半導(dǎo)體產(chǎn)業(yè)應(yīng)如何在大數(shù)據(jù)中淘金？

　　根據(jù)思科的數(shù)據(jù)，全球互聯(lián)網(wǎng)吞吐量在2016年為1.2ZB(1ZB相當(dāng)于10億TB或1萬(wàn)億GB)，預(yù)計(jì)到2021年將增長(zhǎng)到3.3ZB每年。洶涌上漲的數(shù)據(jù)洪流，波峰越來(lái)越高，在2016年，每天數(shù)據(jù)流量同比增長(zhǎng)了32%，而流量最高的1小時(shí)數(shù)據(jù)吞吐量同比增長(zhǎng)了51%。

　　當(dāng)上述統(tǒng)計(jì)也不完整，實(shí)際上沒(méi)有人知道全球每天產(chǎn)生多少數(shù)據(jù)，因?yàn)椴⒉皇撬性O(shè)備的數(shù)據(jù)都會(huì)連入互聯(lián)網(wǎng)。

　　數(shù)據(jù)量本身意義不大，如何量化數(shù)據(jù)的價(jià)值才是關(guān)鍵所在，但在如何應(yīng)用數(shù)據(jù)，以實(shí)現(xiàn)其價(jià)值方面，當(dāng)前還沒(méi)有行之有效的方法。

　　想挖掘數(shù)據(jù)的真正價(jià)值，就要對(duì)天量數(shù)字與模擬數(shù)據(jù)進(jìn)行過(guò)濾，并充分考慮應(yīng)用場(chǎng)景，這就像沙里淘金，大多數(shù)可能無(wú)功而返。不過(guò)，隨著計(jì)算力的提高以及大規(guī)模并行計(jì)算工具的成熟，數(shù)據(jù)過(guò)濾分析--即找到更好的應(yīng)用數(shù)據(jù)方法--已經(jīng)能夠創(chuàng)造出頗具市場(chǎng)前景的商業(yè)模式。

　　“眾多行業(yè)人士指出，不同數(shù)據(jù)應(yīng)用方法與其器件和商業(yè)模式相互關(guān)聯(lián)，并對(duì)其商業(yè)、市場(chǎng)以及商業(yè)模式產(chǎn)生影響，”Synopsys董事長(zhǎng)兼共同CEO Aart de Geus說(shuō)道，“如果你能夠從中找到捷徑，提升效率，或者全新的商業(yè)模式，那就會(huì)是非常大的影響。 ”這也意味著高利潤(rùn)的可能，“你會(huì)看到，所有從事數(shù)據(jù)處理的人都在仔細(xì)聆聽，以解碼市場(chǎng)未來(lái)需求，或者自行判斷當(dāng)前市場(chǎng)需求，”de Geus繼續(xù)說(shuō)道，“或者更進(jìn)一步，他們準(zhǔn)備置身于數(shù)據(jù)通路之中，從而最靠近數(shù)據(jù)商業(yè)化的中心?！?/p>

　　這正是資本瘋狂涌入的原因，從數(shù)據(jù)挖掘到云端服務(wù)，從機(jī)器學(xué)習(xí)到工業(yè)物聯(lián)網(wǎng)，每一個(gè)數(shù)據(jù)應(yīng)用場(chǎng)景都戰(zhàn)況激烈。

　　“誰(shuí)擁有數(shù)據(jù)，具備數(shù)據(jù)分析及處理能力，誰(shuí)就能把所有錢都賺走，”西門子Mentor事業(yè)部總裁兼CEO Wally Rhines這樣表示。

　　現(xiàn)在還難說(shuō)數(shù)據(jù)應(yīng)用是一個(gè)勝者通吃的游戲，不過(guò)確實(shí)有不少科技巨頭在這個(gè)領(lǐng)域跑馬圈地，奮勇爭(zhēng)先，例如亞馬遜、谷歌、微軟、Facebook和IBM等掰著手指頭就可以輸出來(lái)的大家伙。

　　“收集上來(lái)的物聯(lián)網(wǎng)數(shù)據(jù)中，包含了設(shè)備大量的性能、行為及應(yīng)用數(shù)據(jù)，”IBM美洲區(qū)銷售主管Christophe Begue說(shuō)道，“我們接下來(lái)會(huì)把收集到的數(shù)據(jù)丟給Watson(IBM人工智能平臺(tái))去分析?！?/p>

　　現(xiàn)在的大問(wèn)題是如何將這些數(shù)據(jù)變現(xiàn)，有哪些人愿意為數(shù)據(jù)付費(fèi)。要將數(shù)據(jù)變現(xiàn)，首先要做到如下幾點(diǎn)：第一，行業(yè)里的公司要真正懂?dāng)?shù)據(jù)的價(jià)值;其次，公司要能夠快速應(yīng)對(duì)數(shù)據(jù)變化，只要比別人快百分之一秒，券商就能夠以此牟利，但現(xiàn)在大公司應(yīng)對(duì)數(shù)據(jù)變化的反應(yīng)時(shí)間通常是幾天甚至幾周;第三，變現(xiàn)數(shù)據(jù)的價(jià)格要有競(jìng)爭(zhēng)力，不能波動(dòng)太大。

　　IBM正準(zhǔn)備將全球供應(yīng)鏈的數(shù)據(jù)商業(yè)化?！肮?yīng)鏈數(shù)據(jù)分為兩層，”Begue說(shuō)道，“第一層是零售與快速消費(fèi)品(CPG)等數(shù)據(jù)，就是那些可能會(huì)影響到食品與飲料等銷售的數(shù)據(jù)。你可以在附近的一個(gè)商店收集天氣、交通或運(yùn)動(dòng)賽事等相關(guān)信息，并通過(guò)交通模式追蹤它。我們用Metro Pulse平臺(tái)來(lái)做數(shù)據(jù)分析，該平臺(tái)會(huì)覆蓋500個(gè)數(shù)據(jù)元素，用戶既可以購(gòu)買數(shù)據(jù)用于深度學(xué)習(xí)或機(jī)器學(xué)習(xí)分析，也可以全部委托IBM來(lái)做分析。第二層即我們正在導(dǎo)入市場(chǎng)的概念：供應(yīng)商風(fēng)險(xiǎn)。IBM將天氣與政局變化等諸多因素納入考慮，從數(shù)據(jù)中分析供應(yīng)鏈的安全程度，并根據(jù)分析結(jié)果來(lái)提升供應(yīng)鏈的安全。如果注意到15個(gè)因素有風(fēng)險(xiǎn)，那么你就會(huì)對(duì)這15個(gè)因素嚴(yán)密監(jiān)控。”

　　IBM的服務(wù)并不是值分析已有數(shù)據(jù)，還會(huì)給出建議，洞見未來(lái)。“我們收集公開與半公開數(shù)據(jù)，有些數(shù)據(jù)只在IBM內(nèi)部使用，我們建立預(yù)測(cè)模型。當(dāng)然，我們也意識(shí)到，在計(jì)劃和反應(yīng)之間，仍然存在差距，‘決策室’概念有助于縮小計(jì)劃和行動(dòng)之間的鴻溝?！?/p>

　　智能制造

　　并不只外部收集的數(shù)據(jù)才有用，工業(yè)生產(chǎn)中，內(nèi)部產(chǎn)生的數(shù)據(jù)就很有價(jià)值。事實(shí)上，整個(gè)智能制造的概念(德國(guó)稱為工業(yè)4.0，也有人稱之為工業(yè)互聯(lián)網(wǎng))就是如何把內(nèi)部數(shù)據(jù)利用好。

　　“一言以蔽之，工業(yè)物聯(lián)網(wǎng)是為了提升生產(chǎn)效率，”O(jiān)ptimal+市場(chǎng)副總裁David Park說(shuō)，“現(xiàn)在這些公司都偏愛流程分析和無(wú)庫(kù)存生產(chǎn)，但它們真正需要的是預(yù)測(cè)性分析。預(yù)測(cè)性分析可以讓工廠受益，不過(guò)受益最多的是品牌商，品牌商和工廠可不一定是一回事?！?/p>

　　風(fēng)險(xiǎn)在于，數(shù)據(jù)不一定都是正確的。基于錯(cuò)誤數(shù)據(jù)而做出的決定，將導(dǎo)致結(jié)果難以預(yù)期。

　　“如果數(shù)據(jù)沒(méi)問(wèn)題，那么可以把良率提高2%到3%，非常顯著的提高，”Park說(shuō)道，“供應(yīng)鏈上通過(guò)檢測(cè)的任何元器件的所有時(shí)間段數(shù)據(jù)都會(huì)被收集。當(dāng)你拿到一些有劃痕的晶圓，根據(jù)數(shù)據(jù)就能查出在哪一個(gè)環(huán)節(jié)晶圓被劃破，你也可以查看元器件在現(xiàn)場(chǎng)的老化過(guò)程。如果汽車配備了預(yù)測(cè)性維護(hù)服務(wù)，那么你就能看到汽車在路上的相關(guān)數(shù)據(jù)。金融業(yè)同樣會(huì)受益，如果你手上有數(shù)十萬(wàn)張發(fā)票，靠人工是捋不清發(fā)票之間的相互關(guān)系的?！?/p>

　　這種數(shù)據(jù)分析對(duì)于復(fù)雜供應(yīng)鏈特別重要，半導(dǎo)體制造本身在數(shù)據(jù)分析與應(yīng)用上先進(jìn)，但整個(gè)半導(dǎo)體供應(yīng)鏈對(duì)數(shù)據(jù)的應(yīng)用，并不都能達(dá)到制造環(huán)節(jié)的水平。

　　“有效利用數(shù)據(jù)是智能制造顧問(wèn)委員會(huì)(隸屬于SEMI)的一大主題，”SEMI協(xié)作技術(shù)平臺(tái)副總裁Tom Salmon說(shuō)道，“獲取數(shù)據(jù)很重要，但現(xiàn)在問(wèn)題不是我們獲取的數(shù)據(jù)量不夠，而是因?yàn)閿?shù)據(jù)利用率只有10%左右。真正的挑戰(zhàn)在于我們應(yīng)該問(wèn)什么樣的問(wèn)題，如何把數(shù)據(jù)應(yīng)用于制造。所以可能會(huì)有可靠性問(wèn)題，但不會(huì)有制程問(wèn)題?！?/p>

　　機(jī)器學(xué)習(xí)

　　找到關(guān)鍵數(shù)據(jù)，在預(yù)設(shè)參數(shù)下利用機(jī)器對(duì)數(shù)據(jù)規(guī)律進(jìn)行外推，這就是機(jī)器學(xué)習(xí)的基礎(chǔ)。這種方法已經(jīng)應(yīng)用于汽車自動(dòng)駕駛領(lǐng)域，機(jī)器學(xué)習(xí)系統(tǒng)將輔助并最終取代人類去駕駛汽車，自動(dòng)駕駛系統(tǒng)做決策時(shí)，需要根據(jù)行駛場(chǎng)景給出多種預(yù)案。

　　在半導(dǎo)體設(shè)計(jì)與制造中，也會(huì)利用機(jī)器學(xué)習(xí)來(lái)提高質(zhì)量、可靠性及良率。

　　“采用合適的比例來(lái)抽取數(shù)據(jù)做分析，就能應(yīng)用于未來(lái)的設(shè)計(jì)，”eSilicon市場(chǎng)副總裁Mike Gianfagna說(shuō)道，“如何將機(jī)器學(xué)習(xí)算法應(yīng)用于新領(lǐng)域是關(guān)鍵，在過(guò)去7年中，我們?cè)谶@方面積累了很多經(jīng)驗(yàn)，我們知道如何挖掘開發(fā)數(shù)據(jù)的價(jià)值。當(dāng)你擁有大量數(shù)據(jù)時(shí)，怎么去抽取分析這些數(shù)據(jù)?如果抽取數(shù)據(jù)比例太高，你會(huì)迷失在大量數(shù)據(jù)中，如果抽取數(shù)據(jù)比例過(guò)低，又可能得不出結(jié)論。”

　　Gianfagna表示，在降低風(fēng)險(xiǎn)與增加效率的基礎(chǔ)上，實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)是機(jī)器學(xué)習(xí)的目標(biāo)?！耙龅竭@一點(diǎn)，你需要從全局上來(lái)看待大數(shù)據(jù)分析。”

　　與很多由大云端服務(wù)商提供服務(wù)的大數(shù)據(jù)分析相比，半導(dǎo)體設(shè)計(jì)和測(cè)試行業(yè)產(chǎn)生的數(shù)據(jù)量很少，不過(guò)半導(dǎo)體設(shè)計(jì)與測(cè)試數(shù)據(jù)可能更復(fù)雜。

　　“當(dāng)前主要任務(wù)是收集數(shù)據(jù)，”NI解決方案市場(chǎng)總監(jiān)George Zafiropoulos說(shuō)道，“下一階段的目標(biāo)是通過(guò)數(shù)據(jù)分析來(lái)給出改進(jìn)方法。無(wú)須刻意尋找，你就能發(fā)現(xiàn)數(shù)據(jù)中的價(jià)值嗎?你要找的，是數(shù)據(jù)的趨勢(shì)和相關(guān)性，可以將機(jī)器學(xué)習(xí)應(yīng)用于任何環(huán)節(jié)。如果軟件提示，本周四產(chǎn)線產(chǎn)出較低，為什么會(huì)產(chǎn)出低?或者特定溫度與特定電壓對(duì)產(chǎn)品性能的影響。(這些都可以用數(shù)據(jù)分析來(lái)指導(dǎo))”

　　Zafiropoulos指出，可以將更好的芯片設(shè)計(jì)作為目標(biāo)?！白鳛楣こ處?，我們圍繞設(shè)計(jì)來(lái)制定規(guī)則，但如果你想面面俱到，那么效率就不會(huì)高。如果在保證可靠性與性能基礎(chǔ)上，可以減少保護(hù)規(guī)則，那將會(huì)有很大價(jià)值。很多大數(shù)據(jù)分析都是針對(duì)多個(gè)數(shù)據(jù)采集點(diǎn)，一座城市可能有一萬(wàn)個(gè)傳感器，每天產(chǎn)生大量數(shù)據(jù)，而亞馬遜的訂單更是數(shù)不勝數(shù)。半導(dǎo)體數(shù)據(jù)比個(gè)人能處理的數(shù)據(jù)顯然要多，但也遠(yuǎn)達(dá)不到亞馬遜交易數(shù)據(jù)這個(gè)量級(jí)?！?/p>

　　然而，系統(tǒng)數(shù)據(jù)可能就比設(shè)計(jì)數(shù)據(jù)高幾個(gè)數(shù)量級(jí)了，特別是涉及多物理層仿真時(shí)?！拔覀冋J(rèn)為，7納米將是首次導(dǎo)入機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析的節(jié)點(diǎn)，數(shù)據(jù)量將會(huì)膨脹，處理速度也需要增加?！?ANSYS總經(jīng)理兼副總裁John Lee說(shuō)道，“你需要做同步熱分析。熱效應(yīng)影響系統(tǒng)的可靠性，但如果數(shù)據(jù)量增大到當(dāng)前技術(shù)無(wú)法解決，那么就要引入新的方法，所以我們需要大數(shù)據(jù)技術(shù)。最新的GPU有210億個(gè)晶體管，而且可應(yīng)用于汽車，但這種規(guī)模的芯片發(fā)熱量巨大，(如果散熱設(shè)計(jì)不好)，發(fā)熱時(shí)會(huì)增加對(duì)電路板的壓力，并可能導(dǎo)致板子彎曲，但要知道，車用芯片使用壽命長(zhǎng)達(dá)十年。”

　　總結(jié)

　　大數(shù)據(jù)分析在半導(dǎo)體產(chǎn)業(yè)應(yīng)用還處于中段(發(fā)展期)。一方面，為提高芯片的性能、效率和可靠性，半導(dǎo)體產(chǎn)業(yè)的數(shù)據(jù)量在增長(zhǎng)，數(shù)據(jù)分析任務(wù)在增加;另一方面，半導(dǎo)體產(chǎn)業(yè)也在發(fā)展各種技術(shù)，以充分挖掘數(shù)據(jù)用途。

　　這為產(chǎn)業(yè)帶來(lái)了新的增長(zhǎng)機(jī)會(huì)。Cadence 總裁兼CEO 陳立武表示，2015年全球聯(lián)網(wǎng)汽車市場(chǎng)規(guī)模為240億美元，到2020年，將發(fā)展到370億美元，與之相應(yīng)，深度學(xué)習(xí)市場(chǎng)規(guī)模2020年將達(dá)100億美元(2015年為6億美元)，云和數(shù)據(jù)中心市場(chǎng)規(guī)模將達(dá)800億美元(2015年650億美元)?！斑@將給半導(dǎo)體產(chǎn)業(yè)帶來(lái)機(jī)會(huì)，”他說(shuō)道，“從優(yōu)化物聯(lián)網(wǎng)到云端，都將給半導(dǎo)體帶來(lái)很大的機(jī)會(huì)。”

　　現(xiàn)在的問(wèn)題是，圍繞這些數(shù)據(jù)還能做些什么，以及到底如何去實(shí)現(xiàn)。這將是半導(dǎo)體產(chǎn)業(yè)的一個(gè)全新機(jī)會(huì)，也許會(huì)推動(dòng)半導(dǎo)體產(chǎn)業(yè)發(fā)展登上一個(gè)新臺(tái)階。