Il ruolo dell’AI a vantaggio del mercato dei semiconduttori

Le analisi sono tutte d’accordo nell’evidenziare il ruolo dell’intelligenza artificiale a vantaggio del mercato dei semiconduttori. Ma l’AI, già oggi, ne supporta il processo progettuale e realizzativo.

TAKEAWAY

  • La crescita del mercato dei semiconduttori e dei chip è notevole, così come le loro prestazioni, grazie anche anche all’impiego delle tecniche di intelligenza artificiale.
  • Il ruolo dell’AI è già presente nella maggior parte del ciclo produttivo di semiconduttori e chip, dalla progettazione alla produzione fino alla manutenzione, ma è destinata ad aumentare.
  • Svariate aziende puntano sugli AI chip, ma nel frattempo UE, USA, Cina, Corea del Sud si stanno muovendo per rendersi sempre più indipendenti nella realizzazione di semiconduttori. E l’artificial intelligence entra in gioco anche in questo caso.

Le applicazioni delle tecniche di intelligenza artificiale per il mercato dei semiconduttori sono già realtà, ma permetteranno di fare passi avanti ancora più significativi nel settore, a tutto vantaggio dei chip.

Secondo un rapporto di McKinsey, nel giro dei prossimi due anni l’AI potrebbe generare tra i 35 e i 40 miliardi di dollari l’anno all’industria dei semiconduttori, cifra che potrebbe salire a 95 miliardi nel lungo periodo. Si stima che circa il 40% dell’impatto dell’artificial intelligence sarà dovuto a una maggiore velocità di ricerca e sviluppo nel comparto. 

Il mercato già oggi è in crescita esponenziale: Deloitte prevede che l’industria mondiale dei chip per semiconduttori raggiungerà, già quest’anno, i 600 miliardi di dollari circa. L’Associazione internazionale di categoria SIA (Semiconductor Industry Association) ha registrato una crescita del fatturato mondiale dell’industria dei semiconduttori: a maggio ha raggiunto i 51,8 miliardi di dollari, con un + 18% rispetto allo stesso mese dell’anno scorso, quando aveva raggiunto 43,9 miliardi di dollari.

Crescita economica a parte, è lo sviluppo tecnologico legato ai semiconduttori che mostra il vero incremento. Un esempio: Google ha presentato, in primavera, l’ultima versione della sua linea di processori Tensor Processing Unit, uno specifico circuito integrato utilizzato in attività di deep learning. Il TPU v4 è più di due volte più potente del processore v3 del 2018. D’altronde, i dispositivi semiconduttori devono rispondere a un incremento in termini di prestazioni decisamente importante.

Mentre la legge di Moore prevede che il numero di transistor in un circuito integrato raddoppi ogni due anni circa, la quantità di calcolo necessaria per addestrare modelli di intelligenza artificiale è raddoppiata ogni 3/4 mesi tra il 2012 e il 2018, evidenziando la necessità di promuovere lo sviluppo di circuiti integrati evoluti: gli AI chip.

La maggior parte delle attività che riguardano l’impiego di tecniche di machine learning e artificial intelligence hanno fatto aumentare di 25 volte la necessità di potenza di elaborazione ogni due anni, mentre uno dei modelli più avanzati di Natural Language Processing richiede una potenza di calcolo 275 volte superiore ogni due anni per funzionare.

Questa possibilità è fornita da chip per computer che non solo contengono il massimo numero di transistor, ma sono anche fatti su misura per eseguire in modo efficiente i calcoli specifici richiesti dai sistemi di intelligenza artificiale. Ecco spiegato il successo crescente degli “AI chip”, essenziali per implementare artificial intelligence su scala e in modo economicamente vantaggioso.

Ma, nel complesso, l’impiego dell’intelligenza artificiale per i semiconduttori è fondamentale fin dalle fasi progettuali e produttive, per far sì che il loro ciclo di vita e la loro qualità siano sempre più performanti.

Il ruolo dell’intelligenza artificiale per i semiconduttori, dal design…

Le tecniche di intelligenza artificiale sono coinvolte nella maggior parte del ciclo produttivo dei semiconduttori, a partire dalla progettazione. In questa fase si deve tenere conto della complessità e della necessità di ottimizzare l’architettura dei semiconduttori per garantire performance sempre più avanzate.

I miglioramenti nel design non riguardano solo il miglioramento delle prestazioni complessive, ma anche la velocizzazione del movimento dei dati in entrata e in uscita dalla memoria, con una maggiore potenza e sistemi sempre più efficienti.

Un’opzione su cui si ragiona in questo senso è legata ai chip neuromorfici, una frontiera promettente su cui si sta lavorando. Ma intanto l’AI potrà rivelarsi importante, in fase progettuale, anche per ridurre gli sprechi e ottimizzare i materiali.

Un esempio di quali progressi può consentire l’impiego dell’intelligenza artificiale per i semiconduttori la offre una ricerca condotta da un team congiunto di Google (Brain Team e Google Chip Implementation and Infrastructure), presentata su Nature. Gli esperti hanno lavorato al floorplanning dei chip, ovvero alla planimetria dei circuiti integrati che va a definire il loro aspetto fisico.

Tale fase – evidenziano i ricercatori – non è stata automatizzata, malgrado si lavori su di essa da cinquant’anni, e richiede una procedura di mesi. Il metodo messo a punto dal team, basato sull’impiego del deep reinforcement learning, ci ha messo meno di sei ore per generare automaticamente planimetrie di chip comparabili – se non superiori – a quelle tradizionali. Il loro metodo è stato utilizzato per progettare la prossima generazione di acceleratori AI.

La produzione è altrettanto importante e complessa. E i tempi rappresentano una delle sfide principali della catena di fornitura dei semiconduttori. In questa fase, test e perdite di rendimento incidono fino al 30% dei costi totali.

Poter contare sull’adozione di tecniche AI nel ciclo produttivo permette alle aziende di analizzare sistematicamente le perdite in ogni fase, per aiutare i produttori a ottimizzare le operazioni.

… alla manutenzione predittiva

Nel processo produttivo, la precisione assume un valore notevole, specie quando si tratta dell’ispezione visiva dei wafer, elementi indispensabili dei chip. Essa aiuta a garantire la qualità, individuando i difetti fin dalle prime fasi del processo di produzione.

Nella produzione di circuiti integrati, i difetti superficiali sui wafer devono essere classificati con precisione, per una migliore gestione della resa. Secondo McKinsey, grazie ai progressi delle tecnologie di deep learning per la computer vision, i sistemi di ispezione dei wafer sono in grado di identificare e classificare automaticamente i difetti con un tasso di precisione pari o superiore a quello delle ispezioni umane.

Per gestire la crescente domanda di chip in velocità e scala, sono stati introdotti sistemi di classificazione automatica dei difetti (Automatic Defect Classification – ADC). In questo senso, la ricerca lavora a migliorare i processi: un esempio è rappresentato dallo studio di Charissa Phua e Lau Bee Theng, rispettivamente data scientist dell’X-FAB e docente della Swinburne University di Melbourne. Sfruttando le tecniche di deep learning, è stato messo a punto un sistema ADC che utilizza un’architettura di rete neurale convoluzionale profonda per rilevare e classificare i difetti della superficie dei wafer di semiconduttori, basandosi anche su immagini al microscopio elettronico a scansione.

Il loro sistema permette risparmi di tempo e consente di ottenere un’accuratezza migliore del 93,69%, valore decisamente superiore a quello ottenuto dai sistemi tradizionali.

C’è poi un altro fattore in cui viene in aiuto l’intelligenza artificiale per i semiconduttori: la manutenzione predittiva. Essa è fondamentale per il funzionamento, in quanto consente ai proprietari dei processi e al personale addetto alla manutenzione di rilevare i problemi legati alle apparecchiature prima che si verifichi un guasto.

La produzione e il rispetto dei programmi sono protetti e si evitano le interruzioni non pianificate. L’adozione di tecniche di intelligenza artificiale è in grado di identificare anche le più piccole anomalie.

Pubblico & privato puntano sull’intelligenza artificiale per i semiconduttori

L’impiego dell’intelligenza artificiale per i semiconduttori del presente e del futuro è un tema al quale lavorano tutti i colossi del settore e che ha fatto la fortuna di alcune aziende. Secondo Gartner, oltre 50 aziende in tutto il mondo stanno sviluppando chip per l’intelligenza artificiale e prevedono che il mercato globale dedicato raggiungerà i 71,1 miliardi di dollari entro il 2025, più del doppio rispetto ai 34,3 miliardi di dollari del 2021.

Secondo i dati di PitchBook, nel 2021 le vendite a livello mondiale di chip per l’intelligenza artificiale sono aumentate del 60%, raggiungendo 35,9 miliardi di dollari rispetto al 2020, di cui circa la metà provenienti da chip specializzati per l’intelligenza artificiale nei telefoni cellulari.

Entro il 2024, PitchBook prevede che il mercato crescerà di poco più del 20% all’anno, suggerendo che potrebbe raggiungere i 64,9 miliardi di dollari entro il 2024. Allied Market Research prevede che tale cifra possa salire a 194,9 miliardi di dollari sentro il 2030.

Questa enfasi si contrappone alla situazione del mercato dei semiconduttori, che di fatto è un affare ancora di poche aziende: infatti, 80% dell’industria mondiale dei chip è di appannaggio di una manciata di produttori dislocati in alcuni Paesi, USA e Taiwan in primis.

La crisi dei semiconduttori che ha gravato in questi anni e che continuerà a farsi sentire almeno fino al 2023, ha stimolato l’Unione Europea a investire in maniera significativa nella realizzazione di stabilimenti nel continente. In questo senso, va segnalato l’annuncio di Intel di investire 17 miliardi di euro in Germania per produrre chip in terra europea.

Ancora più recente è l’accordo tra STMicroelectronics e GlobalFoundries per costruire insieme una fabbrica di semiconduttori in Francia. Si parla di un investimento di 5,7 miliardi, secondo Reuters. L’operazione beneficerà dello European Chips Act, un piano da 43 miliardi di euro (di investimenti pubblici e privati) per fare fronte alla carenza dei semiconduttori.

Anche la Cina ha fatto dell’aumento dell’autosufficienza e della ricerca e sviluppo dei semiconduttori una priorità assoluta, dato che l’industria del Paese fa ancora molto affidamento sulla tecnologia straniera.

I chip, che entrano in ogni cosa, dagli smartphone alle automobili, sono considerati strategicamente importanti dai governi. Questo ha spinto aziende tecnologiche cinesi come Tencent e Alibaba a investire pesantemente nello sviluppo di chip. Non solo: la start-up cinese Axera, specializzata in chip per l’AI, ha raccolto 126 milioni di dollari da investitori per la sua attività.

La relazione tra intelligenza artificiale e semiconduttori è forte. Si sa che uno dei principali campi di battaglia che stanno emergendo tra Stati Uniti e Cina riguarda l’intelligenza artificiale e la sua applicazione sempre più pervasiva.

Infine, il Sud Corea ha annunciato un massiccio piano di investimenti su “semiconduttori AI”, stanziando, nei prossimi cinque anni, mille miliardi di won (778 milioni di dollari) in finanziamenti per la ricerca e lo sviluppo.

Immagine predefinita
Andrea Ballocchi

Giornalista specializzato in tecnologia, focalizzato su temi che riguardano l'Internet of Things e le tecnologie emergenti che hanno un impatto significativo sulla vita quotidiana e su quella futura. Oltre alla tecnologia si occupa anche di temi legati alla sostenibilità ambientale e non solo (edilizia, architettura, design...)

Articoli: 96

Newsletter Updates

Inserisci il tuo indirizzo email qui sotto per iscriverti alla nostra newsletter