人工知能と機械学習は、半導体製造と同じくらい競争力のある分野でイノベーションの基盤となる手段です。
近年、半導体を搭載したデバイスの数は倍増しています。 従来このタイプのコンポーネントを収容していたデバイスに加えて、半導体はモノのインターネットデバイスや車両などに不可欠な要素になりつつあります。当然のことながら、多くの自動車メーカーはマイクロチップがないため、今年は減産しなければなりませんでした。
この状況は、生産の限界にあるセクターに負担をかけているため、解決策を模索する必要があります。 そしてその答えは、人工知能（AI）と機械学習（ML）の適用にあります。
半導体メーカーは、新製品をより早く市場に投入し、競争力を維持するために、開発サイクルを短縮するためにたゆまぬ努力を続けています。 ただし、構造が小型化されるとコストが劇的に増加するため、イノベーションはリソースを大量に消費します。
マッキンゼーの専門家によると、チップ開発の研究開発コストは、65ナノメートルノードの2800万ドルから5ナノメートルノードの約5億4000万ドルに増加しました。 また、同じノードの構築コストは4億ドルから54億ドルに増加しました。
したがって、半導体業界は、研究、チップ設計、製造における生産性を向上させる必要があります。そのため、半導体業界はすでにAIとMLに重きを置いています。 コンサルタント会社の調査によると、半導体メーカーの利益に対するこれらの技術の貢献は、年間50億ユーロから80億ユーロの間です。
これはかなりの数字ですが、マッキンゼーは、AIとMLがこの業界で持つ可能性のある潜在能力全体の10％にすぎないと考えています。 これらのテクノロジーは、わずか2、3会計年度で年間350億ドルから400億ドルを生み出す可能性があると推定されています。 そして長期的に見ると、その数字は年間850億ドルから950億ドルに上昇する可能性があります。
見方を変えると、これらの数字は業界の現在の収益の約20％であり、現在は年間約5,000億ドルであり、2019年の設備投資とほぼ同じ1,100億ドルです。
コンサルタント会社は、AIとMLが半導体業界のバリューチェーン全体に適用されることを指定していますが、最大の影響は製造業にあります。 たとえば、これらのテクノロジーは、チップのエッチング精度を向上させ、タイミングを最適化し、歩留まりを向上させ、潜在的な障害を回避します。 また、ウェーハの目視検査にも役立ち、製造プロセスの欠陥を検出することで最終製品の品質を保証します。
チップの設計と検証の自動化の結果として、R＆DプロセスでのAIとMLの使用も強調されます。 障害パターンの特定に基づいて、アルゴリズムは新しいコンポーネントの構造を既存の設計と比較し、問題を特定して設計を最適化するのに役立ちます。
これらの技術は、製造以外のプロセスの改善にも役立ちます。 たとえば、市場の需要の変化に関する予測をより正確に調整したり、在庫や運用の計画、購入、製造を最適化したりするために使用されます。