全球AI技术与工程领域领先企业HTEC今天发布针对半导体行业的研究。研究显示，该行业在采用AI方面相对先进，但面临更困难的挑战：证明技术改进能够转化为可衡量的业务价值。
近一半（48%）半导体受访者表示，其所在组织正在规模化AI或已经具备AI原生特征，整体样本中这一比例为44%。不过，AI投资增长与更广泛市场大体一致，78%的半导体受访者表示过去一年增加了投资，整体样本为79%。
更明显的分化出现在AI投资项目的选择和衡量方式上。
在受访行业中，半导体受访者在将战略一致性作为优先推进AI计划的标准，以及在批准前要求正式投资回报模型方面处于领先。但项目启动后，衡量变得不够一致，导致更难判断设计、验证或制造等环节的改进最终是否降低了成本、加快了交付或改善了产品结果。
HTEC全球管理合伙人Craig Melrose表示：“半导体公司知道如何衡量工程绩效。下一个挑战是将同样的纪律应用于AI价值。在验证中节省工时之所以重要，是因为这些工时可以转化为更低成本、更快交付、更强工程能力或更好产品。随着AI规模化，能够持续建立这种联系并据此决定下一笔投资方向的公司将取得领先。”
投资纪律较强，价值衡量较弱
45%的半导体受访者选择与增长或差异化保持一致，作为优先安排AI计划的标准；36%的受访者要求在计划批准前建立正式投资回报模型。
然而，部署之后的情况更加分散。38%的半导体受访者表示，AI价值主要按个案报告，整体样本中这一比例为30%；只有28%主要通过企业仪表盘报告价值，整体样本为36%。缺少基线指标以及各职能之间关键绩效指标不一致，也是受访者在衡量AI价值时提到的障碍。
只有22%的受访者表示，AI的目的、价值和预期成果在其组织内得到清晰阐述，这一比例在所有受访行业中最低。研究结果表明，在证明AI应用技术上可行与持续展示其对业务的贡献之间，差距正在扩大。
规模化AI正在成为组织挑战
研究还表明，AI价值实现的下一个障碍可能不在技术本身。
83%的半导体受访者认为，人员与流程对AI价值的制约超过技术本身。但只有22%主动监测各职能的AI采用情况和成果，21%为非技术员工提供全面的AI赋能。
在非技术职能中，变革阻力和采用难题是最常被选为AI价值实现障碍的因素，其次是使用场景、优先级或成功衡量标准不明确，以及组织缺乏一致性。
这表明，随着AI从专业工程团队扩展到更广泛业务，半导体公司需要把应用于技术绩效的同等纪律，带入采用、责任和衡量之中。
AI风险集中于最高风险应用
研究还突出显示，随着AI在工程和生产环境中承担更大责任，半导体公司正在如何处理治理问题。
超过一半（57.5%）的半导体受访者仅针对高风险使用场景同时衡量AI风险与价值，16%在整个AI组合中一致衡量风险。在技术受访者中，33%认为模型不可预测性和边缘情况是人工参与监督的主要复杂因素，这一比例为所有受访行业中最高。
随着AI更深入地嵌入关键工作流，研究指出，需要确定AI可以在哪些环节自主运行、哪些环节仍需人工判断，以及当应用更接近影响产品质量或生产连续性的决策时，这些控制如何演进。
从芯片性能到企业价值
半导体公司在AI经济中处于独特位置：一方面构建AI运行所依赖的技术，另一方面又将AI应用于芯片设计、验证和制造。这使该行业成为检验AI能否从技术能力走向可重复业务价值的重要试验场。
AI可以帮助团队探索更多设计方案、更快制作原型、更早发现问题并缩短开发周期。但研究认为，只有当技术加速最终带来更好的产品或更强的业务结果时，才会创造价值。
因此，当前挑战已不再主要是证明AI能够工作，而是建立一种可重复的方法，以确定AI在哪些环节创造价值、持续衡量这些价值，并在整个组织内推广行之有效的做法。
来源: 海外媒体
登录后即可参与技术讨论与同行交流
免费注册