埃尔森 ： 2024 生成式 AI 在半导体行业中的作用研究报告 ： 打破壁堡垒建连接(英文版)

Generativ e AI 在半导体行业中的作用。 Authors 马修 · 哈格蒂经理高科技全球研究主管matthew. j. haggerty @ accenture. comLinkedIn 全球高科技数据和 AI 主管董事总经理padampreet. singh @ accenture. comLinkedIn 半导体欧盟董事总经理marco. addino @ accenture. com LinkedIn Alex Olea半导体 NA 董事总经理alex. olea @ accenture. com LinkedIn 文档概述 第 1 节 ： 设置舞台 第 2 节 ： 从障碍到无边界 7 Section 3:以不同的方式领导和学习以重塑劳动力10 Section 4:无遗憾 / 战略赌注13 Section 5:用生成 AI 拥抱未来18 Section 1: 设置舞台 了解半导体行业的现状和新出现的挑战。 现代世界以半导体产业及其产品所支撑的技术为基础。我们的智能手机、汽车、发电站以及全球经济中无数至关重要的组成部分都依赖于该行业设计和生产芯片的持续创新。这一事实源于半导体公司之间长期的竞争，这些公司在专注于持续的芯片创新上投入了大量资源。这种竞争既是这种现象的源泉，也是其产物。 当前半导体行业面临的问题是如何重塑自身以适应这一新的生成式AI时刻，并满足持续创新的需求。埃森哲分析再创业者在2019年至2022年间将收入提高了15个百分点，而其他公司的收入则未见明显提升。我们预计到2026年，再创业者与其余企业的收入增长差距将增加至2.4倍，达到37个百分点。.2 E 将半导体公司最专注未来他们的创新努力将指向何处？我们对全球半导体执行官 的300人调查发现，三分之一（33%）的受访者认为生成式人工智能可以为该行业提供的主要好处是在设计和制造等方面的创新。3 但这条道路正在面临新的挑战设计、制造和需求方面的B级表现。关键人才日益短缺，芯片设计继续受到物理定律的限制。地缘政治紧张局势和上岸制造增加了另一层复杂性 ， 进一步模糊了创新的未来。 1 创新的紧迫性 ： 这些挑战正发生在生成式AI带来的可能性爆炸使得创新需求变得迫切的时刻。我们正处于一个前所未有的广度、深度和速度展开的伟大技术时刻的前沿。 2.4x预计到 2026 年 ， 投资者与其他投资者之间的收入增长差距将增加。 Gen AI 可以为半导体行业带来的最大好处是什么 ？ 广观优势 ： 没有单一的解决方案。半导体公司应充分利用生成式人工智能贯穿整个价值链，包括设计与制造、销售与营销以及客户服务等环节，以把握短期内和长期创新的机会。现在正是拥抱远见卓识的时刻。 重塑、打破壁垒并释放无边界价值。尽管广泛采用的挑战可能看似重大，但采取正确的策略和投资将使行业内的公司能够利用生成式AI彻底改变其价值链并解锁变革性价值。 从价值链的广角视角出发对于释放半导体行业生成型人工智能的变革潜力至关重要。 Section 2: 从障碍到无边界 创新的行业障碍表明 ， 需要一个重新发明的镜头 ， 更广泛地部署生成 AI 。 半导体行业现今使用着地球上最为复杂、先进和创新的机器。然而，这种复杂性带来了高运营成本，尤其是在技术现代化这样的场景中，比如生成式人工智能部署时，更是如此。 我们还发现 ， 受访者同意或强烈同意以下观点： 73% 的受访者 我们的研究发现，数据安全、技术债务和知识产权考虑因素是大规模部署生成式人工智能面临的最大技术障碍之一。 IP 问题是整个半导体行业价值链中生成 AI部署的最大障碍。 71% 的受访者 半导体行业至少需要三年时间才能大规模部署生成 AI 。 74% 这些发现强调了成功部署生成 AI 的紧迫性和挑战。 的受访者 即将上线的新晶圆厂将更多地关注由生成 AI 驱动的自动化。 协作生态系统 ： 我们最近的研究需要一个重塑 - 准备好的数字核心引入了另一个考虑因素 ： 需要平衡技术债务和未来投资。4对于半导体行业而言，偿还这部分债务可能意味着牺牲当前预算和IT资源。随着生成式AI创新的快速推进，半导体公司需要一种既能解决过去问题又能应对未来挑战的方法。 高管们一致或强烈认为，通过知识共享和共同的技术平台与行业合作伙伴的合作将解锁生成式人工智能更大的价值。 75% 行业领导者一致认为，通过共享技术平台的合作能增强生成式AI带来的价值。 当前可供企业快速部署的低风险、高价值生成式人工智能应用已经存在，我们在本文的第4部分讨论了其中几项。这些快速胜利可以用来在整个价值链乃至生态系统中激发动力。然而，成功部署这些应用取决于拥有合适的人才。 面对这些挑战，通过一个重塑视角，打破价值链上的障碍，使其成为可能。我们的访谈发现，75%的... Section 3: 以不同的方式领导和学习以重塑劳动力 生成 AI 可以加速经济价值 ， 提高生产力， 使工作更有意义。 创成式 AI 授权 ： 半导体行业乃至整个高科技行业的才人短缺现象广为人知。仅在美国，据估计，以当前的毕业率来填补《芯片法案》引发的职位空缺，可能需要大约16年的时间。5构建未来就绪的工作队伍既依赖于，也对成功部署生成式人工智能至关重要。唯有克服人才缺口，半导体行业才能达成其雄心勃勃的增长目标。 新的 AI 技能。6幸运的是，我们的研究发现半导体公司正在采取主动措施来克服其人才缺口：54%的公司将从行业外招聘并提供培训，63%的公司将重新调整薪酬以留住员工，而42%的公司计划提升其员工的技能。 94%全球渴望人工智能技能的员工。 半导体公司的大多数企业已经制定了策略来部署生成式人工智能项目。根据我们的研究，企业在这些项目上采用三种不同的方法：35%的企业正在重新调配或内部资源用于这些项目；32%的企业利用第三方资源，如承包商/顾问；而32%的企业则通过外部招聘引进全职人才以支持这些项目。 从外面雇佣最好的行业和培训他们行业细节 明确定义工作角色和确保健康的责任角色和公司 然而，这种模式从长期来看并不可持续。我们认为公司应该致力于提升现有员工的技能，以留住关键人才。我们的工作, 劳动力, 工人研究表明 ， 全球 94% 的工人热衷于学习 基于这一势头，该公司的首批生成式AI应用案例主要集中在提高员工生产力和智能制造上。这项技术帮助员工在日常工作中专注于特定任务，并指导生产线工作人员如何按照具体指示执行工作。通过专注于优化当前的特定任务，该公司可以将这些学习成果应用于整个工厂。 半导体行业也在探索新的工作方式，64%的调查受访者表示，他们的公司在半导体开发中同等重视人类和人工智能的努力。这表明了向整合以人为本的变化和学习方法以负责任地扩大AI技术的转变。 生成 AI 本身具有独特的优势 ， 可以应对获取、留住和提升关键人才方面的挑战。 以美光为例 ， 它在其新加坡晶圆厂之一 “Fab10 ” 中嵌入了生成 AI 。7该公司每周通过AI模型运行2300万片晶圆图像，结果令人鼓舞：新产品的上市时间已缩短。 以下哪项陈述最能描述贵组织在半导体开发中的人工和AI流程平衡？ 无论是克服历史挑战还是应对当前的人才顾虑，生成式人工智能的应用可以打破创新的障碍，提升生产力，并推动协作。 Section 4: No - r egr ets and strategic bets 生成 AI 的现实应用正在为行业转型奠定基础。 不后悔案例是在价值链的特定点中具有最高价值、最短时间以及最低风险的应用场景，这使得它们成为公司采用新一代人工智能技术并获得动力的理想起点。许多应用场景跨行业都有用处，半导体行业可以从这些场景中学习并以能够创造价值的方式进行转移和应用。 战略赌注提供真正独特的竞争优势并重塑行业运营。它们的时间跨度更长，但能带来最高价值和更接近行业核心的结果。 核心原则在于选择合适的应用场景，在恰当的时间和地点。企业在生成式人工智能的投入节奏不当，或者对价值链的认识过于狭隘，可能会无法充分挖掘其全部潜力。 实现潜力 在我们的研究中，我们要求高管对制造到营销和销售的多个用例按照价值水平、相关风险和投资回报时间进行评分。这揭示了价值链上的多个可能用例。这些并非详尽无遗，而是为了展示这些用例在实际应用中的表现及用途。 尽管存在疑虑，通过正确的策略和实施，生成式AI可以从潜在价值转变为显著的实际影响，重塑半导体行业。 无遗憾用例： 无遗憾用例 2 > 营销内容生成 无遗憾用例 1 > 工人支持 价值链部分 ：Manufacturing 价值链部分 ：销售和市场营销 Description: Description: 基于生成AI的营销活动，利用自动化生成产品规格并将其插入相关材料。内容可根据生产效率和研发创新实时更新，通过打破数据孤岛。 生成式AI驱动的现场服务助手将使现场服务工程师能够更快地进行根本原因分析，并根据机器数据推荐维修方法。这些助手能够评估历史参数数据，并基于最佳已知方法提出最优修复路径的建议。 实现价值的时间: 实现价值的时间: 减少停机时间，加速问题识别和修复，从而提高生产效率并改善产出。在公司内部保留在职知识，通过更快的培训和一致的方法论解决人才缺口。 增强营销材料的创建速度、灵活性和可扩展性。加速支持性研究，通过迅速识别并整合市场趋势，允许生成更多定制化内容。 76%受访者表示， 制造业将在接下来的 12 个月。 82%的受访者表示 ， 销售和营销将由生成式人工智能在未来12 个月 s: case战略bet 使用 Strategic Bet 1 > 制造分析和产量提升 Strategic Bet 1 > 实验设计 价值链部分 ：Manufacturing 价值链部分 ：工艺工程 基于生成式AI的应用程序能够利用增强的合成训练数据自动化晶圆缺陷检测。随着集成数据生态系统的不断发展，可以全面、快速且更清晰地识别出产量问题，并找出根本原因。此外，自动缺陷检测还有助于确定流程区域内的具体步骤以进行优先处理。 基于生成式AI的应用程序能够整合历史过程参数数据，以创建半导体设备和晶圆开发更高效的定制设计。这些工具能够利用图纸、文本、图像等多种形式的数据生成定制输出，工程师可以利用这些输出来增强实验。 实现价值的时间: 实现价值的时间: 好处: 好处: 通过优化工艺流程来减少浪费并提升产出效率。提高组件性能和持久性以增强客户满意度。增加缺陷检测的准确性和对产品周期变化的响应速度。 在过程开发周期中采用更为客观的实验设计方法以提高响应时间。通过整合统一数据源的过程开发和实验结果来增强知识管理。 74%受访者的援助的制造将在接下来的 12 个月。 77%fo 受访者表示 ，流程工程将在接下来的 12 个月。 Section 5:用生成 AI 拥抱未 来 利用生成式 AI 解锁无边界价值的四个优先事项。 将内部资源重新部署/分配以推动这一努力。更重要的是，90%的受访者表示他们实施了许多“现成”的生成式人工智能工具，如ChatGPT、Gemini或Copilot。我们还发现，几乎一半（49%）的受访者计划利用其平台提供商的基础生成式AI能力，但同时还会构建内部能力来链接它们，随着他们的前进。 We看到未来企业中的几乎每个角色都由 AI 执行或支持。9半导体行业对此已有接纳。许多公司专注于那些能带来早期胜利、且不会后悔的关键举措。在诸如IT、营销、财务和客户服务等职能领域中，这些领域的例子包括采用代码辅助工具进行软件开发、支持内容创作、自动化财务报告以及在服务中心提升知识获取和生产力。 生成 AI 可以赋予创新力量 ， 这些创新可以不辜负 “炒作 ” 。 为了满足这些高标准的期望，我们建议企业为生成式AI重塑设定四个优先级。这些优先级将帮助公司跨越组织内部的界限，充分挖掘生成式AI的全部潜