目前半導(dǎo)體產(chǎn)業(yè)正處于數(shù)據(jù)分析的中途點(diǎn)，除了大量數(shù)據(jù)已被產(chǎn)生及分析之外，新技術(shù)的開發(fā)也讓分析數(shù)據(jù)更有效率。

　　不過，評(píng)論認(rèn)為，隨之而來(lái)的問題是如何進(jìn)一步利用數(shù)據(jù)，因此也可望激發(fā)更多實(shí)驗(yàn)與投資潮出現(xiàn)，一舉推升半導(dǎo)體到新的成長(zhǎng)階段。

　　據(jù)Semiconductor Engineering報(bào)導(dǎo)，思科(Cisco)預(yù)估，2021年每年網(wǎng)路流量將從2016年的1.2ZB(Zettabyte;1ZB為1兆GB)，來(lái)到3.3ZB，而且從每日最忙碌60分鐘期間的流量來(lái)看，在2016年已增加51%，相對(duì)整體流量成長(zhǎng)則僅有32%。

　　評(píng)論指出，如今真正問題不在于數(shù)據(jù)量，而是有價(jià)值的數(shù)據(jù)數(shù)量為何，但目前并沒有清楚定論。Synopsys執(zhí)行長(zhǎng)Aart de Geus表示，目前許多產(chǎn)業(yè)已發(fā)現(xiàn)自家業(yè)務(wù)、產(chǎn)品與營(yíng)業(yè)模式會(huì)被不同數(shù)據(jù)運(yùn)用而受影響，如果能加以利用找到捷徑與效率，除了帶來(lái)巨大影響力之外，也可能產(chǎn)生巨大獲利。

　　于是此舉也將帶動(dòng)許多投資，包括資料探勘(Data Mining)與云端服務(wù)以及機(jī)器學(xué)習(xí)與工業(yè)物聯(lián)網(wǎng)(IIoT)等技術(shù)的投資。

　　Mentor執(zhí)行長(zhǎng)Wally Rhines指出，擁有數(shù)據(jù)、分析與處理上述數(shù)據(jù)能力者可為自己帶來(lái)所有獲利。目前并無(wú)法判斷該市場(chǎng)是否是贏家全拿的局面，但至少已有許多大型公司虎視眈眈，例如亞馬遜(Amazon)、Google、微軟(Microsoft)、Facebook與IBM等都在爭(zhēng)搶龍頭。

　　其中IBM銷售主管Christophe Begue指出，借由物聯(lián)網(wǎng)(IoT)數(shù)據(jù)，外界可搜集到有關(guān)效能、行為與裝置的使用資訊，下一步則是將數(shù)據(jù)丟給Watson以便執(zhí)行數(shù)據(jù)分析，但該數(shù)據(jù)唯有與未從裝置取得的大量外部數(shù)據(jù)或脈絡(luò)數(shù)據(jù)(Context Data)配合才有意義，例如從卡車判定交通模式，借此了解人們與其社會(huì)行為。

　　評(píng)論認(rèn)為，目前問題在于如何將數(shù)據(jù)化成獲益以及確認(rèn)潛在客戶為何，但在這之前，企業(yè)必須了解數(shù)據(jù)真正價(jià)值，并且能快速因應(yīng)數(shù)據(jù)的改變，以及具備為數(shù)據(jù)議價(jià)的能力。

　　另外，并非所有有用的數(shù)據(jù)都是來(lái)自外部，內(nèi)部產(chǎn)生數(shù)據(jù)對(duì)工業(yè)運(yùn)作也相當(dāng)有價(jià)值。諸如智能制造或工業(yè)4.0(Industry 4.0)與工業(yè)物聯(lián)網(wǎng)其實(shí)都是奠基在更佳利用內(nèi)部數(shù)據(jù)。

　　Optimal+副總David Park指出，工業(yè)物聯(lián)網(wǎng)目的就是改善工廠，目前業(yè)者雖有流程分析與即時(shí)化生產(chǎn)技術(shù)，但欠缺預(yù)測(cè)分析。而且問題在于并非所有數(shù)據(jù)都是好的，一旦決策來(lái)自不好的數(shù)據(jù)，也將帶來(lái)無(wú)法預(yù)期的問題。Park也表示，如果數(shù)據(jù)良好，良率可大幅提升2~3%。

　　國(guó)際半導(dǎo)體產(chǎn)業(yè)協(xié)會(huì)(SEMI)副總Tom Salmon也指出，有效利用數(shù)據(jù)也是該協(xié)會(huì)智能制造顧問委員會(huì)(Smart Manufacturing Advisory Council)主題之一。雖然擁有數(shù)據(jù)相當(dāng)重要，但問題并不在于擁有數(shù)據(jù)不足，而是目前僅使用1成的數(shù)據(jù)。

　　因此，業(yè)者必須厘清提出問題的方向?yàn)楹?，以及如何加以運(yùn)用，以便達(dá)成為制造所設(shè)定的目標(biāo)，例如雖然出現(xiàn)可靠度問題，但并非是制程問題。

　　評(píng)論也指出，機(jī)器學(xué)習(xí)基礎(chǔ)在于搜集關(guān)鍵數(shù)據(jù)并讓機(jī)器在預(yù)設(shè)參數(shù)下從中判讀，目前汽車市場(chǎng)已利用相關(guān)系統(tǒng)來(lái)協(xié)助、并希望在最后取代現(xiàn)實(shí)世界的駕駛行為。機(jī)器學(xué)習(xí)也被運(yùn)用在半導(dǎo)體設(shè)計(jì)與制造上來(lái)提升品質(zhì)、可靠度與良率。 eSilicon行銷副總Mike Gianfagna指出，一旦業(yè)者能建立具備詳細(xì)程度的數(shù)據(jù)，便可運(yùn)用在未來(lái)設(shè)計(jì)上，但讓數(shù)據(jù)過于細(xì)或粗糙都無(wú)濟(jì)于事，運(yùn)用目的在于讓數(shù)據(jù)產(chǎn)生獲利并降低風(fēng)險(xiǎn)與提高作業(yè)效率。對(duì)于半導(dǎo)體設(shè)計(jì)與測(cè)試來(lái)說，所產(chǎn)生的數(shù)據(jù)量雖然遠(yuǎn)比部分由大型云端業(yè)者執(zhí)行的大數(shù)據(jù)分析還要小，但更為復(fù)雜。

　　美國(guó)國(guó)家儀器(National Instruments;NI)副總George Zafiropoulos認(rèn)為，目前技術(shù)現(xiàn)況在于取得數(shù)據(jù)，下一階段則是厘清數(shù)據(jù)分析可發(fā)揮功用的地方，但有可能會(huì)導(dǎo)致更好的芯片設(shè)計(jì)出現(xiàn)。

　　ANSYS副總John Lee則指出，7納米是業(yè)者首度需要產(chǎn)量、速度與機(jī)器學(xué)習(xí)與大數(shù)據(jù)分析的制程，由于熱會(huì)影響系統(tǒng)可靠度，因此需要進(jìn)行同時(shí)熱分析。評(píng)論認(rèn)為，半導(dǎo)體產(chǎn)業(yè)正處于數(shù)據(jù)分析的中間點(diǎn)，也衍生出許多新成長(zhǎng)機(jī)會(huì)。

　　據(jù)Cadence執(zhí)行長(zhǎng)Lip-Bu Tan指出，連網(wǎng)車市場(chǎng)將從2015年240億美元，2020年增加到370億美元，深度學(xué)習(xí)會(huì)來(lái)到100億美元，云端與資料中心則會(huì)來(lái)到800億美元規(guī)模。Tan也認(rèn)為，從物聯(lián)網(wǎng)最大化到云端都會(huì)提供半導(dǎo)體龐大機(jī)會(huì)，但問題仍在于如何繼續(xù)使用及應(yīng)用數(shù)據(jù)。