由COVID-19(中共病毒）大流行帶來的連鎖反應，眾多後果之一是對電子設備至關重要的微晶片的全球短缺。製造這些晶片的工廠不得不在疫情高峰期關閉。一些產品可能會被推遲數月。
現在評估後續影響還為時太早，但足以讓我們把注意力集中在一些關鍵的問題上，包括如何使製造過程對衝擊和緊急情況有更強的適應性。
一個眾所周知的問題是，微晶片僅由少數幾家公司設計，包括韓國的三星和加州的英特爾、英偉達和高通。但並非所有這些公司都製造晶片。有些可以，有些則將工作外包給第三方。而大約80%的晶片是在亞洲製造的(Nature Electron.4,317;2021)。最大的製造商是位於新竹的台灣半導體製造公司(TSMC)，使用目前的製造工藝，它負責全球28%的產能。儘管這種集中無疑給該地區帶來了巨大的利益，但它也造成了目前的供應短缺。
中國大陸、美國和歐洲國家正在增加對微晶片研究和開發的投資。亞馬遜、谷歌、微軟和其他大型美國技術公司也在做同樣的事情，投資額估計達數億美元。
同樣有所幫助的是本周的一份報告，谷歌的研究人員已經大大減少了設計微晶片所需的時間(A. Mirhoseini等人，自然594，207-212；2021)。這是一個重要的成就，對加快供應鏈將有巨大的幫助，但技術專長必須廣泛分享，以確保公司的"生態系統"真正全球化。而且，該行業必須確保節省時間的技術不會趕走擁有必要核心技能的工程師。
研究人員和工程師們繼續設計和製造處理能力和複雜性越來越高的微晶片。根據摩爾定律——隨着電晶體變小，每塊晶片的電晶體數量大約每兩年翻一番的原則(G. E. Moore Electronics38,114-117;1965)——每塊微晶片的電晶體數量已經從1970年代初的幾千個增加到今天的幾百億。
儘管晶片的製造在很大程度上是自動化的，但設計仍然依賴於手工過程。工程師和設計師使用計算機輔助設計軟件，但他們仍然需要花費數周或數月的時間來研究如何將所有的元件裝入可用空間。谷歌的研究人員現在表明，通過使用人工智能(AI)，這個過程可以在一天之內完成。
通常情況下，一個微晶片的面積是幾十到幾百毫米見方。這一空間需要容納數以千計的組件，如內存、邏輯和處理單元，再加上許實際長度數公里的超薄電線，將這些組件連接在一起。設計過程中最具挑戰性的方面之一是"晶片平面規劃"。這涉及到將這些組件放置在哪裏最好，就像建築師設計一棟建築的內部空間，使其能夠容納所有需要的固定裝置和設備一樣。
谷歌的研究人員使用了10000張晶片平面圖來訓練AI。然後，AI開始學習生成平面圖，與工程師設計的平面圖相比，不用更多空間、電線和電力。小型化和低功耗對於智能手機中使用的晶片尤為重要。
人工智能生成的晶片的設計時間不到6個小時，該方法已經被用於設計谷歌的張量處理單元，即TPU，主要用於該公司基於雲的機器學習應用。目前還有更多的測試，以確保AI的設計能力是穩健的，能夠適應其他數據集和晶片類型。
