2025年将改变半导体行业的大趋势
2025年将改变半导体行业的大趋势
生成式人工智能（AI）是推动从芯片技术到软件应用等各方面发展的主要因素之一。它还改进了开发工作流程。这项技术的基础是用于制造推动这场革命的电子产品的材料。
2025年，半导体行业将迎来哪些重大趋势？本文将探讨生成式AI对半导体行业的影响以及未来的发展方向。
AI带来的机遇与挑战
自生成式人工智能出现以来，用户见证了它的变革能力。对于半导体行业来说，它既带来了挑战，也带来了机遇。现在，用户可以利用人工智能和机器学习来识别和优化更智能的材料，以提高效率。然而，人工智能解决方案需要更多的功率和存储空间，这带来了制造更小、更快、更强大的芯片的挑战。
随着芯片变得越来越复杂，几个原子将决定整个芯片的功能。我们需要新材料和增强当前使用的材料，以实现更高性能的设备（图 1）。
图 1 AI 和其他数字解决方案需要更多的功率和存储空间，这给制造更小、更快、更强大的芯片带来了挑战。因此，我们需要能够实现更高性能设备的新材料和工艺。
新兴应用推动技术创新
除了AI，可穿戴设备已成为日常生活中的常态，尤其是眼镜。这些新设备需要更精简的解决方案来支持AR和VR（增强现实和虚拟现实）操作，新技术使这些操作可以在更小的设备内运行。
全球对可再生能源的关注也在推动技术创新。可持续性正在推动对太阳能电池板、能源存储系统和高效电源管理设备等应用的需求。
技术变革与材料创新
将人工智能推向边缘（例如AR眼镜、自动驾驶汽车的实时大量数据处理）不仅需要根据摩尔定律进行扩展，还需要替代架构（例如神经形态计算和量子计算）来超越功率和内存的限制。鉴于生成式人工智能的成功，这一趋势将以前所未有的方式加速。
技术变革要求半导体行业重新考虑如何为下一代芯片设计材料。替代架构、改进的性能以及对高带宽内存访问的需求将需要传统的扩展方法和新材料、异质集成、先进封装和设备设计以及材料协同优化。多组分氧化物、硫族化物、透明导电氧化物、2D材料和其他多组分合金在设备路线图中变得越来越常见。
为了进一步增强半导体器件的固有性能，越来越需要在更高的抽象层次上共同优化器件和材料技术。这标志着材料研究方法论的一个转折点（图 2）。
图 2 随着半导体设备变得越来越复杂，实现原子级精度变得越来越重要。
材料智能与数字化转型
传统上，新材料的发现依赖于艰巨、反复且昂贵的实验室合成和测试过程，涉及半导体制造商、工具制造商和材料供应商。随着人工智能将对半导体的需求推向前所未有的水平，这种模式面临着挑战，需要满足快速、共同优化和高效引入和扩展新材料的需求。
材料智能涉及在原子和分子水平上对材料的科学理解和工程设计，以及集成数字技术以优化材料特性、性能和制造工艺。通过将人工智能和机器学习算法应用于这些数据，材料供应商可以预测各种条件下的材料行为，确定特定应用的最佳材料成分，并提高制造效率。
创新实践与合作
EMD Electronics等材料供应商处于引领这些创新努力的有利位置，可以加速增长，同时降低引入新材料带来的风险。通过研究不同材料、工艺和设备架构之间的相互作用，可以在早期阶段找到表现出卓越性能的解决方案。
此外，加速材料创新需要获取和处理大量数据的能力。此类过程需要量子计算和神经形态计算等先进计算平台来识别新型化学物质和材料。这还需要高吞吐量和组合能力，以及快速制作原型和测试设备的能力，例如在分子间设施中拥有的设备。
量子计算领域的突破
在量子计算领域，单光子探测器（SPD）是量子计算机规模化的关键部件。这需要具有超导性的薄膜，且只能在极低温度（<10K）下实现，这使得系统规模化变得具有挑战性。
在Intermolecular，研究人员成功识别出有前景的块状超导体，将其扩展为薄膜，并优化堆栈。结果证明了创纪录的SPD性能，研究人员将继续创新，以证明这种第二代材料的临界温度有了显著改善。