Российская микроэлектроника — это история про то, как страна с мощным научным заделом оказалась в ситуации, когда свои же чипы проектируются на зарубежном софте, производятся на импортном оборудовании, а данные о каждом этапе живут в закрытых системах. 18 мая на ЦИПР-2026 в Нижнем Новгороде на сессии «Цифровой контур микроэлектроники. Как оптимизировать производственные процессы» представители «ЭЛЕМЕНТ», «Сбер», НИИМЭ, НЗПП «Восток», МИЭТа и ИКС Холдинга обсудили, как из этого хаоса выстроить единый цифровой контур. О результатах беседы — в этой статье.
Главный барьер — данные, а не деньги
Федор Крошин из «ЭЛЕМЕНТА», модерирующий сессию, подчеркнул, что сейчас выигрывает тот, кто работает по принципу data-driven (с англ. «управляемый данными»). Если коротко, рентабельность бизнеса напрямую зависит от того, насколько качественно он управляет данными. Однако в российской микроэлектронике предприятия страдают от информационной изоляции. Каждый работает в своей системе, форматы не стыкуются, а обмениваться опытом из-за этого практически невозможно.
Участники сошлись на том, что прогресса нет не из-за денег. Финансирование-то как раз есть, но проблема глубже. Данные разрознены, специалистов катастрофически не хватает, а предприятия предпочитают закрываться, а не делиться наработками.
Крошин добавил, что сейчас вместе с профильными ведомствами они готовят новые нормативные акты и запускают Индустриальный центр компетенций. Его задача — сделать так, чтобы требования к данным на всех этапах жизни продукта, от чертежа до серийного выпуска, стали едиными и понятными для всех игроков рынка.
Когда говорят о микроэлектронике, обычно вспоминают литографы и нанометры, но без нормальной работы с данными дорогое железо не дает нужного эффекта. Технолог должен видеть полную картину от проектирования чипа до его выпуска на производстве, а сейчас эта картина разбита на десятки несовместимых систем.
Кто что показал
Виталий Александров из АО ОПК рассказал, что на заводе используют нейросети для планирования, которые предсказывают загрузку оборудования на месяцы вперед. Система анализирует сигналы с тысяч единиц техники и алгоритмы отсеивают лишний шум, находят закономерности.
Сергей Белоусов из «Сбера» показал платформу для заводов электроники. У нее есть умный поиск, который быстро находит нужные ответы в горах документации. Еще система с помощью камер видит качество микроструктур и в 3D показывает, как идут процессы изготовления чипов.
Белоусов добавил, что главная беда здесь — люди. Когда человек 20 лет принимал решения на глаз, ему сложно довериться алгоритму. По мнению спикера, нужно показывать на деле, что ИИ реально работает, и давать сотрудникам самим настраивать интерфейсы.
Как решить проблему разрозненности
Алексей Переверзев из НИУ МИЭТ предложил Единую проектную среду для разработки микросхем. Спикер считает, пора управлять всем процессом целиком, ведь платформа позволяет подстраиваться под разные задачи и легко подключать нейросети.
Переверзев подчеркнул, чтобы это заработало, разработчики, заводы и заказчики должны действовать сообща. И, конечно, нужно готовить специалистов в этой области.
Артем Икоев из ИКС Холдинга поделился своим подходом. Они не пытаются сразу построить идеальный цифровой двойник, а идут маленькими шагами ради быстрой отдачи. ИИ у них проверяет дефекты за автоматикой и предсказывает брак.
Что еще важно
Минпромторг выделил почти миллиард рублей на софт для проектирования чипов по 90 нм. Кроме того, в следующем году в кооперации с белорусами обещают показать первый отечественный литограф на 130 нм. По словам замминистра промышленности Василия Шпака, работа над литографом на 130 нм продолжается, а в 2026 году начнется разработка оборудования для 90 нм.
Эксперты оценивают сроки создания литографа с нуля в 5–10 лет и сотни миллионов долларов. Но если дорабатывать существующие решения на базе 130 нм, сроки сокращаются до 2–4 лет. Кроме того, главная проблема не в самом литографе, а в наличии полной экосистемы фотошаблонов, материалов, EDA-инструментов и компетенций. Без этого даже наличие установки не гарантирует массового производства.
В итоге пока одни бесконечно спорят о стандартах, другие уже пускают нейросети в дело и экономят деньги на производстве чипов. Но идеальные цифровые двойники — это круто, а работающие станки важнее.
Читайте также: