文 | 小参
上一轮芯片城市竞争，抢的是产线；下一轮，抢的是让AI懂工艺。
全国首个，落在亦庄
8月24日，北京经开区发布《「AI4Chip」人工智能赋能集成电路产业跨越式发展行动计划（2026—2028年）》。
全国首个AI4Chip专项政策。
五大行动，20项重点任务。到2028年，亦庄力争培育3至5家具有国际影响力的AI4Chip生态型领军企业，形成10个以上可以在行业推广的标杆应用。
AI4Chip到底干什么？字面意思是AI服务芯片。
小参把20项任务翻了一遍，文件支持通用GPU、训练和推理ASIC、RISC-V AI芯片，也花了很大篇幅写EDA、工艺优化、设备故障、材料研发，还有一项专门做产业数据集。
设计软件怎么用AI，版图和测试验证能不能提速；到了晶圆制造，工艺参数、良率、设备运行也要用上AI。再往后就是封装测试，以及设备、材料的AI化。
有些任务现在已经有人在做，只是规模不大，且大多散在企业内部。
亦庄要做的，是把这些零散试验做进全产业链。
2025年，亦庄集成电路产业规模超过1300亿元，集聚近400家相关企业，设计、制造、封测、装备和零部件基本齐全。人工智能产业规模超过800亿元，上下游企业超过600家。
从地图上看，芯片与AI企业门对门。
晶圆厂不会轻易把门打开
AI公司进芯片厂，很麻烦。
设计端还好理解。
AI与EDA融合，自动布线、时序优化、版图、测试验证，这几年一直有人尝试。
到了制造环节，情况就复杂很多。
计划里提到数字孪生示范线，让模型参与工艺优化、良率监测、设备预警。设备材料研发也想用虚拟制造、数字孪生和专用模型少做一些重复试验。
问题来了。
这些模型拿什么训练？
20项任务翻到第16项，文件专门写了建设集成电路产业数据集。
清洗、脱敏、标注、确权、共享交换，还提到用Sim2Real生成稀缺场景数据。
这一项排在后面，做起来恐怕慢不了。
芯片厂每天都会产生大量数据。工艺参数、设备日志、缺陷图像，一条线跑久了，自然越积越多。
但企业不会随便往外给。
原因也不用讲得特别复杂。工艺怎么跑，设备处在什么状态，这些东西同行看多了，总能猜出一些门道。
外部AI公司真想进去，合作边界得一项项谈。
而且数据拿到了，也不代表问题解决了。
一家厂一种设备，一套工艺。记录方式也可能不一样。
A厂训练出来的模型，搬到B厂重新调，很正常。
稀有缺陷更头疼。平时出现得少，偏偏又很想让模型提前认出来。文件写Sim2Real，就是在补这类样本。
现实里可能会出现一种做法：数据尽量留在厂内，模型进去训练。
这样至少好谈一些。
但后面的模型怎么用，能不能服务别家，出了问题怎么算？
只能项目里磨。
中试平台，先别急着讲「产业化」
数据这一关过去以后，还有生产验证。
晶圆制造不太允许模型随便试错。
聊天机器人回答错了，重新问一句。
工艺环节出了偏差，是真有成本的。
所以企业看AI工具，不会只盯一个准确率。
接进现有系统麻不麻烦，异常能不能查，换设备以后还稳不稳定，这些细节都得过。
亦庄在计划里安排了AI辅助中试及验证服务平台，给企业做小批量试产和AI优化工艺验证。
这个平台以后能不能用起来，可以看。
AI公司不直接冲量产，先跑一段小批量。
结果也比较好算。
比如设计周期有没有短一点，工艺模型用了以后良率有没有变化。
数字出来，企业自己判断还用不用。
这比做一场演示省事。
芯片行业本来就这样。
工程师觉得有用，才会继续往生产系统里放。
政策能把试验场搭出来，剩下的不能全靠政策。
到2028年，别只数10个项目
地方发展集成电路，过去最醒目的动作是晶圆厂、封测线和产业园。
都很重，而且现在越来越难复制。
AI4Chip给了一种不同的做法。
这个思路其他城市当然也能做。
只是没必要照着亦庄把20项任务抄一遍。
设计企业多，就先从EDA找项目。
有晶圆制造，工艺和设备问题会更多。
封测基础强，缺陷检测也能先试。
哪个环节有企业愿意开门，就从哪里干。
亦庄的便利，是区内企业比较集中，找试点比很多地方容易。
但到2028年，10个标杆应用做出来以后，还得再往后看一眼。
项目是不是还在跑。企业是不是还在付钱。
尤其是一款工具从首个合作企业出来以后，有没有别的芯片厂也愿意买。
有的话，说明这东西开始有产品的样子。
如果每换一家厂，都得重新派团队进去做一遍，也能挣钱，只是还是项目制。
没必要把它说得太坏。
芯片工业软件和工艺工具，本来就难做成标准品。
所以几年以后再看亦庄这份政策，小参大概不会先数「全国首个」还在不在。
我会去翻那10个标杆应用后面的采购记录。
有第二家下单吗？
今日决策参考
以上报道，基于《今日决策参考》知识库。
《今日决策参考》是雨前传播旗下战略情报产品，服务50,000+产经决策者，重点回答四个问题：
政策把资源投向哪里？地方在争什么？企业往何处去？哪些变化影响资本市场？
热门跟贴