人工智慧(AI)大行其道，但若要執行相關演算法或模型，需要大量運算能力，因此對半導體產業而言，AI固然蘊含龐大商機，但同時也帶來許多挑戰。在摩爾定律(Moore's Law)逐漸失效，晶片業者不再只能倚靠電路微縮來實現效能更高、成本更低的晶片之際，AI運算需求所帶來的挑戰更形艱鉅。美商應用材料(應材)認為，為了回應這些AI帶來的挑戰，在產業生態面，半導體產業的風貌將從上下游關係分明的直線鏈條轉變成互相交錯的產業網路；在技術面，則必須在運算架構、設計結構、材料、微縮方法與先進封裝這五大領域提出新的對策，而材料工程將在這中間扮演最核心的角色。
美商應用材料副總裁暨台灣區總裁余定陸認為，對整個半導體產業來說，AI是一個完美風暴，但同時也是完美的商機。我們正面臨有史以來最大的AI大戰，不論是傳統科技領導大廠、新創公司或軟體公司，都投入大量的資源、押寶不同的技術領域、聚焦應用的客製化及最佳化，專注於硬體的設計以及投資發展。在電腦運算處理器部分，人工智慧需要大量、快速的記憶體存取及平行運算，才能提升巨量資料處理能力，這時繪圖處理器(GPU)及張量處理器(TPU)會比傳統運算架構更適合處理人工智慧的應用。 為了使人工智慧潛力完全開發，其效能/功耗比(Performance/Watt)需比目前方案提高1,000倍 ，已成為現階段技術層面亟需突破的關鍵。
另一方面，為了應對大量資料跟高速運算需求，儲存資料用的記憶體、用來傳輸資料的高速介面技術等，也有許多可以發揮跟探索的空間。過去幾年，NAND Flash已經率先從2D走向3D，接下來還有許多新興記憶體蓄勢待發。先進封裝技術的推陳出新，讓異質整合成為可能，不僅讓晶片業者可以在單一封裝內整合更多功能，同時也讓資料傳輸的速度大為提升。
而在整個半導體產業面臨如此重大變化之際，市場對半導體產品的需求其實沒有太大改變。對半導體使用者、客戶來說，最注重的還是晶片的效能(Performance)、功耗(Power)、面積成本(Area Cost, AC)，也就是應材常說的PPAC這三大指標。為了滿足客戶對產品的需求，應材認為，材料科學的突破是最關鍵的。
隨著晶片的結構越來越複雜，半導體製程發展的挑戰變得更為艱鉅。但如果在材料科學方面能有新的突破，將可協助半導體製造商解決不少問題。例如在晶片內數量越來越多的矽穿孔(TSV)，必須精準地打在正確的位置上，否則就會形成短路。但以現在的製程方法，要確保TSV的位置正確，是相當有挑戰性的課題。為此，應材已發展出可以自動對位的新材料跟對應製程方法，可協助半導體製造業者解決這項難題。
最後，為了應對未來的挑戰，半導體產業的運作模式也必須跟著改變。當今的半導體產業上下游都是以直線型的方式來運作，互連性十分薄弱，但未來必須以神經網路形態(Neuromorphic)的思維，進行平行發展與學習，運用互連加速創新。每家廠商不只要面對客戶，以後還要跟客戶的客戶、客戶的夥伴攜手合作，才能發展出符合客戶需求的產品跟解決方案。
