe som skaper et voksende gap. For å løse dette problemet har nye AI-teknologier som AlphaChip – en AI-brikkedesignmetode – blitt introdusert. Hun sa at takket være bruken av AI blir chipdesignprosessen utrolig akselerert, samtidig som det bidrar til å redusere kostnader og optimalisere ytelsen.

«For å utnytte potensialet til kunstig intelligens fullt ut, må vi forkorte designsyklusene for brikke, forbedre algoritmer og få mest mulig ut av data. I fremtiden vil kunstig intelligens ikke bare bidra til å forbedre maskinvare, men også bidra til å forme gjennombrudd på mange andre felt, fra helsevesen og finans til industriell produksjon», sa Anna Goldie.

Mer spesifikt introduserte Anna Goldie AlphaChip-metoden som bruker AI til å optimalisere utformingen av komponenter på brikken, noe som bidrar til å redusere ventetid, spare strøm og optimalisere produksjonsområdet. AI kan forbedre chipdesignprosessen ved å forkorte tiden og forbedre produktets ytelse. AlphaChip har blitt brukt på nyere generasjoner av Google TPU-er, noe som gir betydelig effektivitet sammenlignet med tradisjonelle designmetoder.

I mellomtiden fortalte Tran Thanh Long – professor ved Warwick University – mer om arbeidet rundt om i verden som bidrar til å øke kraften til AI og halvlederteknologi. Han nevnte for eksempel hvordan man kan bruke minnelagre og Bayes-teorien for å forbedre ytelsen og skalerbarheten til kunstig intelligens (AI). Minnelagre hjelper AI med å huske informasjon over lengre tid og bruker tidligere data til å optimalisere beslutninger.

«Bayesiansk teori hjelper AI med å justere prediksjonssannsynlighetene sine basert på nye data, noe som hjelper systemet med å lære raskere og mer effektivt. Denne kombinasjonen reduserer behovet for beregningsressurser samtidig som den sikrer høy nøyaktighet», sa Long.

I tillegg hjelper denne tilnærmingen AI med å operere smidigere innen områder som helsevesen, industriell produksjon og automatisering. Spesielt kan AI behandle data bedre uten å være for avhengig av store datasentre, noe som sparer kostnader og ressurser. Som et resultat er systemene smartere, mer effektive og selvjusterende uten å trenge enorme mengder data.

Fru Ngan Vu fra Google DeepMind introduserer en forskningsretning som foreslår bruk av kretsnevrale nettverk for å lage effektive logiske kretsdesign. Ved å bruke simulert gløding og andre optimaliseringsteknikker, tar ekspertteamet hennes sikte på å forkorte kretsdesignsyklusen fra idé til faktisk produkt.

En av de største utfordringene er å balansere nøyaktigheten og ytelsen til kretser, og sikre at design ikke bare fungerer riktig, men også sparer ressurser. Men hvis gapet mellom AI-programvare og -maskinvare kan reduseres, vil det åpne opp mange nye muligheter i halvlederindustrien. «Å bruke AI i kretsdesign lover å endre måten halvlederindustrien opererer på, bidra til å fremskynde utviklingsprosessen og levere mer optimale design», sa Ngan Vu.