形形色色設(shè)備產(chǎn)生的數(shù)據(jù)量時刻不停地飛速增長，如何利用每天產(chǎn)生的天文數(shù)字量級數(shù)據(jù)，成為科技業(yè)面臨的一道難題。

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1萬億GB），預(yù)計到2021年將增長到3.3ZB每年。洶涌上漲的數(shù)據(jù)洪流，波峰越來越高，在2016年，每天數(shù)據(jù)流量同比增長了32%，而流量最高的1小時數(shù)據(jù)吞吐量同比增長了51%。

當(dāng)上述統(tǒng)計也不完整，實際上沒有人知道全球每天產(chǎn)生多少數(shù)據(jù)，因為并不是所有設(shè)備的數(shù)據(jù)都會連入互聯(lián)網(wǎng)。

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

想挖掘數(shù)據(jù)的真正價值，就要對天量數(shù)字與模擬數(shù)據(jù)進行過濾，并充分考慮應(yīng)用場景，這就像沙里淘金，大多數(shù)可能無功而返。不過，隨著計算力的提高以及大規(guī)模并行計算工具的成熟，數(shù)據(jù)過濾分析--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)，并對其商業(yè)、市場以及商業(yè)模式產(chǎn)生影響，”Synopsys董事長兼共同CEOAartdeGeus說道，“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，那就會是非常大的影響。”這也意味著高利潤的可能，“你會看到，所有從事數(shù)據(jù)處理的人都在仔細聆聽，以解碼市場未來需求，或者自行判斷當(dāng)前市場需求，”deGeus繼續(xù)說道，“或者更進一步，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)，從機器學(xué)習(xí)到工業(yè)物聯(lián)網(wǎng)，每一個數(shù)據(jù)應(yīng)用場景都戰(zhàn)況激烈。

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

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

“收集上來的物聯(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ChristopheBegue說道，“我們接下來會把收集到的數(shù)據(jù)丟給Watson（IBM人工智能平臺）去分析?！?/p>

現(xiàn)在的大問題是如何將這些數(shù)據(jù)變現(xiàn)，有哪些人愿意為數(shù)據(jù)付費。要將數(shù)據(jù)變現(xiàn)，首先要做到如下幾點：第一，行業(yè)里的公司要真正懂?dāng)?shù)據(jù)的價值；其次，公司要能夠快速應(yīng)對數(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)對數(shù)據(jù)變化的反應(yīng)時間通常是幾天甚至幾周；第三，變現(xiàn)數(shù)據(jù)的價格要有競爭力，不能波動太大。

IBM正準(zhǔn)備將全球供應(yīng)鏈的數(shù)據(jù)商業(yè)化。“供應(yīng)鏈數(shù)據(jù)分為兩層，”Begue說道，“第一層是零售與快速消費品（CPG）等數(shù)據(jù)，就是那些可能會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商店收集天氣、交通或運動賽事等相關(guān)信息，并通過交通模式追蹤它。我們用MetroPulse平臺來做數(shù)據(jù)分析，該平臺會覆蓋500個數(shù)據(jù)元素，用戶既可以購買數(shù)據(jù)用于深度學(xué)習(xí)或機器學(xué)習(xí)分析，也可以全部委托IBM來做分析。第二層即我們正在導(dǎo)入市場的概念：供應(yīng)商風(fēng)險。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)果來提升供應(yīng)鏈的安全。如果注意到15個因素有風(fēng)險，那么你就會對這15個因素嚴(yán)密監(jiān)控?！?/p>

IBM的服務(wù)并不是值分析已有數(shù)據(jù)，還會給出建議，洞見未來?！拔覀兪占_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)測模型。當(dāng)然，我們也意識到，在計劃和反應(yīng)之間，仍然存在差距，‘決策室’概念有助于縮小計劃和行動之間的鴻溝。”

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)就很有價值。事實上，整個智能制造的概念（德國稱為工業(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+市場副總裁DavidPark說，“現(xiàn)在這些公司都偏愛流程分析和無庫存生產(chǎn)，但它們真正需要的是預(yù)測性分析。預(yù)測性分析可以讓工廠受益，不過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)險在于，數(shù)據(jù)不一定都是正確的。基于錯誤數(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)沒問題，那么可以把良率提高2%到3%，非常顯著的提高，”Park說道，“供應(yīng)鏈上通過檢測的任何元器件的所有時間段數(shù)據(jù)都會被收集。當(dāng)你拿到一些有劃痕的晶圓，根據(jù)數(shù)據(jù)就能查出在哪一個環(huán)節(jié)晶圓被劃破，你也可以查看元器件在現(xiàn)場的老化過程。如果汽車配備了預(yù)測性維護服務(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)同樣會受益，如果你手上有數(shù)十萬張發(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，但整個半導(dǎo)體供應(yīng)鏈對數(shù)據(jù)的應(yīng)用，并不都能達到制造環(huán)節(jié)的水平。

“有效利用數(shù)據(jù)是智能制造顧問委員會（隸屬于SEMI）的一大主題，”SEMI協(xié)作技術(shù)平臺副總裁TomSalmon說道，“獲取數(shù)據(jù)很重要，但現(xiàn)在問題不是我們獲取的數(shù)據(jù)量不夠，而是因為數(shù)據(jù)利用率只有10%左右。真正的挑戰(zhàn)在于我們應(yīng)該問什么樣的問題，如何把數(shù)據(jù)應(yīng)用于制造。所以可能會有可靠性問題，但不會有制程問題。”

機器學(xué)習(xí)

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

在半導(dǎo)體設(shè)計與制造中，也會利用機器學(xué)習(xí)來提高質(zhì)量、可靠性及良率。

“采用合適的比例來抽取數(shù)據(jù)做分析，就能應(yīng)用于未來的設(shè)計，”eSilicon市場副總裁MikeGianfagna說道，“如何將機器學(xué)習(xí)算法應(yīng)用于新領(lǐng)域是關(guān)鍵，在過去7年中，我們在這方面積累了很多經(jīng)驗，我們知道如何挖掘開發(fā)數(shù)據(jù)的價值。當(dāng)你擁有大量數(shù)據(jù)時，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，你會迷失在大量數(shù)據(jù)中，如果抽取數(shù)據(jù)比例過低，又可能得不出結(jié)論?！?/p>

Gianfagna表示，在降低風(fēng)險與增加效率的基礎(chǔ)上，實現(xiàn)數(shù)據(jù)變現(xiàn)是機器學(xué)習(xí)的目標(biāo)。“要做到這一點，你需要從全局上來看待大數(shù)據(jù)分析?！?/p>

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)計和測試行業(yè)產(chǎn)生的數(shù)據(jù)量很少，不過半導(dǎo)體設(shè)計與測試數(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解決方案市場總監(jiān)GeorgeZafiropoulos說道，“下一階段的目標(biāo)是通過數(shù)據(jù)分析來給出改進方法。無須刻意尋找，你就能發(fā)現(xiàn)數(shù)據(jù)中的價值嗎？你要找的，是數(shù)據(jù)的趨勢和相關(guān)性，可以將機器學(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，為什么會產(chǎn)出低？或者特定溫度與特定電壓對產(chǎn)品性能的影響。（這些都可以用數(shù)據(jù)分析來指導(dǎo)）”

Zafiropoulos指出，可以將更好的芯片設(shè)計作為目標(biāo)?！白鳛楣こ處?，我們圍繞設(shè)計來制定規(guī)則，但如果你想面面俱到，那么效率就不會高。如果在保證可靠性與性能基礎(chǔ)上，可以減少保護規(guī)則，那將會有很大價值。很多大數(shù)據(jù)分析都是針對多個數(shù)據(jù)采集點，一座城市可能有一萬個傳感器，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)比個人能處理的數(shù)據(jù)顯然要多，但也遠達不到亞馬遜交易數(shù)據(jù)這個量級?！?/p>

然而，系統(tǒng)數(shù)據(jù)可能就比設(shè)計數(shù)據(jù)高幾個數(shù)量級了，特別是涉及多物理層仿真時?！拔覀冋J為，7納米將是首次導(dǎo)入機器學(xué)習(xí)和大數(shù)據(jù)分析的節(jié)點，數(shù)據(jù)量將會膨脹，處理速度也需要增加?！盇NSYS總經(jīng)理兼副總裁JohnLee說道，“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)計不好），發(fā)熱時會增加對電路板的壓力，并可能導(dǎo)致板子彎曲，但要知道，車用芯片使用壽命長達十年?！?/p>

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，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)帶來了新的增長機會。Cadence總裁兼CEO陳立武表示，2015年全球聯(lián)網(wǎng)汽車市場規(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)市場規(guī)模2020年將達100億美元（2015年為6億美元），云和數(shù)據(jù)中心市場規(guī)模將達800億美元（2015年650億美元）。“這將給半導(dǎo)體產(chǎn)業(yè)帶來機會，”他說道，“從優(yōu)化物聯(lián)網(wǎng)到云端，都將給半導(dǎo)體帶來很大的機會?！?/p>

現(xiàn)在的問題是，圍繞這些數(shù)據(jù)還能做些什么，以及到底如何去實現(xiàn)。這將是半導(dǎo)體產(chǎn)業(yè)的一個全新機會，也許會推動半導(dǎo)體產(chǎn)業(yè)發(fā)展登上一個新臺階。

更多資訊請關(guān)注工業(yè)以太網(wǎng)頻道