AI重塑半导体攻坚逻辑,产业为何从补产能转向“提效率”

来源:爱集微 #攻坚技术论坛#
1366

2026年全球半导体产业有望延续上一年的高景气,AI算力与存储需求成为主要拉动力。但总量增长之下,结构分化仍在延续:逻辑芯片受AI算力需求拉动保持强劲,存储芯片在AI对HBM的强劲需求推动下继续扩张,而消费电子、PC等传统应用则因存储挤占与终端成本上行而承压。AI在把半导体产业推上更大舞台的同时,也将制造与供应链的复杂度推到了前台。

半导体攻坚技术论坛暨普迪飞中国20周年庆典于11月12日在上海举办,论坛传递出的核心信号是:AI在拉动半导体产业进入新一轮高景气周期的同时,正在把竞争焦点从单一工厂的良率与效率,推向覆盖设计、制造、封装测试与供应链的全程数据协同。

结构性分化的本质,是制造复杂度的跃迁

AI对半导体的拉动,不只是需求量的放大,更是产品架构与制造范式的重构。当单颗芯片的晶体管规模逼近物理与经济性的双重边界,Chiplet、HBM与先进封装成为延续性能提升的主要路径。有数据显示,全球先进封装产能在2025-2030年间保持41%的复合年均增长率,2025-2027年间则高达77%。

封装由此成为“创造价值”的环节,但代价是,一颗高性能AI芯片的诞生,不再取决于某一座晶圆厂的单点卓越,而取决于设计、晶圆制造、封装测试、存储供应之间高度耦合的协同效率。

这种耦合直接冲击了传统的良率管理逻辑。在先进制程下,版图相关的系统性问题已成为良率的主要挑战,而Chiplet架构又把良率风险从“单芯片内部”扩散到“多芯片互连与封装界面”,即便在最领先的制造节点上,良率从“可量产”走向“可盈利”依然是一段陡峭的曲线。

这与普迪飞在会上的判断相呼应,其资深技术与客户项目负责人王健博士给出的路径是“风险识别前移”。他指出:“随着工艺复杂性提升及与设计耦合效应增强,版图相关的系统性问题已成为先进工艺良率的主要挑战,业界正在探索从问题导向的被动响应方式向主动预判转型的可行性。”

王健博士介绍了普迪飞融合经验积累与 AI 能力的良率风险管理方案:以面向产品的 PDF CV 连接产品版图、工艺异常与产品良率,覆盖技术开发、风险试产到量产全流程;通过 FIRE 版图分析方案评估风险图形,并基于 eProbe PointScan 架构与 Design-Aware 技术的 DirectScan 在线检测方案,实现产品图形的全面覆盖与未知图形风险的快速界定。

供应链协同,被AI放大的“木桶短板”

如果说良率前移解决的是“做得对”的问题,那么供应链协同解决的是“连得通”的问题。当前,AI芯片的供应链已经很难用传统的线性模型来描述,一颗芯片的设计方、晶圆代工厂、封测厂、存储供应商往往分处不同国家与不同企业体系,产品架构每复杂一分,端到端可视性的缺口就被放大一分。Chiplet的异构集成趋势又在加速这一进程。

普迪飞产品总监陈昭更在论坛上给出的观察是,半导体竞争已从单一工厂的良率与效率优化,转向整条供应链的韧性、可视性与生态协同。普迪飞Sapience Supply Chain Hub的定位,本质上是在做一件半导体行业长期缺失的基础设施工作,把制造测试标准、工作流、WIP可视性、质量异常追踪在企业系统之间打通。

毕竟,半导体供应链的数据异构性极高,设计端的PLM、制造端的MES与YMS、企业端的ERP,遵循不同的数据模型与语义体系。谁能把跨环节的数据治理做成可复用的底座,谁就掌握了AI在制造场景中落地的前提条件。

AI进入制造,呼唤“可信的数据底座”

过去两年,AI在半导体领域的叙事大量集中在设计端和检测端,但制造场景的AI落地远比演示用例苛刻。制造数据的特征是体量大、维度宽、语义复杂,且决策后果不可逆。因此,制造场景对AI的要求不是“更聪明的模型”,而是“在正确数据上做出可追溯、可审计的判断”。

普迪飞此次系统展出的Exensio Aurora平台,可以放在这个框架下理解。它以工作流为统一执行语言,将数据平台、可扩展计算、AI 与智能体(Agentic AI)能力及边缘部署编排整合于一体;依托语义增强、可检索的制造数据底座与面向半导体领域的知识护栏,支持自然语言、低代码与 API 等多种分析方式。

当前,国内晶圆代工的成熟制程订单回流与高产能利用率相互强化。而高产能利用率也意味着,增量收窄后效率提升将更多来自存量良率改善、跨环节协同与制造数据利用。

普迪飞在中国市场的进程,恰与国内半导体从“补产能”转向“提效率”的节奏同频。正如普迪飞联合创始人、总裁兼CEO John Kibarian在致辞中所言,公司依托三十余年半导体制造经验、PB级制造数据积累与面向半导体领域的知识本体,以可扩展的分析计算引擎、AI工作流与智能体,在边缘部署中打通设计、制造与供应链环节,帮助客户在可接受成本下从复杂私有数据中获得洞察,并保障AI应用在高风险制造场景中的可信与可控。这一平台思路的落点,正是全球数据能力与本土制造场景的对接。

责编: 姜羽桐
来源:爱集微 #攻坚技术论坛#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...