半导体企业与高校正努力缩短彼此之间的协作反馈周期,以应对AI时代带来的多重挑战。近年来,台湾国立阳明交通大学、加州大学伯克利分校、亚利桑那州立大学、弗吉尼亚理工大学等多所院校纷纷与产业界伙伴建立更紧密的合作关系,双方都希望加快科研成果转化,同时让最新的产业实践反哺下一轮基础研究。
今年5月,加州大学洛杉矶分校(UCLA)与五家半导体行业头部企业联合宣布,共同出资1.25亿美元,设立一个全新的产学融合半导体中心,将上述理念付诸实践。
当前,随着前沿AI模型对内存与算力的需求持续攀升,芯片封装正变得越来越大、越来越复杂。前沿模型每隔几个月就会迎来跨越式更新,而半导体零部件的更新周期通常长达18至48个月,具体视产品类型而定。这种节奏上的严重错位,导致AI芯片的市场需求远超现有产能,处于供应瓶颈处的关键元器件价格也随之大幅上涨。
UCLA半导体中心的合作伙伴覆盖了半导体制造的每一个环节,涵盖材料、架构设计、工具制造、封装与晶圆制造。研究方向将聚焦于通信系统以及网络边缘侧的AI推理,即远离中心服务器的终端设备上的AI处理能力。
对于强化高校与半导体晶圆厂之间的纽带,业界已形成明确共识。今年2月,普渡大学与比利时微电子研究中心(Imec)的研究人员在《自然·电气工程评论》上发文指出,为了应对二维材料、超大硅晶圆等技术难题,以及来自AI行业的巨大需求,半导体行业需要更宽广的创新思路来源。他们呼吁建立更可靠、更贴近产业需求的研究实验室,帮助将高校原型成果转化为有据可查、可供企业大规模生产的成熟材料。文章还指出,高校应当培养并留住能够对接半导体研究与商业化的复合型技术人才,以切实回应产业需求。
应用材料公司(Applied Materials)总裁兼首席执行官加里·迪克森(Gary Dickerson)在中心启动仪式上表示,当前半导体创新的前沿领域已延伸至众多不同专业方向,需要完成的研究任务极为繁重,能够单打独斗的企业极为罕见。"在半导体领域做得最好的企业,往往也是最擅长协同合作的企业。"
UCLA半导体中心将在产学合作中引入更灵活的问题解决机制与职业融合路径。UCLA工学院院长朴雅英(Ah-Hyung Park)表示,中心领导层将鼓励参与教师在比传统联邦科研经费所允许的更短周期内调整研究方向。博士生将同时接受学术导师与企业导师的联合指导,并在攻读博士第四年时参加为期一年的企业实习。
中心的产业合作伙伴包括应用材料、格芯(GlobalFoundries)、Meta、新思科技(Synopsys)和博通(Broadcom)。其中,博通创始人亨利·萨缪利(Henry Samueli)于1991年以其在UCLA的研究成果为基础,将公司从校园中孵化出来。正是萨缪利主动向UCLA提议创建这一新中心,此举也代表着双方在既有合作基础上的进一步深化。"我们许多教师本来就已经在与这些机构合作了,"朴雅英说。
在美国,与之最为相近的同类机构或许是伯克利和凤凰城的相关中心,但这两者各有侧重,仅聚焦于半导体制造流程的特定阶段,其中伯克利项目尤其偏向产业端。UCLA中心的目标则是覆盖制造全流程,并且出发点更为前置,着眼于更早期的探索性基础研究。"我们非常不同,因为我们以研究为核心,同时又与产业紧密协作,"UCLA教授、半导体中心首任执行主任莫娜·贾拉希(Mona Jarrahi)说。
这些企业此前习惯于将10至20年前的实验室研究转化为商业产品,如今正竭力压缩商业化时间线,以适应机器人技术与AI快速演进的新时代。"很多技术现在两到三年内就能实现商业化,"朴雅英说。如果UCLA半导体中心及类似的产学合作桥梁能够取得成功,未来的博士生或许在完成学业之前,就能亲眼看到自己参与研究的芯片项目走向市场。
Q&A
Q1:UCLA半导体中心有哪些合作企业,主要研究什么方向?
A:UCLA半导体中心的产业合作伙伴包括应用材料、格芯、Meta、新思科技和博通,覆盖材料、架构设计、工具制造、封装与晶圆制造等半导体制造全流程。研究方向聚焦于通信系统以及网络边缘侧的AI推理能力,目标是推动前沿基础研究更快速地转化为可商用的产业成果。
Q2:UCLA半导体中心与伯克利、凤凰城同类中心有什么区别?
A:伯克利和凤凰城的相关中心各有侧重,仅聚焦于半导体制造流程的特定阶段,伯克利项目尤其偏向产业端。UCLA半导体中心则覆盖半导体制造全流程,且以更早期的探索性基础研究为出发点,强调在与产业紧密协作的同时保持以研究为核心的导向。
Q3:UCLA半导体中心的博士生培养模式有何特别之处?
A:UCLA半导体中心对博士生采用产学双导师联合培养模式,学生将同时接受学术导师与企业导师的指导。此外,博士生在攻读第四年时须参加为期一年的企业实习,帮助他们在学术研究与产业实践之间建立直接联结,从而更好地将科研成果推向商业应用。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。