Bagaimana AI mengubah reka bentuk IC analog/mixed‑signal dan menghubungkannya dengan smart factory dalam ekosistem elektronik dan semikonduktor Malaysia.
Tekanan Masa Tape-Out, Kos Tinggi – Di Sini AI Mula Masuk Akal
Satu fakta yang ramai pengurus kilang dan R&D di Malaysia jarang sebut secara terbuka: setiap minggu kelewatan tape‑out IC analog/mixed‑signal (A/MS) boleh membakar ratusan ribu dolar dalam peluang pasaran yang hilang.
Dalam masa yang sama, pelaburan AI di kilang elektronik, automotif dan semikonduktor – dari Kulim ke Penang – semakin agresif. Intel, Infineon, dan pemain besar lain sanggup belanja berjuta untuk AI di barisan pengeluaran, tapi potensi AI di peringkat reka bentuk IC masih belum dimanfaatkan sepenuhnya.
Artikel ini fokus pada satu bahagian kritikal dalam rantaian nilai: bagaimana AI boleh mengubah cara kita mereka bentuk IC analog/mixed‑signal, dan bagaimana ini berkait rapat dengan strategi smart factory dan AI di kilang elektronik Malaysia.
Kita akan lihat empat bidang utama di mana AI bukan sekadar buzzword, tetapi benar‑benar boleh mengangkat produktiviti pasukan reka bentuk A/MS:
- Analisis keperluan dan spesifikasi
- Model pengganti (surrogate models) berasaskan AI
- Verifikasi pantas dan meluas
- Dokumentasi dan kebolehguna semula reka bentuk
Dari Spesifikasi Pelanggan Ke Dokumen Yang Boleh Dipercayai
AI paling cepat menunjukkan nilai bila berhadapan dengan dokumen yang panjang, bercanggah, dan sering berubah – tepat seperti spesifikasi untuk IC automotif, sensor industri, atau modul kuasa untuk kilang pintar.
Di mana AI bantu dalam analisis keperluan
LLM (large language model) moden sudah cukup matang untuk:
- Mencari percanggahan antara seksyen dalam specification
- Mengesan keperluan yang berulang atau bertindih
- Menandakan bahagian yang kabur atau tidak lengkap
- Menjana ringkasan keperluan mengikut domain (analog front‑end, digital control, power, keselamatan, dan lain‑lain)
Dalam konteks syarikat EMS atau fabless di Malaysia yang buat reka bentuk untuk pelanggan global, realitinya spesifikasi boleh mencecah ratusan halaman. Tanpa bantuan AI, jurutera selalunya:
- Fokus pada bahagian kegemaran (contoh: analog front‑end) dan terlepas detail interface atau keselamatan
- Menggunakan version spec yang berbeza antara pasukan
- Hanya sedar percanggahan bila sudah lewat dalam fasa reka bentuk
Dengan AI sebagai co‑pilot untuk dokumen:
- Masa “requirements review” boleh turun dari minggu kepada hari
- Risiko salah tafsir keperluan pelanggan berkurang dengan ketara
- Pasukan sistem, IC design, dan verification berkongsi pemahaman yang lebih konsisten
Pandangan terus terang: Jika organisasi masih bergantung 100% pada manual review untuk dokumen besar, ia memberi ruang luas untuk pesaing yang lebih cepat mengguna AI di peringkat ini.
Surrogate Model Berasaskan AI: Kurang Iterasi, Lebih Kepastian
Dalam reka bentuk analog/mixed‑signal, ramai jurutera berpengalaman bergantung kuat pada heuristik dan “rasa”. Itu tak salah, tapi untuk sistem yang semakin kompleks – especially dalam automotif EV, sensor industri, 5G front‑end – pendekatan ini mudah bawa kepada:
- Iterasi reka bentuk yang panjang
- “Re-spin” IC yang mahal
- Jadual pelancaran produk yang tergelincir
Apa itu surrogate model dalam konteks A/MS?
Secara ringkas, surrogate model ialah model AI (selalunya neural network atau model regresi canggih) yang:
- Mempelajari hubungan antara parameter reka bentuk (contoh: nilai komponen, bias current, dimensi transistor) dan prestasi (gain, linearity, noise, efficiency, jitter, dsb.)
- Menggantikan simulasi berat SPICE dalam fasa penerokaan reka bentuk awal
- Membolehkan optimasi sistem di peringkat awal tanpa modeling manual yang terlalu terperinci
Peranan jurutera berubah daripada “buat semua modeling dari kosong” kepada:
- Menentukan parameter masuk/keluar yang penting
- Memilih struktur model dan kaedah training yang sesuai
- Menilai sama ada model AI cukup tepat untuk digunakan
Contoh praktikal dalam industri Malaysia
Bayangkan sebuah pusat reka bentuk di Penang yang membangunkan IC power management untuk modul automotif:
- Tanpa AI: setiap kombinasi senibina diuji melalui simulasi penuh; boleh makan masa jam hingga hari setiap run.
- Dengan surrogate model: neural network yang telah dilatih boleh meramal prestasi dalam milisaat, membenarkan ribuan senario dicuba sebelum memilih beberapa calon terbaik untuk simulasi SPICE penuh.
Kesan terus pada perniagaan:
- Kurang iterasi fizikal → kurang kos mask dan wafers
- Time‑to‑market lebih pendek → lebih kompetitif untuk rebut projek global
- Pasukan kecil boleh menguruskan produk yang lebih banyak
Verifikasi: Dari “Bottleneck” Menjadi Enjin Keyakinan
Dalam banyak organisasi, verifikasi A/MS ialah fasa yang selalu “meletup” di hujung projek. Semua orang tiba‑tiba sedar:
- Coverage tak cukup
- Corner cases tak disentuh
- Model komponen tak selari dengan implementasi terkini
Ini bertembung dengan realiti industri hari ini: kitaran produk semakin pendek, terutama untuk automotif dan elektronik pengguna yang disokong oleh kilang di Malaysia.
Bagaimana AI mengubah verifikasi
AI boleh masuk pada dua lapisan utama:
-
Penjanaan & penambahbaikan model komponen
Algoritma AI boleh belajar daripada netlist, layout, dan data simulasi/fab untuk:- Menjana model behavioral yang pantas tetapi tepat
- Mengemas kini model bila ada perubahan pada reka bentuk
- Menjaga konsistensi antara model dan implementasi sebenar
-
Perancangan dan pembinaan test
Dengan menganalisis bug history, coverage report dan struktur reka bentuk, AI boleh:- Cadangkan senario ujian tambahan yang berisiko tinggi
- Mengutamakan corner yang paling kritikal untuk dipakai awal
- Mengurangkan test yang berulang dan tidak memberi nilai tambah
Hasilnya:
- Verifikasi boleh bermula jauh lebih awal, selari dengan reka bentuk
- Risiko “surprise” di hujung projek berkurang
- Data verifikasi lebih kaya untuk disuap ke sistem AI kualiti di kilang (inspection, parametric test, predictive maintenance)
Dalam konteks smart factory, ini penting kerana data reka bentuk dan data kilang mula bercakap bahasa yang sama. Model AI yang digunakan untuk verifikasi boleh menjadi asas kepada model kualiti dan reliability di peringkat pembuatan.
Dokumentasi & Reuse: Harta Syarikat Yang Selalu Terbengkalai
Majoriti jurutera tak bangun pagi dengan semangat nak tulis dokumentasi. Namun semua orang tahu, tanpa dokumentasi yang baik:
- Reka bentuk sukar diulang guna untuk projek baru
- Pengetahuan hilang bila jurutera berpindah syarikat
- Audit automotif dan industri (ISO 26262, IATF 16949) menjadi perit
AI sebagai “penulis bayangan” jurutera
Dengan aliran kerja yang betul, AI boleh:
- Memantau perubahan dalam schematic, netlist, dan skrip simulasi
- Menjana ringkasan automatik untuk setiap perubahan penting
- Meminta penjelasan ringkas dari jurutera melalui pop‑up (contoh: “Kenapa tukar nilai Rf daripada 2k ke 1.5k?”)
- Menyusun keputusan mereka bentuk dalam format yang mudah dicari dan dibaca
Akhirnya, organisasi mendapat:
- Dokumentasi yang hampir masa nyata, bukan ditulis tergesa‑gesa sebelum audit
- Pangkalan pengetahuan dalaman yang boleh dicari dengan AI untuk projek masa depan
- Kebolehgantian staf yang lebih baik – isu besar untuk kilang dan pusat reka bentuk di Malaysia yang menghadapi kekurangan bakat A/MS senior
Bila dokumentasi dan reuse diuruskan dengan baik, ROI pelaburan AI dan EDA meningkat dengan ketara. Komponen analog yang telah dioptimumkan untuk satu projek boleh diadaptasi pantas untuk projek baharu tanpa mula daripada kosong.
Mengikat Reka Bentuk AI‑Driven Dengan Kilang Pintar
Satu kesilapan strategi yang saya nampak di banyak organisasi ialah mengasingkan AI di reka bentuk dan AI di kilang seolah‑olah dua dunia berbeza.
Hakikatnya, untuk sektor elektronik dan semikonduktor Malaysia, kekuatan sebenar datang bila kedua‑dua dunia ini disatukan.
Reka bentuk yang “kilang‑sedar”
Bila AI digunakan dalam reka bentuk A/MS dan disambungkan dengan data kilang:
- Parameter reka bentuk boleh dioptimumkan bukan sahaja untuk prestasi elektrik, tetapi juga yield dan kebolehbikinan (DFM/DFY)
- Model AI yang dilatih dari data test wafers di Kulim atau Melaka boleh digunakan semula dalam verifikasi reka bentuk generasi seterusnya
- Pelarasan spesifikasi boleh dibuat berdasarkan apa yang kilang sebenarnya mampu capai dengan stabil, bukan anggaran teori semata‑mata
Nilai ini untuk Malaysia secara spesifik
Malaysia ialah hab utama untuk:
- Pemasangan dan ujian semikonduktor global
- Modul elektronik automotif dan perindustrian
- R&D terpilih dalam power electronics, sensor, dan pengawal
Dengan menggabungkan AI dalam reka bentuk IC A/MS dan sistem smart factory:
- MNC boleh memindahkan kerja reka bentuk bernilai tinggi ke Malaysia dengan lebih yakin
- Syarikat tempatan boleh naik tangga nilai dari EMS kepada design & product ownership
- Jurutera muda mendapat pendedahan kepada alatan dan methodologi bertaraf global
Ini bukan isu teknologi semata‑mata, tetapi strategi industri negara.
Di Mana Patut Bermula? (Dan Di Mana Jangan Buang Masa)
Banyak syarikat terperangkap kerana mahu “AI everywhere” dan akhirnya tiada satu pun yang benar‑benar matang.
Untuk reka bentuk A/MS, fokuskan dulu pada tugas yang:
- Paling berulang dan memenatkan (contoh: semak spesifikasi, dokumentasi perubahan)
- Paling berisiko tinggi bila tersilap (contoh: requirement untuk keselamatan, corner verification)
- Paling mahal bila perlu diulang (contoh: modeling manual, iterasi senibina)
Pendekatan yang praktikal:
- Pilih satu projek perintis – contohnya IC analog untuk aplikasi automotif.
- Kenal pasti 1–2 use case AI dari empat kategori tadi yang paling mudah diimplementasi.
- Ukur metrik yang jelas: masa reka bentuk, bilangan iterasi, defect escape, masa dokumentasi.
- Scale hanya bila ROI mula jelas.
Yang tak masuk akal ialah membeli “platform AI untuk semua” tanpa jelas masalah apa yang hendak diselesaikan. AI patut masuk sebagai alat baru dalam toolbox EDA, bukan sebagai slogan pemasaran.
Penutup: Dari Buzzword ke Produktiviti Nyata
AI dalam reka bentuk IC analog/mixed‑signal bukan cerita masa depan lagi. Teknologinya sudah cukup matang untuk membantu dalam:
- Analisis keperluan yang kompleks
- Pembinaan surrogate model untuk penerokaan reka bentuk
- Verifikasi lebih awal dan lebih luas
- Dokumentasi dan reuse yang lebih tersusun
Bagi ekosistem elektronik dan semikonduktor Malaysia, menghubungkan AI di peringkat reka bentuk dengan sistem smart factory di lantai produksi memberi kelebihan yang sukar ditiru pesaing.
Jika organisasi anda sudah melabur besar dalam AI untuk kilang tetapi belum menyentuh AI‑driven IC design, inilah masa yang sesuai. Masuk secara fokus, pilih masalah yang betul, dan jadikan AI alat kerja harian, bukan sekadar topik dalam slaid pembentangan.