谷歌AlphaEvolve助力Substrate光刻技术优化，大幅提升效率降低成本

你可曾思索过，指甲盖那般大小的一枚芯片，其背后是历经上百亿次的繁杂计算？往昔之时，那是要消耗诸多时间以及金钱的。然而就在本月七号，有一家名为“光刻未来”的X射线光刻初创公司，借助谷歌的AI编程智能体，将整个计算光刻流程跑出了极快速的速度。

一个月内性能暴涨的秘密

在4月7日，这家公司于所发布的博客里，详细地披露了此次合作的过程，他们自2月初起便开始引入谷歌的AI编程智能体，直至3月上旬就完成了全部的优化，仅仅一个月，计算光刻的工作负载运行速度便提升了680%，这意味着原先需要一整天才能够跑完的数据，如今不到3个半小时就可以搞定。

在此同一时间，计算成本下降了百分之九十七。要是你原本本该花费一百万美元的电费以及服务器租赁费，现今仅仅只需三万美元就行。内存用量同样降低了百分之九十四，由原本需要大型服务器集群转变到几台普通设备便能够胜任。这组数据源自公司内部针对二月份与三月份生产环境的实际测量对比。

AI如何改写光刻物理规则

计算光刻属于芯片制造里非常重要必备环节，此要设法全面模拟光线先穿行掩膜而后紧接着照射晶圆整个过程，以往因特意想要极力追求高精度，于是分辨率被设置得相当可观极为不便宜，进而造成计算量一下子变得特别大，谷歌所研制那个 AI 编程智能体勇敢大胆地降低了分辨率，与此同时确保底层物理规律是不会被破坏的，这里有种跟采用略微粗一些笔刷来画画相类似，然而到最后轮廓依然能够保证准确无误。

更关键的是，AI对代码里的数据类型作出了调整，往昔运用64位浮点数的地方，如今替换成了16位乃至8位整数，像这样计算的负载就变得格外适宜在谷歌的TPU上运行，TPU自身是专为AI训练而设计的，其算力成本相较于传统CPU或者GPU要低上许多，光刻未来团队揭示出，此次改造使他们省下了购置新服务器的预算。

一次光刻冲出12nm金属线

至今为止最为令人震惊的成果尚在后续。这家公司凭借仅仅一次光刻，便成功达成了12nm特征尺寸的双向M1金属互联层。这究竟是何种概念呢？一般而言要达到这般精度，你是需要借助High NA EUV光刻系统的，正是ASML公司那最新且最为昂贵的设备，其单台售价超过3亿欧元。

当中光刻往后所运用的仅仅是X射线光源而并非别物，它的设备成本相比于其他来说要低出许多。针对于金属互联层而言，其作用等同于芯片里边的“高速公路”，而M1属于第一层金属导线。所谓双向布线，此含义是指那些纵横交错的线路能够在同一时间成型，并非要分作两次曝光来完成此项操作。这样一来，就极大程度地减少了芯片生产期间出现的套刻误差，良品率也就随之得到了提升，得以提高。

提前预知弱点 告别盲目试错

传统芯片研发存在着一个极为致命的痛点，即，若要将光刻参数调试妥当，那就必然得实际动手制作出一片晶圆，接着把这片晶圆放置进电子显微镜之下进行检查，一旦发现存在问题便再去修改。如此一来，一次实验极有可能耗费掉几周的时间以及数十万美元。而在AI技术被引入之后，光刻此后能够在虚拟环境当中预先掌握该项技术的弱点以及改进的方法。

优化谷歌的AI编程智能体时，它自动探索了数十万个潜在算法改进点，像个不知疲倦的工程师日夜不停尝试多种代码组合。最终选出的方案性能最佳，还避免破坏物理规律并且团队负责人称以前他们一年只能测试几百种参数组合，现在AI一个月就能跑完几十万种。

模型与芯片协同进化成为现实

在博客结尾，光刻未来公司着重特别强调了这样一句话，那就是，正是谷歌的AI编程智能体 ， 让他们比此前任何时段都更加清晰地认识到 ， 模型与芯片协同进化乃是计算智能的未来。 而这句话并非是毫无根据的空谈 ， 是依据他们过去30天的实际作战数据得出的。

提及协同进化，是指AI模型于设计之际便将目标硬件的特性纳入考量范畴，与此同时，硬件架构亦反过来针对于AI的需求予以适配。谷歌的TPU原本便是为矩阵运算进行优化的，再加之经由AI重写的光刻代码，二者实现了完美匹配。这恰似在盖房子之时，既以同时商量着来的方式进行，而非先行绘制好图纸之后再硬着头皮进行建造。

你的芯片很快会更便宜更强大

该项技术突破所产生的影响，极有可能迅速传递至消费者层面。芯片制造的成本削减了97%，可以表明日后你所购置的手机、电脑以及汽车内的处理器，均会更为低廉。与此同时，性能得以提升，这是因12nm级别的金属互联层已然能够支撑更高频率的运算。光刻在未来拟定于2026年底之前，将这套AI优化流程推广至更多的客户。

当下，这项技术仍仰仗谷歌的TPU集群以及特定编程环境，这是毋庸置疑的。其他光刻厂商能不能复制出一样的效果呢。这还得靠时间去检验。不过方向已然清晰：AI不再仅仅是帮你撰写邮件或者画画了。其正深入对最硬核的工业底层展开改造。

看完这篇文章之后，你认为在往后的五年时间以内，AI会不会完全替代芯片设计工程师的手工调参工作呢？欢迎于评论区留下你的见解，可别忘了点赞并且分享给关注科技的友人。