这一篇文章，是经由半导体产业纵横（其ID为ICVIEWS），从eletimes之上展开编译而得来的，有标点。

几十年来，一直作为计算机发展主要驱动力的是硅，然而如今摩尔定律已快要接近极限了。随着芯片速度以及能效要求在不断地提高，因供应短缺情况的存在，还有地缘政治紧张局势的影响，供应链当前面临着前所未有的压力。

这便是人工智能以及量子计算施展作用的所在之处，这可不是科幻小说，它们正助力于发觉全新的半导体材料，并且对晶圆厂的生产规划予以优化，这能够使交货周期予以缩短，切实降低风险，进而打造出更具韧性的供应链 。

对于工程师而言，信息是这样的，要想在芯片领域维持领先位置，很快就得同时借助量子计算与人工智能，对采购团队来说，亦是如此 。

量子计算，其在半导体创新中有与人工智能的融合，量子计算运用量子比特，此与经典比特不一样，量子比特能够处在叠加态，同时展现出0和1的状态，这致使量子处理器具备处理经典计算机难以达成的复杂模拟的能力，像模拟新型半导体材料中的原子级行为这种情况 。

人工智能使这种能力得到了增强，凭借将预测分析运用到量子模拟上，机器学习模型能够识别出有前景的候选材料，对其性能予以预测，还能提出调整建议，这把原本迟缓的试错过程转变成了可执行的洞察，进而节省了数年的实验室工作。

以谷歌的Willow处理器作为例子，它是Sycamore的后续出的产品，虽说不是完全针对材料研究去进行设计的，不过它展现出了量子系统怎样去扩展并且减少误差，在和机器学习相互结合起来的时候，它给芯片创新当中至关重要的材料特性给予了前人所没有过的视角 。

恰恰如同Anima Anandkumar所点明的那般，人工智能助力我们把量子模拟的那种本初的复杂性，转变为工程师切实能够加以运用的见解 ，Anima Anandkumar，是加州理工学院的教授，同时亦是英伟达人工智能研究的高级总监 。

人工智能与量子计算相融合，这一相融合的操作，正针对芯片设计打基础，这建立的基础是完全新颖的一种基础。

人工智能驱动的材料科学：运营和市场影响

当发现新型半导体材料之际，原子级那份精确程度关键性极高，人工智能予以驱动的量子模型，能够模拟像石墨烯、氮化镓或者钙钛矿这种材料里头的电子行为，这致使研究人员能够在开展实验室测试以前，评估材料的导电性能、能量效率以及耐久性，进而特别大幅度地加快材料鉴定的速度。

事实上，所产生的影响十分显著。过往惯例里，对材料进行验证需耗费数年光阴，然而早前的相关研究却显示，验证所需的时长能够缩减百分之三十至百分之五十。如此一来，晶圆厂便能够以 более Высокий уровень эффективности 开展运营，促使生产得以与新技术保持同步，并且将闲置时间降至最低限度 。

这一局面因加之一步的市场压力而变得更为严峻，在二零二一年短缺的阶段期间，物资交付所需要的周期，从大概十二周的时长，延伸至一年还要多的时间跨度，凭借人工智能的助力，企业得以对供应链可能出现的中断情况作出预先推测，进而主动地实行并相应地调整采购方面的策略，另外量子模拟能够拓展增加可使用材料的范围领域，以此来弱化减少对于单一供应商或者高风险地区的依赖程度。

图1，半导体交货周期，在2020年时是12周，到2022年飙升至30周以上，之后情况有所缓解。人工智能跟量子技术的融合，能够借助达成预测分析以及多元化采购，来助力稳定这些波动。

投资所获回报，十分令人瞩目。德勤表明，那些把人工智能融入到研发以及供应链运营里的企业，其效率提升幅度能够达到两位数，这主要是因为产量预测得到改进，还有停机时间减少了。谷歌的量子研究团队已然证明，人工智能驱动的模拟能够在几周里，把有前景的材料从数千种缩减至几种，然而使用传统计算方法一般需要数年时间。研发周期实现显著缩短，从根本上改变了竞争格局。

为采购和供应链领导者提供战略洞察

对于采购领导者而言，这不只是单单一次技术升级，更意味着一项实实在在的战略优势。采购领导者，供应链领导者也，人工智能驱动之量子工具可使交付周期得以优化，进而达成更精准的供应商合同，还能减少对过剩库存的需求。预测分析亦有助于团队，在潜在风险对晶圆厂产生影响或者延误客户交付之前，就将其识别出来 , 。

可以提升供应链韧性，当人工智能引导的量子模拟要确认那些能够从不同地区采购的替代半导体时，采购团队便能降低地缘政治风险或者自然灾害所带来的影响，这种方法跟美国《芯片与科学法案》以及欧盟《芯片法案》等国家倡议相契合，这两项法案都意在促进更强大的本地化生产以及更具韧性的采购策略，量子人工智能建模提供了验证这些替代供应渠道所需的必要技术保障。

短期内，人工智能行业呈上升趋势，这是明显可见的，然而，只有那些能够切实有效管理供应链的公司，以及能够吸引并留住人才的公司，才能够更妥善地把握人工智能蓬勃发展所带来的机遇，进而从中获得益处。——毕马威全球技术主管马克·吉布森 。

咨询研究报告表明，一些采用人工智能增强型半导体运营的公司，获取到了显著更高的投资回报率，并且与传统运营作比较而言，效率实现了两位数的提高，如图2所示。

追根溯源，那些成功把这些技术予以整合的公司，不但能够以更快的速度将产品推向市场，而且还能够在当今这个变化多端、稍纵即逝的全球市场里获取到实实在在的竞争优势。在半导体这个行业当中，只消几周时间的延误，便极有可能造成高达数十亿美元的收入损失，所以说灵敏性对于生存起着至关重要的作用。

未来展望：量子人工智能对半导体制造的影响规模化

展望往后，下一番重大发展趋向好像为期不远了。全栈式量子人工智能设计，这便是那趋向中之趋向。试去想象一番，量子处理器运作全芯片模拟，人工智能则承担起优化其速度、尽其所能提升效率以及增强可制造性的重任。虽说我们还没有全然达成这一追求，然而光子电路以及自旋电子元件一步步迈向前方的进展，已然造就出了能够切实看见的成效。

制造团队面临的挑战是，怎样维持供应链的灵活性，材料从模拟阶段迈向试生产阶段时，可以扩大规模，采购和制造团队要协同一致，当前量子处理器不理想，在量比特数、错误率以及可扩展性上有局限，不过进展若持续，未来十年可能有实际工业应用成果，现在着手规划、制定路线图并建立战略合作伙伴关系的公司会有明显优势。

结论

当下，半导体行业正处在一个关键的转折点上，把人工智能的预测能力跟量子计算的原子级洞察力相融合，能够加快产品发现的速度，缩减研发周期，还能显著提升供应链的韧性，对于工程师以及采购负责人来讲，信息很清晰：运用人工智能与量子计算的融合不单单涉及技术，更涉及维持竞争力，硅芯片的下一个重大突破不是偶然发生的，而是要借助人工智能和量子计算来精心开展设计、实施优化以及进行工程打造。