本文由半导体产业纵横（ID：ICVIEWS）编译自eletimes

几十年来，硅不停 是盘算机成长 的紧张驱动力，但摩尔定律如今已接近极限。跟着 对芯片速度和能效要求的不停 提高 ，由于 供应缺乏 和地缘政治紧张局面，供应链面临的压力前所未有。

这就是人工智能和量子盘算施展 感化 的地方。这并非科幻小说；它们正在帮助创造 新的半导体质料，并优化晶圆厂的生产计划。这可以紧缩交货周期，低落风险，并打造更具韧性的供应链。

对于工程师和采购团队来说，信息很简单：要想在芯片领域对峙 领先职位，很快就必要同时使用量子盘算和人工智能。

量子盘算和人工智能在半导体立异 中的领悟

量子盘算使用量子比特，与经典比特差别，量子比特可以处于叠加态，同时表示0和1。这使得量子处理器可以或许处理经典盘算机难以完成的复杂模仿，比方 模仿新型半导体材估中 的原子级活动。

人工智能加强了这种本领。通过将预测分析 运用 于量子模仿，呆板进修 模型 可以识别有远景的候选质料，预测其机能 ，并提出调整发起。这使得原来迟钝的试错进程 变化为可执行的洞察，从而节省了数年的实验室工作。

以谷歌的Willow处理器为例。它是Sycamore的后续产品 ，固然并非完全为质料研讨 而计划，但它展现 了量子系统怎样扩大 并淘汰偏差。当与呆板进修 相联适时，它为芯片立异 至关紧张的质料特性供给 了前所未有的视角。

正如Anima Anandkumar 指出的那样：“人工智能帮助我们将量子模仿的原始复杂性转化为工程师现实可以使用的见解。”—— Anima Anandkumar，加州理工学院教授兼英伟达人工智能研讨 高级 总监。

人工智能和量子盘算的联合，正在为芯片计划奠定一种全新的基础。

人工智能驱动的质料科学：运营和市场影响

在创造 新型半导体质料时，原子级精度至关紧张。人工智能驱动的量子模型 可以模仿石墨烯、氮化镓或钙钛矿等材估中 的电子活动。这使得研讨 职员可以或许在进行实验室测试之前评估质料的导电性、能量屈服 和历久性，从而极大地加快质料判定速度。

现实影响明显 。传统上，质料验证必要数年时间，但早期研讨 表白 ，验证时间可以紧缩30%至50%。这使得晶圆厂可以或许更高效地运营，使生产与新技能同步，并最大限度地淘汰闲置时间。

市场压力进一步加剧了这一局面。在2021年的缺乏 期间，交货周期从约莫12周延长 至一年以上。借助人工智能，企业可以预测供应链停止并主动调整采购计谋。量子模仿还能扩大可用质料的范围，从而淘汰对单一供应商或高风险地域的依靠。

图1. 半导体交货周期从2020年的12周飙升至2022年的30周以上，之后有所缓解。人工智能与量子技能的领悟 可以通过实现预测分析 和多元化采购来帮助稳定这些颠簸。

投资回报令人注视 。德勤指出，将人工智能融入研发和供应链运营的企业，屈服 提升幅度可达两位数，这紧张得益于产量预测的改良 和停机时间的淘汰。谷歌的量子研讨 团队已证明，人工智能驱动的模仿可以在几周内将有远景的质料从数千种缩减到几种，而使用传统盘算方法通常必要数年时间。研发周期的明显 紧缩从基本 上改变了竞争格局。

为采购和供应链领导者供给 计谋 洞察

对于采购和供应链领导者而言，这不仅仅是一次技能进级 ，更代表着一项真正的计谋 优势 。人工智能驱动的量子对象 可以或许优化交付周期，从而实现更精准的供应商合同，并淘汰对多余 库存的需求。预测分析 还能帮助团队在埋伏风险影响晶圆厂或耽搁 客户交付之前识别它们。

供应链韧性也获得 提升。当人工智能引导的量子模仿确认可以从差别地域采购的更换半导体时，采购团队就能低落地缘政治风险或自然劫难带来的影响。这种方法与美国《芯片与科学法案》和欧盟《芯片法案》等国家倡议相契合，这两项法案都旨在促进更强大的本地化生产和更具韧性的采购计谋。量子人工智能建模供给 了验证这些更换供应渠道所需的必要 技能保障。

“短期内，人工智能行业的上升趋势 显而易见，但那些可以或许有用办理 供应链、吸引并留住人才的公司，才气更好地把握人工智能蓬勃 成长 带来的机会并从中获益。”——毕马威环球技能主管马克·吉布森

图2. 接纳人工智能加强型半导体运营的公司获得了明显 更高的投资回报率，咨询研讨 报告显示，与传统运营相比，屈服 提高 了两位数。

归根结底，乐成整合这些技能的公司不仅能更快地将产品 推向市场，还能在当今瞬息万变的环球市场中获得真正的竞争优势 。在半导体行业，几周的耽搁 就大概造成数十亿美元的收入损掉 ，是以 ，敏捷性对于生存 至关紧张。

未来展望：量子人工智能对半导系统 体例 造的影响范围 化

展望未来，下一个重大成长 方向好像是全栈式量子人工智能计划。试想一下，量子处理器运行全芯片模仿，而人工智能则负责优化其速度、屈服 和可制作 性。固然我们尚未完全实现这一目的，但光子电路和自旋电子元件的渐渐提高 已经发生 了切实可见的成果。

对于制作 团队而言，挑战在于怎样对峙 供应链的机动性。跟着 新质料从模仿阶段过渡到试生产阶段，采购和制作 团队必需 和谐整齐 地扩大范围 。如今的量子处理器并不完美，它们在量子比特数量、毛病 率和可扩大 性方面仍旧存在局限性，但假如盼望持续，未来十年内有望出现 现实的工业运用 。如今就开始 计划 、订定门路图并建立计谋 相助伙伴关系的公司将获得明显 优势 。

结论

目前，半导体行业正处于一个关键的迁移变化点。将人工智能的预测本领与量子盘算的原子级洞察力相联合，可以加快产品 创造 ，紧缩研发周期，并明显 加强供应链的韧性。对于工程师和采购负责人而言，信息很明白：接纳人工智能与量子盘算的领悟 不仅仅关乎技能，更关乎对峙 竞争力。硅芯片的下一个重大冲破 并非偶尔，而是必要借助人工智能和量子盘算进行经心计划、优化和工程打造。

*声明：本文系原作者创作。文章内容系其个人不雅 点，我方转载仅为分享与讨论，不代表我方赞成 或认同，若有 异议，请接洽配景。