傳統物聯網（IoT：Internet of Things）通過各種傳感設備、互聯技術（ZigBee\Bluetooth\WiFi）、射頻識別（RFID）技術、全球定位系統、紅外感應器、激光掃描器、各種裝置與技術，實時采集任何需要監控、連接、互動的物體或過程，采集其聲、光、熱、電、力學、化學、生物、位置等各種需要的信息，與互聯網結合形成的一個巨大網絡。其目的是實現物與物、物與人，所有的物品與網絡的連接，方便識別、管理和控制。

AIoT = AI + IoT即人工智能（AI）為物聯網（IoT）賦能，AI和IoT高度融合，AI的訓練和學習功能使得傳統IoT賦予智慧。隨著5G時代的到來，人工智能從云端向邊緣移動，解決了阻礙物聯網發展進程的帶寬和安全問題。

一方面，傳統產業借助AIoT技術進行智能化升級，如家電、安防、汽車、工業制造等，無論在政府層面（智慧城市、平安城市等）、行業層面（如物流行業、新能源汽車、智能家居）等等，特別是疫情來襲下，加速了AIoT的融入。另一方面，AI新品出現和滲透，如各式可穿戴、AR/VR等。AIoT底層技術無線連接、AI技術等目前都逐成熟，疫情下“宅經濟”、企業數字化轉型等則加快發展。

根據統計預測：

2019年全球AIoT市場規模51億美元，到2024年將增至162億美元，復合年增長率26%，大量實時數據有效處理需求，是增長的主驅動力。AIoT的大量應用自然離不開各類芯片、傳感器等等，它們的研發和制造更離不開基礎材料的研發。多尺度材料仿真技術，可以加速芯片及材料研發設計；同時AI也為仿真技術賦能。

材料研發，在早期的很長一段時間內是以經驗科學為主；基于經驗的材料研發方案屬于傳統的炒菜式方案，伴隨著大量的試錯方式，成本高，風險高。由于依賴于經驗式的方式，完全依賴于老師傅的經驗，因此對于技術、知識、經驗的積累以及傳承都不利。這是一個“經驗試錯”的階段。

從17 世紀開始進入“理論模型”產生知識的階段， 其特征為使用數學方法得到的熱力學模型。但是熱力學模型無法對應具體材料，并考慮材料和器件的具體細節。

計算機的發明和使用，材料研究進入“計算模擬”階段， 密度泛函理論、分子動力學、相場/晶體相場、蒙特卡洛、動力學蒙特卡洛、元胞自動機、格子玻爾茲曼、有限元等一系列模擬計算方法在這個時期得到快速應用。

隨著計算機運算能力的提高，采用高通量計算、組合實驗等方法產生了大量數據，再結合前 3 階段（經驗試錯、理論模型、計算仿真）的理論知識和實驗數據， 材料研究進入了大數據推動科學發現的階段。材料信息學將在這個階段得到快速發展，并在材料設計領域發揮極其關鍵的作用。

現今，AIoT與集成電路芯片中新材料與新工藝出現瓶頸，延續摩爾定律集成電路核心器件尺寸持續微縮面臨工藝極限和物理極限的挑戰。

▲2017-2033年 國際器件與系統路線圖（IRDS 2017版） 數據來源：中科院微電子研究所-吳振華研究員

那么國內外集成電路企業，基于多尺度材料仿真技術如何破局？

●Intel采用DFT技術進行芯片材料與器件的研究

●TSMC基于FP MD技術進行芯片材料與界面的技術研究

●ASML基于分子模擬進行光刻膠和光刻工藝研發

●Synopsys基于NEGF-DFT技術進行DTCO協同優化

●BASF基于分子模擬加速材料設計，揭示數字化研發之道

●鴻之微基于國產自主多尺度仿真技術助力集成電路材料、器件與工藝研發

受限研發以及制造工藝等方面多因素的影響，計算機技術的普及，材料研發以及制造機構面臨的市場競爭壓力，材料研發與設計已經進入數字化時代。特別是AI技術發高速發展，為傳統技術自我進化賦予智慧，從而助力新材料的跨越式發展。

封面圖片來源：中科院微電子研究所

本篇文章屬于原創，拒絕未經授權轉載，如需轉載，請聯系我們。

編輯：fqj