อุตสาหกรรมเซมิคอนดักเตอร์กำลังเปลี่ยนแปลงอย่างรวดเร็วต้องขอบคุณปัญญาประดิษฐ์

NDO - ในการประชุมนานาชาติว่าด้วยปัญญาประดิษฐ์และเซมิคอนดักเตอร์ (AISC) 2025 ซึ่งจัดขึ้นในช่วงเช้าของวันที่ 12 มีนาคม จัดโดย Aitomatic (สหรัฐอเมริกา) และศูนย์นวัตกรรมแห่งชาติ (NIC) ในกรุงฮานอย ผู้เชี่ยวชาญด้านเทคโนโลยีได้หารือถึงความสัมพันธ์แบบพึ่งพาอาศัยกันในการพัฒนาปัญญาประดิษฐ์ (AI) และเซมิคอนดักเตอร์

ในการประชุมครั้งนี้ มีความเห็นยืนยันว่า AI และเซมิคอนดักเตอร์เป็นเสาหลักแห่งอนาคตของ เศรษฐกิจ ดิจิทัล โดยเฉพาะอย่างยิ่ง องค์ประกอบทั้งสองอย่างคือ “AI” และ “เซมิคอนดักเตอร์” เห็นได้ชัดว่า AI ช่วยทำให้กระบวนการผลิตเซมิคอนดักเตอร์เป็นระบบอัตโนมัติ คาดการณ์และตรวจจับข้อบกพร่องของผลิตภัณฑ์ ปรับปรุงคุณภาพและประสิทธิภาพการผลิต

คุณคริสโตเฟอร์ เหงียน ซีอีโอของ Aitomatic ยกตัวอย่างว่า ภายในปี 2030 โรงงานผลิตบางแห่ง โดยเฉพาะโรงงานผลิตขั้นสูง จะกำหนดให้มีมาตรฐานที่เข้มงวดยิ่งขึ้น ยกตัวอย่างเช่น ในกระบวนการแปรรูปพลาสมา จำเป็นต้องมีการตรวจสอบพารามิเตอร์ต่างๆ เช่น เส้นผ่านศูนย์กลางของเชื้อเพลิง แรงดัน อุณหภูมิ และปัจจัยอื่นๆ อีกมากมาย เพื่อให้มั่นใจถึงความแม่นยำที่เกือบสมบูรณ์แบบ AI จะช่วยรับประกันความแม่นยำนี้

“AI ไม่สามารถพัฒนาได้หากปราศจากเซมิคอนดักเตอร์ ในทางกลับกัน อุตสาหกรรมเซมิคอนดักเตอร์กำลังเปลี่ยนแปลงอย่างรวดเร็วด้วยความก้าวหน้าของ AI มันเป็นความสัมพันธ์แบบพึ่งพาอาศัยกันที่ทั้งสองฝ่ายต่างผลักดันซึ่งกันและกัน” เขากล่าว

คุณคริสโตเฟอร์ เหงียน ซีอีโอของ Aitomatic กล่าวในงานสัมมนา

สำหรับภาพรวมของเทคโนโลยี คุณคริสโตเฟอร์ เหงียน ได้อ้างอิงกฎของมัวร์ ซึ่งยืนยันว่าความเร็วในการพัฒนาของปัญญาประดิษฐ์และเซมิคอนดักเตอร์นั้นรวดเร็วมาก ทุกๆ 18 เดือน เทคโนโลยีไมโครโปรเซสเซอร์จะมีการพัฒนาอย่างมีนัยสำคัญ

ในส่วนของตลาดโลก กำลังเติบโตอย่างโดดเด่น โดยคาดว่าความต้องการชิปประมวลผล AI จะเพิ่มขึ้นอย่างรวดเร็วในอีกไม่กี่ปีข้างหน้า ประเทศต่างๆ เช่น สหรัฐอเมริกา จีน ญี่ปุ่น และเกาหลีใต้ กำลังเร่งลงทุนในด้านนี้ การแข่งขันระหว่างประเทศชั้นนำด้านเทคโนโลยีจึงดุเดือดอย่างยิ่ง

ในด้านการผลิตชิป คุณแอนนา โกลดี นัก วิจัย อาวุโสของ Google ให้ความเห็นว่า แม้ความต้องการด้านการประมวลผลของ AI จะเติบโตอย่างก้าวกระโดด แต่ความสามารถของฮาร์ดแวร์กลับตามไม่ทัน ทำให้เกิดช่องว่างที่เพิ่มมากขึ้น เพื่อแก้ปัญหานี้ ได้มีการนำเทคโนโลยี AI ใหม่ๆ เข้ามาใช้ เช่น AlphaChip ซึ่งเป็นวิธีการออกแบบชิป AI เธอกล่าวว่า การประยุกต์ใช้ AI ช่วยให้กระบวนการออกแบบชิปรวดเร็วขึ้นอย่างมาก พร้อมทั้งช่วยลดต้นทุนและเพิ่มประสิทธิภาพการทำงาน

“เพื่อดึงศักยภาพของ AI ออกมาใช้อย่างเต็มที่ เราจำเป็นต้องลดระยะเวลาในการออกแบบชิป พัฒนาอัลกอริทึม และใช้ประโยชน์จากข้อมูลให้ได้มากที่สุด ในอนาคต AI จะไม่เพียงแต่ช่วยพัฒนาฮาร์ดแวร์เท่านั้น แต่ยังมีส่วนช่วยในการสร้างความก้าวหน้าในสาขาอื่นๆ อีกมากมาย ตั้งแต่การดูแลสุขภาพ การเงิน ไปจนถึงการผลิตเชิงอุตสาหกรรม” คุณแอนนา โกลดี กล่าว

โดยเฉพาะอย่างยิ่ง คุณแอนนา โกลดี ได้แนะนำวิธีการ AlphaChip ซึ่งใช้ AI เพื่อเพิ่มประสิทธิภาพการจัดวางส่วนประกอบบนชิป ช่วยลดความหน่วง ประหยัดพลังงาน และเพิ่มประสิทธิภาพพื้นที่การผลิต AI สามารถปรับปรุงกระบวนการออกแบบชิปโดยลดระยะเวลาและปรับปรุงประสิทธิภาพของผลิตภัณฑ์ AlphaChip ได้ถูกนำมาประยุกต์ใช้กับ TPU ของ Google รุ่นล่าสุด ซึ่งให้ประสิทธิภาพที่เหนือกว่าวิธีการออกแบบแบบดั้งเดิม

ขณะเดียวกัน คุณ Tran Thanh Long ศาสตราจารย์ประจำมหาวิทยาลัย Warwick ได้แบ่งปันข้อมูลเพิ่มเติมเกี่ยวกับความพยายามทั่วโลกที่ช่วยเพิ่มศักยภาพของ AI และเทคโนโลยีเซมิคอนดักเตอร์ ยกตัวอย่างเช่น เขาได้กล่าวถึงวิธีการใช้หน่วยความจำและทฤษฎีเบย์เซียนเพื่อเพิ่มประสิทธิภาพและความสามารถในการปรับขนาดของปัญญาประดิษฐ์ (AI) หน่วยความจำช่วยให้ AI จดจำข้อมูลได้ยาวนาน และใช้ข้อมูลในอดีตเพื่อเพิ่มประสิทธิภาพในการตัดสินใจ

“ทฤษฎีเบย์เซียนช่วยให้ AI ปรับความน่าจะเป็นในการทำนายโดยอิงจากข้อมูลใหม่ ช่วยให้ระบบเรียนรู้ได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น การผสมผสานนี้ช่วยลดความจำเป็นในการใช้ทรัพยากรคอมพิวเตอร์ แต่ยังคงให้ความแม่นยำสูง” คุณลองกล่าว

นอกจากนี้ แนวทางนี้ยังช่วยให้ AI ทำงานได้อย่างราบรื่นยิ่งขึ้นในด้านต่างๆ เช่น การดูแลสุขภาพ การผลิตภาคอุตสาหกรรม และระบบอัตโนมัติ โดยเฉพาะอย่างยิ่ง AI สามารถประมวลผลข้อมูลได้ดีขึ้นโดยไม่ต้องพึ่งพาศูนย์ข้อมูลขนาดใหญ่มากเกินไป ช่วยประหยัดต้นทุนและทรัพยากร ส่งผลให้ระบบต่างๆ ฉลาดขึ้น มีประสิทธิภาพมากขึ้น และสามารถปรับการทำงานได้เองโดยไม่ต้องใช้ข้อมูลจำนวนมหาศาล

คุณงัน วู จาก Google DeepMind แนะนำแนวทางการวิจัยที่เสนอการใช้ Circuit Neural Networks เพื่อสร้างการออกแบบวงจรตรรกะที่มีประสิทธิภาพ ทีมผู้เชี่ยวชาญของเธอตั้งเป้าที่จะย่นระยะเวลาวงจรการออกแบบวงจรจากไอเดียสู่ผลิตภัณฑ์จริง โดยการประยุกต์ใช้อัลกอริทึมการจำลองการอบอ่อนและเทคนิคการปรับปรุงประสิทธิภาพอื่นๆ

หนึ่งในความท้าทายสำคัญคือการสร้างสมดุลระหว่างความแม่นยำและประสิทธิภาพของวงจร เพื่อให้มั่นใจว่าการออกแบบไม่เพียงแต่ทำงานได้อย่างแม่นยำเท่านั้น แต่ยังช่วยประหยัดทรัพยากรอีกด้วย อย่างไรก็ตาม หากช่องว่างระหว่างซอฟต์แวร์ AI และฮาร์ดแวร์ลดลง ก็จะเปิดโอกาสใหม่ๆ มากมายในอุตสาหกรรมเซมิคอนดักเตอร์ “การนำ AI มาประยุกต์ใช้ในการออกแบบวงจรมีแนวโน้มที่จะเปลี่ยนแปลงวิธีการดำเนินงานของอุตสาหกรรมเซมิคอนดักเตอร์ ช่วยเร่งกระบวนการพัฒนาและส่งมอบการออกแบบที่เหมาะสมยิ่งขึ้น” คุณงัน วู กล่าว