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)

打破障碍，建筑物连接 GenerativeAI在 半导体产业。 1 版权所有©2024埃森哲。保留所有权利。 MarcoAddinoPadampreetSinghAlexOlea马修·哈格蒂 董事总经理半导体欧盟铅 董事总经理 高科技全球数据和AI领先 董事总经理, 半导体NA引线 经理 高科技全球研究主管 marco.addino@accenture.copadampreet.singh@accenture.comalex.olea@accenture.commatthew.j.haggerty@accenture.com mLinkedIn LinkedInLinkedIn LinkedIn Authors 2 3 文档概述 Section1: 设置舞台 4 Section2: 从障碍到无边界 7 Section3: 以不同的方式领导和学习以重塑劳动力 10 Section4: 无遗憾/战略赌注 13 Section5: 用生成AI拥抱未来 18 Section1: 设置舞台 了解当前状态和 半导体行业的新挑战。 4 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。4 现代世界是建立在半导体上的半导体行业现在的问题 工业及其产品的技术是它是否可以为这个新的 enable。我们的智能手机、汽车、电源生成AI时刻，并满足 车站和其他无数的关键部分全球经济依赖持续创新 持续创新。埃森哲分析发现重新发明者将收入增加了15％ 工业界设计和生产的芯片。这个2019年至2019年期间超过其他公司的积分 事实是激烈竞争的来源和产物，他们的投资集中在持续 在具有长期芯片创新的半导体公司之间。但是这条道路正面临新的挑战 设计、制造和需求方面的表现不佳。关键人才日益稀缺，芯片设计继续受到物理定律的限制。 地缘政治紧张局势又增加了复上杂岸性制的造一层，进一步模糊了创新的未来。这些挑战出现在生1成式人工智能潜力爆炸式增长的时刻。 创新的需求变得迫切。我们正处于一个前所未有的广度、深度和速度展开的巨大技术时刻的前沿。 打破障碍，建立连接 2020.我们预计收入增长的差距在重新发明者和其余部分之间增加 到2.026年，2.4倍至37个百分点2 E将半导体公司最专注于 他们在未来的创新努力？我们的调查300名全球半导体高管发现了一个 在三个(33%)受访者认为创新-设计和制造等是 生成AI可以提供的最大好处部门。3 创新的紧迫性： 2.4x 差距的预期增加 在收入增长之间 reinventorsandtherestby 2026. 5 GenAI可以带来的最大好处是什么向半导体行业交付? 创新(设计、制造) 22% 运营效率 （规模经济/生产率提高) 财务(降低成本， 盈利能力提高，收入增长)天赋(吸引/保留) 新联盟(行业或其他) 没有单一的解决方案。半导体 14% 11% 重新发明，打破障碍和解锁 17% 2E% 广观优势： 公司应该利用生成式AI无限价值。而挑战 采用广阔的视野 从设计和制造的整个价值链条，贯穿销售与营销，直至客户服务，以把握短期和长期创新的机会。现在正是提出一个拥抱变革视野的时刻。 广泛采用可能看起来很重要，正确的方法和投资将允许 行业中的公司使用生成 AI将彻底改变其价值链并解锁变革价值。 价值链是必不可少的解锁变革 生成AI的潜力半导体产业。 6 Section2: From 无边界的障碍 行业创新壁垒显示 需要一个重新发明的镜头，更广泛地部署生成人工智能。 7 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。7 半导体行业拥有最 复杂、先进和创新的机器 地球今天在使用。然而，这种复杂性随之而来改变的高运营成本，尤其是在 技术现代化的实例，如生成AI部署。 我们还发现受访者同意或强烈同意以下内容： 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是大规模部署生成AI的最大技术壁垒。 知识产权问题是最大的障碍跨 半导体产业的价值链。 71% 的受访者 这些发现强调了成功部署生成AI的紧迫性和挑战。 这将需要至少三年的时间半导体行业部署： 大规模生成AI。 74% 的受访者 即将上线的新晶圆厂将更加关注由生成AI驱动的自动化。 8 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。8 我们最近的研究需要一个重新发明-高管同意或强烈同意合作 就绪数字核心引入了一个额外的与行业合作伙伴通过知识共享和 考虑：需要平衡技术债务通用技术平台和IP将解锁 未来的投资。 4对于半导体来自生成AI的更大价值。 协作生态系统： 75% 行业，偿还这笔债务可能会在 当前预算和IT资源的成本。作为低风险、高价值的生成AI应用 生成式AI创新继续快速公司可以快速部署的可用 行业领导者同意合作通过共享技术平台 为了实现这一目标，半导体公司需要采取一种既能应对过去挑战又能展望未来的策略。我们需要从重塑视角出发，打破价值链上的种种障碍。我们的访谈结果显示，有75%的受访者认为这种综合性方法至关重要。 今天，我们在第4节中讨论其中的几个本文的。快速胜利可以用来生成 整个价值链的势头，甚至 增强了从生成AI。 9 打破障碍，建立连接 版权所有©2024埃森哲。保留所有权利。 9 正面迎接这些挑战是可能的跨生态系统。成功部署这些 然而，应用程序取决于是否有权利人才到位。 Section3: 领导和学习以不同的方式重塑劳动力 生成AI可以加速经济价值，提高生产率 ，并使 工作更有意义。 10 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。10 半导体行业✁人才短缺 -以及整个高科技行业 新✁AI技能。6幸运✁是，我们✁研究发现半导体公司正在采取主动 创成式AI授权： -众所周知。仅在美国，它克服人才差距✁步骤：54％✁人将雇用 可能需要大约16年，根据从行业外提供培训， 估计，以填补源自CHIPS✁工作63%✁人将重组薪酬以留住员工 94% 全球渴望人工智能技能✁员工。 按照目前✁毕业率行事。5创建一个42%✁人计划提高员工✁技能。 您✁组织将如何克服 开发和部署GenAI✁人才缺口？ 重组补偿 包，以更好地与行业以外✁玩家和突出实验能力 与现有✁LLM &2% 从外面雇佣最好✁行业和培训他们行业细节 E4% 明确定义工作角色和确保健康✁责任 角色和公司 E2% Upskill当前✁劳动力 42% 保护人才 学术界/初创公司 28% 版权所有©2024埃森哲。保留所有权利。 11 面向未来✁劳动力既是成功部署生成式人工智能所可能实现✁ ，也是其成功不可或缺✁部分。只有克服人才缺口，半导体行业才能实现其雄心勃勃✁增长目标。 根据我们✁研究，大多数半导体公司已经制定了部署生成式人工智能项目✁策略。这些公司在三种不同✁方式下配置这些项目： 35%✁受访者正在重新部署或重新分配内部资源用于这些项 目；32%正在利用第三方资源，如承包商/顾问；而另外32 %正在公司外部招聘全职人才。然而，这种模式在长期并不可持续， 长期。我们认为公司应该期待 11 提高现有员工✁技能以留住关键人才。我们✁显示，全球94%✁员工工热作衷,于劳学动习力,工人研究 生成AI本身具有独特✁优势应对收购、保留和 提升关键人才。 一半。在这种势头✁基础上，公司✁半导体行业也在探索新✁ 第一波生成式AI用例集中在工作方式，64%✁受访者 关于员工生产力增强和智能说他们✁公司平衡了人类和人工智能 制造业。这项技术正在帮助工人在半导体开发方面同样努力。 考虑Micron，它嵌入了生成在日常工作中专注于特定✁任务这表明了向集成✁迈进 AI在其新加坡晶圆厂之一“Fab10”中。7The指导生产车间员工如何执行以人为中心✁变化和学习方法 公司每周通过AI模型运行2300万片晶圆图像，结果令人鼓舞：新产努品✁力上与市具时体间✁已指缩示短。。通过专注于负责任地扩展人工智能技术。 以下哪项陈述最能描述贵组织✁ 优化今天✁特定任务，公司可以在整个晶圆厂应用这些学习。 是否克服了历史挑战或面临✁担忧人才今天，部署 生成AI可以打破障碍创新，提高生产力和力量协作。 半导体开发中✁人类和人工智能流程✁平衡？ 14%22%64% 完全依赖AI或自动化过程 完全依赖人类 依靠一个均匀✁平衡人类和AI或 自动化过程 12 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。12 Section4: No-regrets和战略 bets 真实世界✁应用 生成式AI正在为行业转型奠定基础 。 13 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。13 埃森哲✁调查发现，大多数高管行业如何向前发展将是关键 相信技术既是半导体 行业✁最大✁机会（45%)及其最大✁挑战(37%)。如果是这样✁话, 然后生成AI是最重要✁新几十年来✁挑战和机遇。 这次旅行✁成功，没有遗憾和作为北极星✁战略赌注投资。 投资将是首席执行官快速交付✁关键 赢得胜利，同时保持更广泛✁战略愿景向前移动。 8These 机遇挑战 技术(生成式人工智能，预测分析) 27% 4E% 创新(摩尔✁法律减速) 供应链重新联网 20% 12% 1&% 11% 当今最大✁半导体产业挑是战什么？面对 什么是最大✁ 半导体产业有今天吗? 机会 the 14 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。14 顶线原则是选择正确✁用途在正确✁时间和正确✁时间。公司可能无法充分发挥 通过不以正确✁速度投资生成AI-或 以短视✁角度审视价值链。在我们✁研究中，我们要求高管对制造领域✁几个用例进行评分， 按价值水平、相关风险和投资回报时间进行✁营销与销售 。这是价值链。这些并非详尽无遗，而是为了说明这些应用场景和实践中✁具体表现而举例展示✁。 出现了几个可能✁用例 实现潜力 尽管持怀疑态度，但随着正确✁战略和实施， 生成AI可以从 潜在✁显著现实世界影响，重塑 半导体产业。 不后悔 用例是那些价值最高、时间最短✁用例 以及价值链中选定点✁最低风险，使它们成为理想✁公司利用新一代AI获得动力✁起点 技术。许多都是跨行业有用✁，半导体 行业可以从它们中学习并以交付价值✁方式转移它们。 战略赌注 提供真正新颖✁竞争优势和重塑 industryoperations.Theyhavealongertimeline,butofferthehighest价值和结果更接近行业核心。 15 无悔用例1>工人支持 价值链部分：Manufacturing Description: 具有生成性AI功能✁现场服务助理将允许现场服务工程师更快地执行根本原因分析并根据机器数据推荐维修方法。这些助手可以评估历史参数数据利用最佳修复路径✁建议已知✁方法。 无悔用例2>营销内容生成 价值链部分：销售和市场营销 Description: 基于生成✁人工智能营销活动捕获✁产品规格✁自动生成并插入到相关材料中。内容可以是根据产量和研发实时更新作为数据孤岛✁创新被打破。 不后悔用例： 实现价值✁时间:好处:实现价值✁时间:好处: 76%of受访者said 制造业将由生成式AI在 12个月。 next 减少停机时间并加速问题识别和补救，导致产量增加和 改进✁产量。保留在职公司内部✁知识和 通过以下方式解决人才差距更快✁训练和一致 方法论。 82%of受访者说销售和营销意愿由启用创成式AI 在next12 months 提高速度，灵活性和营销材料✁可扩展性 creation.Acceleratessupporting研究并允许更多 快速自定义内容识别和整合市场趋势。 16 打破障碍，建立连接版权所有©2024埃森哲。保留所有权利。16 StrategicBet1>制造分析和产量改进 价值链