澳门人威尼斯

集成电路产业作为信息技术的核心基石，支撑着人工智能、大数据、云计算等前沿技术的飞跃。伴随着生成式人工智能的蓬勃发展，AI与集成电路深度融合已成为国内外领先企业维持优势的战略技术。本文系统梳理国内外集成电路产业各产业链环节的AI赋能现状，分析AI赋能我国集成电路产业发展中存在的问题，并结合产业实践与政策导向提出针对性建议，为破解AI赋能我国集成电路产业发展瓶颈、加速AI重构全产业链创新生态提供经验参考。

一、AI赋能国内外集成电路产业发展现状

（一）AI全面赋能芯片设计前端、后端及验证全流程

人工智能技术已深度融入芯片设计全流程，可以实现复杂任务的自主规划，优化芯片的功耗、性能、面积和成本指标，大幅缩短芯片设计周期。国外方面，意法半导体使用新思科技的EDA工具DSO.ai提升PPA成效3倍，SK海力士则用其缩减芯片尺寸5%，节省数月人工设计周期；Cadence使用AI工具Joules AI驱动SoC/3D-IC设计优化，并联合三星将先进工艺下的复杂模块布局周期从周级缩至小时级，提升芯片能效与良率。国内方面，部分大芯片企业的AI工具渗透率已超50%。依托AI技术的应用，芯片架构迭代周期由天级缩短至小时级，验证用例生成效率提升40%以上；软件开发效能持续增强，成熟功能模块的代码开发效率提升50%；后端验证中，单模块验证效率提升70%以上，整体设计研发效能得到全面提升。

（二）AI重点赋能制造环节设备监控与良率提升

人工智能技术可针对性破解集成电路制造过程中的设备运行监测、停机风险预判、产品缺陷识别、生产良率改善等关键难题。国外方面，台积电使用Smart Manufacturing AIS工具在5nm/3nm制程实时优化2000+参数，设备综合效率（OEE）达92.5%，缺陷检测周期缩短40%，3nm工艺制程能力达到了极高稳定水平，不良率下降约130倍；三星导入NVIDIA GPU与cuLitho，OPC计算速度提升20倍，实现全流程AI实时分析，优化良率、降低缺陷率、加速先进工艺量产。国内方面，部分晶圆制造企业已完成产线智能监控体系全域覆盖，依托人工智能手段开展生产异常提前预警，问题排查处置周期缩短30%；通过部署缺陷检测分类大模型，开展晶圆缺陷识别与成因溯源工作，缺陷识别精准度达到90%，有效降低良率损耗2%，生产管控水平稳步提升。

（三）AI加速新材料开发及设备零部件制造效率

在其他配套环节，人工智能技术可加速新材料研发及性能检测周期，提升设备及零部件生产效率。国外方面，Merck使用Materials Intelligence™ AI平台加速EUV光刻胶、电子特气研发。新材料配方研发周期缩短50%，性能预测精准度提升40%；Entegris使用AI预测耗材寿命与实时监控纯度，设备维护成本降低35%，污染风险减少50%。国内方面，材料企业利用AI自动进行材料检测分析，自动生成分析报告，提升检测时效性；设备企业通过AI实现对设备的实时监测，减少非计划宕机带来的产线损失；零部件企业借助AI将产品生产效率提升20%以上。

二、AI赋能我国集成电路产业发展存在的问题

（一）国产EDA工具的市场化验证困境

目前，国产AI+EDA工具在理论或局部算法上有所创新，在系统级、全流程、大规模复杂设计中的工程可靠性和收敛能力尚未得到充分的市场检验，且先进制程（如3nm）适配滞后，整体应用效果存疑，国内主流芯片设计企业进行工具替换面临较大风险，更倾向于使用由国际巨头提供的成熟工具。这种情况下，国产AI+EDA工具缺少客户反馈，无法形成"设计－验证－反馈－迭代"的良性循环。

（二）AI大模型与集成电路产业适配度低

当前通用AI大模型在集成电路领域的开源专属训练数据储备匮乏，领域知识迁移技术尚不成熟，专业理解与高精度业务处理能力薄弱，模型幻觉、输出偏差等问题易引发工业决策风险。行业缺少端到端一体化模型能力，输出结果准确率有限，面对大型复杂项目多线程处理性能大幅衰减，难以适配多元化应用场景。此外，现有基础大模型的技术迭代高度依赖算力与数据持续投入，主流模型架构技术发展上限不明，整体难以有效支撑集成电路产业高质量发展需求。

（三）数据共享需求和数据安全担忧矛盾

当前工艺节点下，更进一步的工艺参数优化需要产业链上下游企业的协同合作、数据共享，但集成电路行业数据涉及核心工艺、商业机密及客户信息，企业数据私有化特征显著，行业数据共享壁垒森严，跨主体协同与数据互通难度较大。此外，全产业链数据分布零散、标准不统一，数据采集归集与治理体系不完善，高质量垂直领域训练数据供给不足，且云端应用与外部协作存在IP泄露、产权隔离等数据安全隐患，数据安全与合规风险防控压力较大。

（四）跨领域复合型人才的结构性匮乏

随着人工智能与集成电路产业融合持续深化，行业应用场景不断延伸，核心技术研发需求持续攀升，集成电路与人工智能领域的复合型人才短缺问题日益凸显，企业人才竞争日趋激烈。当前产业发展面临跨领域复合型人才供给不足的突出短板，兼具集成电路专业知识与人工智能技术能力的复合型人才储备薄弱。人才结构失衡进一步造成芯片设计、后端研发等不同业务部门沟通衔接不畅，形成业务协作壁垒，制约技术协同攻关与融合应用落地。

三、AI赋能我国集成电路产业发展建议

（一）强化政策引导，搭建市场化验证兜底机制

对采用国产AI+EDA工具开展芯片设计、流片验证的企业，给予专项补贴与风险兜底，覆盖部分流片费用、研发返工成本，打消头部企业的核心顾虑。推行重大芯片项目强制试点机制，要求国家重点布局的专项芯片项目嵌入国产AI+EDA工具开展部分设计与验证流程，优先在成熟制程项目中全面试点，先进制程项目分步适配，为国产工具积累核心验证数据。

（二）增强模型场景适配，提升AI赋能实效

聚焦集成电路行业特性，支持大模型企业和集成电路企业联合攻关，加快构建芯片设计、晶圆制造等领域专属数据集，强化行业知识迁移训练。优化端到端一体化处理能力，提升复杂项目多线程运算性能与输出精准度，完善模型纠错与防幻觉机制，降低决策偏差风险。统筹算力资源合理布局，持续迭代优化模型架构，深化AI与产业实际场景深度适配，全面强化大模型在集成电路全流程的落地应用能力。

（三）破解数据共享壁垒，筑牢数据安全防线

加强数据安全交互机制，采用隐私计算、数据脱敏等技术手段，在保障企业核心工艺、商业机密与知识产权安全的前提下，推动合规数据有序共享。探索建立行业数据共享机制，明确数据共享范围、权限与流程，推动非涉密共性数据互通共享，同时通过保密协议、数据脱敏、产权隔离等技术与管理手段，破解企业数据私有化带来的协同难题。

（四）深度绑定教育与产业体系，加强人才保障

探索"人工智能+集成电路"交叉学科建设，支持具备微电子与人工智能双重学科优势的高校率先设立交叉学科专业。深化产学研协同育人机制，由高校与国内头部集成电路企业共建"联合实训基地"，推行"双导师制"，高校导师负责理论教学，企业导师主导工程实践。

参考文献

[1]陈昊,蔡树军.生成式人工智能在集成电路领域的应用研究进展[J].电子与封装,2026,26(02):95-110.

DOI:10.16257/j.cnki.1681-1070.2026.0017.

[2]顾雨竹,张海磊,黄玮.人工智能在集成电路设计全流程中的应用研究[J].信息化研究,2025,51(06):153-157.

[3]徐科.人工智能赋能集成电路芯片设计[J].中国发展,2025,25(05):8-13.DOI:10.15885/j.cnki.cn11-4683/z.2025.05.012.

[4]倪韵.人工智能技术对集成电路制造的影响分析[J].集成电路应用,2024,41(02):41-43.DOI:10.19339/j.issn.1674-2583.2024.02.015.

[5]李琛.AIFab:人工智能赋能集成电路制造[J].科技视界,2023,13(28):3-6.作者介绍

王美惠

中级经济师

长期专注科技创新、集成电路领域，参与多项政府、企业等相关课题研究与澳门人威尼斯工作。

编辑：张 华

审核：赵佳菲