北京發布AI4Chip行動計劃，AI介入晶片設計製造全鏈

Nashnova编辑部

今天发布阅读约 4 分钟

北京亦莊發布中國首個AI4Chip專項政策，計劃三年內將AI系統性嵌入晶片設計、製造、封裝、設備及材料六大環節——核心邏輯不是造AI晶片，而是用AI來造晶片。

「用AI造晶片」和「AI晶片」到底有甚麼不同？

通常所說的「AI晶片」指GPU、ASIC等運行AI任務的處理器——是晶片服務AI。

AI4Chip的方向正好相反：讓AI參與晶片的設計與製造流程，用機器學習縮短開發周期、減少物理試錯、提升良率。

這意味著→ AI在這裡不是產品，而是生產工具；北京押注的是「造晶片的方法」本身的升級。

計劃要求把AI深度整合進EDA（電子設計自動化，晶片工程師畫電路圖、做驗證用的核心軟件），覆蓋布線、時序優化、功耗分析、物理版圖等環節。

AI智能體將直接對接EDA工具和設計知識庫，協助工程師調試代碼、診斷故障、優化設計決策——從輔助工具向直接參與工程流程演進。

優先產品方向包括：通用GPU、AI訓練與推理ASIC、RISC-V AI處理器、高端CPU、存儲晶片及FPGA；支撐技術涵蓋矽光子、共封裝光學、光學I/O等高速互聯領域。

製造端要求建設數字孿生（用虛擬模型實時鏡像真實產線）示範產線，AI用於調整工藝參數、預測設備故障、追蹤全流程良率。

計劃同時覆蓋DTCO（設計-工藝協同優化）、STCO（系統-工藝協同優化）及AI輔助光學鄰近效應校正（AI OPC），將AI延伸至光刻相關流程。

先進封裝方面，AI將應用於2.5D和3D封裝、測試及製造執行，並推廣AI賦能的半導體計算機集成製造系統。

計劃把AI應用範圍進一步延伸至半導體設備、零部件與材料，利用數字孿生與邊緣AI縮短設備驗證與材料開發周期，提升材料純度和工藝穩定性。

計劃明確將「安全、自主、可控」列為指導原則，並提出用AI監測全球供應商動態及地緣政治風險，為供應鏈增加情報預警層。

這意味著→ 設備和材料環節引入AI，不僅是效率訴求，也是供應鏈安全訴求——用技術手段應對斷供風險。

計劃設定的目標：到2028年建立AI與半導體融合發展體系，培育三至五家具有國際競爭力的AI4Chip生態企業，形成十個以上可複製推廣的應用場景。

簡單來說＝北京不只是發文件，而是要在三年內看到能落地複製的企業和場景，這是一份帶KPI的產業政策。

AI系統需要大量高質量數據集，但晶圓工藝參數、設備故障記錄、缺陷數據和良率信息屬於半導體企業最敏感的商業資產。

跨企業共享將帶來明顯的知識產權與保密風險；計劃為此納入了數據清洗、脫敏與共享機制，但執行細節尚未明確。

這意味著→ 企業是否願意貢獻足夠詳細的製造數據，將直接決定AI4Chip能否突破單一企業邊界實現規模化落地——數據共享意願是整個計劃的硬約束。

市场有风险，内容仅供研究参考，不构成投资建议。