摘要：生成式人工智能是推动从chiplet技术到软件应用等所有领域发展的主要因素之一。它还在改善研发流程。而支撑这项技术发展的基础，是用于制造推动这场革命的电子产品的材料。

（本文编译自electronicdesign）

生成式人工智能是推动从chiplet技术到软件应用等所有领域发展的主要因素之一。它还在改善研发流程。而支撑这项技术发展的基础，是用于制造推动这场革命的电子产品的材料。

展望2025年的发展，会有哪些推动半导体行业发展的大趋势呢？

哪些大趋势正推动半导体行业重回增长？

自生成式人工智能面世以来，我们已经见证了它的变革能力。对于半导体行业而言，它既带来了挑战，也带来了机遇。如今，我们能够利用人工智能和机器学习来识别并优化更智能的材料，以提高效率。然而，人工智能解决方案需要更多的电力和存储，这就要求芯片需要具备更小尺寸、更快速度，以及更强性能。

随着芯片变得愈发复杂，区区几个原子就能决定整个芯片的功能。我们需要新材料以及对现有的材料进行改进，以实现更高性能的设备（如图1所示）。

图1：人工智能和其他数字解决方案需要更多的电力和存储，这就带来了让芯片更小、更快、性能更强的挑战。因此，我们需要能够实现更高性能设备的新材料和新工艺。

此外，可穿戴设备已成为我们日常生活中的标配，其中智能眼镜尤为突出。这些新设备需要更精简的解决方案来支持增强现实（AR）和虚拟现实（VR），而新技术能让这些操作在更小的设备中运行。

最后，全球都在关注可再生能源，可持续发展推动了对太阳能电池板、储能系统和高效电源管理设备等应用的需求。

将人工智能推向边缘端（例如增强现实眼镜、自动驾驶汽车中大量数据的实时处理）不仅需要按照摩尔定律进行规模扩展，还需要替代架构（如神经形态计算和量子计算）来突破功耗和内存的限制。鉴于生成式人工智能的成功，这一趋势将以前所未有的速度加速发展。

材料科学，即“材料智能”，作为人工智能和高性能计算的基石，发挥着怎样的作用？为何半导体行业步入了“材料时代”？

技术变革要求我们进行重新思考，应如何为下一代芯片设计材料。采用替代架构、提升性能，以及满足对高带宽内存访问的需求，不仅需要传统的缩放方法，还需要新型材料、异构集成、先进封装和器件设计，以及材料的协同优化。多组分氧化物、硫族化合物、透明导电氧化物、二维材料及其他多组分合金，正逐渐在器件发展路线图中占据一席之地。

为进一步提升半导体器件的固有属性，在更高抽象层次上对器件与材料技术进行协同优化的需求日益增长。这标志着材料研究方法迎来了一个转折点（如图2所示）。

图2：随着半导体器件变得愈发复杂，实现原子级别的精度变得越来越关键。

传统上，新材料的发现依赖于艰苦、反复且成本高昂的实验室合成与测试流程，半导体制造商、设备制造商和材料供应商都参与其中。由于人工智能将对半导体的需求推至前所未有的高度，这种模式面临着巨大挑战，难以满足对新材料快速、协同优化且高效引入与规模化生产的需求。

这给像EMD电子这样的材料供应商带来了巨大商机，同时，他们所积累的能力也能帮助加速发展，又能降低引入新材料带来的风险。

材料智能指的是在原子和分子层面从科学角度理解材料并进行工程设计，同时整合数字技术以优化材料特性、性能和制造流程。

通过将人工智能和机器学习算法应用于这些数据，EMD电子能够预测材料在各种条件下的表现，为特定应用确定最佳材料成分，并提高制造效率。这种独特能力使得在恰当的地点、恰当的时间生产出质量合适的材料成为可能。

材料将把其赋能作用从前端延伸至价值链的其他创新热点领域，比如异构集成。我们已进入一个摩尔定律面临挑战的时代。对更快、更节能计算的追求正在重塑半导体行业。随着我们从以节点驱动转变为在整个价值链上采用系统级方法，这涉及到进一步的多样化和专业化，因此，系统地探索材料的下一次演进至关重要。

展望未来：

创新将更具活力，但同时也更为不均衡且更为零散，整个体系都将加强创新。

各个阶段的创新都将相互协调，以实现效益最大化，强调协作与有效的数据交换是关键因素。

为了在原子层面实现小型化、垂直堆叠以及复杂性，从而推动芯片制造商的技术路线图发展，目前正在发生哪些创新呢？

极紫外（EUV）光刻技术的创新对于制造更小、排列更密集的晶体管至关重要。前沿光刻胶和图案化解决方案的发展有助于实现精确的纳米级图案形成，这对于缩小器件尺寸至关重要。

为克服传统平面缩放的局限性，诸如3D NAND和硅通孔背面供电等垂直堆叠技术变得愈发重要。先进的电介质和金属化解决方案确保了可靠且高效的垂直互连。蚀刻和沉积工艺的创新使得能够精确构建多层结构，从而在更小的空间内实现更高的存储密度和更强的性能。

随着半导体器件变得越来越复杂，实现原子级别的精度变得愈发关键。材料行业处于开发原子层沉积（ALD）和原子层蚀刻（ALE）技术的前沿，这些技术能够在原子级别上对材料特性和厚度进行无与伦比的精准控制。这些技术对于制造具有卓越均匀性和精度的超薄薄膜和界面至关重要，包括高深宽比和表面形貌复杂的特征。

此外，二维材料和量子点等新型材料的进展正在拓展器件复杂性和功能性方面的可能性。

这些创新共同助力芯片制造商推进其技术路线图，在下一代半导体器件中实现更高的性能、更高的效率以及新的功能。

在材料智能的新时代，人工智能（AI）、机器学习（ML）和数据分析分别扮演着怎样的角色？

全球数据规模正呈指数级增长，这提供了前所未有的机会，得以更深入地了解生产流程和材料。然而，处理如此海量的数据本身就极为复杂，带来的挑战需要创新性的解决方案。

随着质量控制参数的数量持续增加，再沿用几十年前过时的数据分析方法已变得不现实，这一点至关重要。适应并采用先进的分析方法，对于控制相关参数、防止成本呈指数级增长至关重要。相关科学家和工程师正运用最先进的数字工具，结合分子间服务的强大功能，推动现代技术的进步。

借助先进的设备测试能力，聚焦于设备与材料的协同优化，使我们能够在科学发现中挖掘人工智能的潜力。这推动了人工智能的进一步发展，并加速了各个领域的创新。

通过研究不同材料、工艺和器件架构之间的相互作用，能够在早期阶段就确定出性能卓越的解决方案。在DRAM电容堆叠工程、原子层刻蚀（ALE）以及神经启发计算等领域的工作，充分体现并展示了这种数字化转型。

利用快速发展的数字工具进行材料建模与发现，能够拓展探索空间的广度与深度，高效地识别出推动芯片制造商创新的新分子和集成解决方案。

此外，加速材料创新需要获取并能够处理海量数据。此类过程需要量子计算和神经形态计算等先进计算平台，以发现新的化学物质和材料。

这也需要具备高通量和组合能力，能够快速制作设备原型并进行测试，就像分子间服务机构所具备的能力一样。

量子计算机规模化的关键组件是单光子探测器（SPD）。这需要超导薄膜，而这种薄膜只有在极低温度（

在分子间服务机构，已经成功找到了有潜力的块状超导体，将其制成薄膜并优化了堆叠结构。结果显示，单光子探测器性能创下纪录。

来源：小贺说科技