อุตสาหกรรมเซมิคอนดักเตอร์กำลังเปลี่ยนแปลงอย่างรวดเร็วต้องขอบคุณปัญญาประดิษฐ์

NDO - ในการประชุมนานาชาติเรื่องปัญญาประดิษฐ์และเซมิคอนดักเตอร์ (AISC) 2025 ซึ่งจัดขึ้นในช่วงเช้าของวันที่ 12 มีนาคม จัดโดย Aitomatic (สหรัฐอเมริกา) และศูนย์นวัตกรรมแห่งชาติ (NIC) ในกรุงฮานอย ผู้เชี่ยวชาญด้านเทคโนโลยีได้หารือถึงความสัมพันธ์แบบพึ่งพาอาศัยกันในการพัฒนาปัญญาประดิษฐ์ (AI) และเซมิคอนดักเตอร์

ในการประชุมครั้งนี้ มีความเห็นยืนยันว่า AI และเซมิคอนดักเตอร์เป็นเสาหลักสำหรับอนาคตของ เศรษฐกิจ ดิจิทัล โดยเฉพาะอย่างยิ่ง องค์ประกอบทั้งสองอย่างคือ “AI” และ “เซมิคอนดักเตอร์” เป็นสิ่งที่มาคู่กัน เห็นได้ชัดว่า AI ช่วยทำให้กระบวนการผลิตเซมิคอนดักเตอร์เป็นไปโดยอัตโนมัติ คาดการณ์และตรวจจับข้อบกพร่องของผลิตภัณฑ์ ปรับปรุงคุณภาพและประสิทธิภาพของการผลิต

นายคริสโตเฟอร์ เหงียน ซีอีโอของ Aitomatic ยกตัวอย่างว่าภายในปี 2030 โรงงานผลิตบางแห่ง โดยเฉพาะโรงงานผลิตขั้นสูง จะต้องมีมาตรฐานที่เข้มงวดยิ่งขึ้น ตัวอย่างเช่น ในกระบวนการประมวลผลพลาสม่า จะต้องกำหนดพารามิเตอร์ต่างๆ เช่น เส้นผ่านศูนย์กลางของเชื้อเพลิง แรงดัน อุณหภูมิ และปัจจัยอื่นๆ อีกหลายสิบประการ เพื่อให้ได้ความแม่นยำที่ใกล้เคียงค่าสัมบูรณ์ AI จะช่วยรับประกันความแม่นยำนี้

“AI ไม่สามารถพัฒนาได้หากไม่มีเซมิคอนดักเตอร์ ในทางกลับกัน อุตสาหกรรมเซมิคอนดักเตอร์กำลังเปลี่ยนแปลงอย่างรวดเร็วด้วยความก้าวหน้าของ AI ซึ่งเป็นความสัมพันธ์แบบพึ่งพาอาศัยซึ่งกันและกันที่ทั้งสองฝ่ายต่างผลักดันให้ก้าวไปข้างหน้า” เขากล่าว

คุณคริสโตเฟอร์ เหงียน ซีอีโอของ Aitomatic กล่าวในงานสัมมนา

สำหรับภาพรวมของเทคโนโลยี นายคริสโตเฟอร์ เหงียน ได้อ้างถึงกฎของมัวร์ โดยยืนยันว่าความเร็วในการพัฒนาของปัญญาประดิษฐ์และเซมิคอนดักเตอร์นั้นรวดเร็วมาก โดยเทคโนโลยีไมโครโปรเซสเซอร์จะมีการปรับปรุงอย่างมีนัยสำคัญทุกๆ 18 เดือน

ในส่วนของตลาดโลก กำลังเผชิญกับการเติบโตอย่างน่าทึ่ง โดยความต้องการชิปประมวลผล AI คาดว่าจะเพิ่มขึ้นอย่างรวดเร็วในอีกไม่กี่ปีข้างหน้า ประเทศต่างๆ เช่น สหรัฐอเมริกา จีน ญี่ปุ่น และเกาหลีใต้ กำลังเร่งลงทุนในด้านนี้ การแข่งขันระหว่างประเทศชั้นนำด้านเทคโนโลยีนั้นดุเดือดมาก

ในด้านการผลิตชิป นางสาวแอนนา โกลดี นัก วิจัย อาวุโสของ Google ให้ความเห็นว่า แม้ว่าความต้องการในการประมวลผลของ AI จะเติบโตขึ้นอย่างก้าวกระโดด แต่ความสามารถของฮาร์ดแวร์กลับไม่ตามทัน ทำให้เกิดช่องว่างที่เพิ่มมากขึ้น เพื่อแก้ปัญหานี้ จึงได้มีการนำเทคโนโลยี AI ใหม่ๆ เช่น AlphaChip ซึ่งเป็นวิธีการออกแบบชิป AI มาใช้ เธอกล่าวว่าด้วยการใช้ AI กระบวนการออกแบบชิปจึงรวดเร็วขึ้นอย่างเหลือเชื่อ ในขณะเดียวกันก็ช่วยลดต้นทุนและเพิ่มประสิทธิภาพการทำงาน

“เพื่อใช้ประโยชน์จากศักยภาพของ AI อย่างเต็มที่ เราจำเป็นต้องย่นระยะเวลาในการออกแบบชิป ปรับปรุงอัลกอริทึม และใช้ข้อมูลให้เกิดประโยชน์สูงสุด ในอนาคต AI จะไม่เพียงแต่ช่วยปรับปรุงฮาร์ดแวร์เท่านั้น แต่ยังมีส่วนสนับสนุนในการสร้างความก้าวหน้าในสาขาอื่นๆ อีกมากมาย ไม่ว่าจะเป็นด้านการดูแลสุขภาพ การเงิน ไปจนถึงการผลิตในภาคอุตสาหกรรม” นางแอนนา โกลดี กล่าว

โดยเฉพาะอย่างยิ่ง คุณแอนนา โกลดี ได้แนะนำวิธีการ AlphaChip ที่ใช้ AI เพื่อเพิ่มประสิทธิภาพการจัดวางส่วนประกอบบนชิป ช่วยลดเวลาแฝง ประหยัดพลังงาน และเพิ่มประสิทธิภาพพื้นที่การผลิต AI สามารถปรับปรุงกระบวนการออกแบบชิปได้โดยลดเวลาและปรับปรุงประสิทธิภาพของผลิตภัณฑ์ AlphaChip ได้ถูกนำไปใช้กับ TPU ของ Google รุ่นล่าสุด ทำให้มีประสิทธิภาพมากขึ้นอย่างเห็นได้ชัดเมื่อเทียบกับวิธีการออกแบบแบบเดิม

ในขณะเดียวกัน คุณ Tran Thanh Long ศาสตราจารย์จากมหาวิทยาลัย Warwick ได้แบ่งปันข้อมูลเพิ่มเติมเกี่ยวกับความพยายามต่างๆ ทั่วโลกที่ช่วยเพิ่มพลังของปัญญาประดิษฐ์และเทคโนโลยีเซมิคอนดักเตอร์ ตัวอย่างเช่น เขาได้กล่าวถึงวิธีการใช้หน่วยความจำและทฤษฎีเบย์เซียนเพื่อปรับปรุงประสิทธิภาพและความสามารถในการปรับขนาดของปัญญาประดิษฐ์ (AI) หน่วยความจำช่วยให้ปัญญาประดิษฐ์จดจำข้อมูลได้เป็นเวลานานและใช้ข้อมูลในอดีตเพื่อเพิ่มประสิทธิภาพการตัดสินใจ

“ทฤษฎีเบย์เซียนช่วยให้ AI ปรับความน่าจะเป็นในการคาดการณ์ตามข้อมูลใหม่ ช่วยให้ระบบเรียนรู้ได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น การผสมผสานนี้ช่วยลดความจำเป็นในการใช้ทรัพยากรคอมพิวเตอร์ แต่ยังคงให้ความแม่นยำสูง” นายลองกล่าว

นอกจากนี้ แนวทางดังกล่าวยังช่วยให้ AI ทำงานได้ราบรื่นยิ่งขึ้นในด้านต่างๆ เช่น การดูแลสุขภาพ การผลิตในภาคอุตสาหกรรม และระบบอัตโนมัติ โดยเฉพาะอย่างยิ่ง AI สามารถประมวลผลข้อมูลได้ดีขึ้นโดยไม่ต้องพึ่งพาศูนย์ข้อมูลขนาดใหญ่มากเกินไป ช่วยประหยัดต้นทุนและทรัพยากร ส่งผลให้ระบบมีความชาญฉลาด มีประสิทธิภาพมากขึ้น และปรับเปลี่ยนได้เองโดยไม่ต้องใช้ข้อมูลจำนวนมาก

นางสาว Ngan Vu จาก Google DeepMind แนะนำแนวทางการวิจัยที่เสนอให้ใช้ Circuit Neural Networks เพื่อสร้างการออกแบบวงจรลอจิกที่มีประสิทธิภาพ โดยการใช้ขั้นตอนวิธีการอบจำลองและเทคนิคเพิ่มประสิทธิภาพอื่นๆ ทีมผู้เชี่ยวชาญของเธอตั้งเป้าที่จะย่นระยะเวลาการออกแบบวงจรตั้งแต่แนวคิดจนถึงผลิตภัณฑ์จริง

ความท้าทายที่สำคัญประการหนึ่งคือการรักษาสมดุลระหว่างความแม่นยำและประสิทธิภาพของวงจร เพื่อให้แน่ใจว่าการออกแบบไม่เพียงแต่ทำงานได้อย่างแม่นยำแต่ยังช่วยประหยัดทรัพยากรอีกด้วย อย่างไรก็ตาม หากสามารถลดช่องว่างระหว่างซอฟต์แวร์และฮาร์ดแวร์ AI ได้ ก็จะเปิดโอกาสใหม่ๆ มากมายในอุตสาหกรรมเซมิคอนดักเตอร์ “การนำ AI มาใช้กับการออกแบบวงจรมีแนวโน้มที่จะเปลี่ยนวิธีการดำเนินงานของอุตสาหกรรมเซมิคอนดักเตอร์ ช่วยเร่งกระบวนการพัฒนาและส่งมอบการออกแบบที่เหมาะสมยิ่งขึ้น” นางสาวงัน วู กล่าว