(文章轉(zhuǎn)載自半導(dǎo)體行業(yè)觀察)

編者按:在半導(dǎo)體制造智能化轉(zhuǎn)型中,通用大模型如何跨越行業(yè)的巨大鴻溝?傳統(tǒng)CIM系統(tǒng)如何突破數(shù)據(jù)孤島與“靠人串接”的多重桎梏?未來CIM系統(tǒng)的發(fā)展將以怎樣的智慧圖景引領(lǐng)半導(dǎo)體制造全新變革?作為中國本土唯一上線12吋量產(chǎn)產(chǎn)線的工程智能系統(tǒng)提供商,100%國產(chǎn)化多模態(tài)大模型智能制造應(yīng)用領(lǐng)跑者,智現(xiàn)未來給出的“AgentNet驅(qū)動CIM 3.0”的技術(shù)破局路徑,正在重構(gòu)產(chǎn)業(yè)范式。

從 ChatGPT到DeepSeek,大模型的崛起標(biāo)志著 AI 從通用智能邁向行業(yè)深耕的分水嶺。在文本生成、編程、辦公自動化等領(lǐng)域,這些“通用腦”已展現(xiàn)顛覆性潛力,推動生產(chǎn)力躍升。然而,在半導(dǎo)體制造這一技術(shù)密集、流程精密、知識高度垂直的核心工業(yè)體系,其智能化轉(zhuǎn)型面臨更高門檻:工藝節(jié)點(diǎn)持續(xù)演進(jìn)、每日TB級數(shù)據(jù)劇增、數(shù)據(jù)傳輸孤島、技術(shù)壁壘日益復(fù)雜、人才流失與時間浪費(fèi)問題加劇,良率與成本的優(yōu)化空間正逐漸逼近極限,整個行業(yè)需要迎來一場智能化和自動化的深度變革。

過去硅片大廠利用到AI的方案主要是判別式AI深度學(xué)習(xí)技術(shù)(小模型),雖然多數(shù)硅片制造工廠已建立一定程度的自動化,但更多集中于局部優(yōu)化,缺乏自學(xué)習(xí)與可擴(kuò)展性、對異常情況的解釋力不足、仍需依賴大量標(biāo)注數(shù)據(jù)與專家經(jīng)驗(yàn),難以解決跨環(huán)節(jié)多模態(tài)系統(tǒng)問題。

如何讓AI真正走進(jìn)晶圓廠,走進(jìn)制程、走進(jìn)設(shè)備,如何將大模型能力與工程智能深度融合,推動AI從“規(guī)則固化”走向“自主適應(yīng)”,正成為半導(dǎo)體智能制造時代的核心命題。而答案,已經(jīng)浮現(xiàn):只有深度垂直賦能,AI才能真正打破技術(shù)天花板,成為智能制造的內(nèi)生動力。

通用大模型能否直接賦能半導(dǎo)體制造?

答案是否定的。

具體而言,通用大語言模型在實(shí)際落地過程中面臨三大核心障礙:1)對行業(yè)術(shù)語理解不足,難以精準(zhǔn)解析專業(yè)語境;2)缺乏深層次專業(yè)知識結(jié)構(gòu),無法支撐復(fù)雜決策與診斷;3)難以接入封閉的企業(yè)生產(chǎn)系統(tǒng)。

此外,在系統(tǒng)級集成層面,也存在一系列挑戰(zhàn),包括:系統(tǒng)工具之間接口不統(tǒng)一、安全權(quán)限控制難,以及任務(wù)流程難以適配等。

因此,大模型要在行業(yè)真正落地,僅有語言能力遠(yuǎn)遠(yuǎn)不夠,更需要具備“懂行業(yè)、能集成、可執(zhí)行”的系統(tǒng)級應(yīng)用能力。只有實(shí)現(xiàn)從模型能力向“應(yīng)用能力”的躍遷,才能滿足垂直行業(yè)與生產(chǎn)系統(tǒng)的實(shí)際需求。

OpenAI CEO Sam Altman曾于2023年3月17日指出:“我們創(chuàng)造的模型,應(yīng)該被視為一種推理引擎?！边@句話本質(zhì)上強(qiáng)調(diào)了大模型的核心價(jià)值并非生成文本,而是具備類人推理、分析和決策的能力。

2024年底,國內(nèi)的DeepSeek火出圈。DeepSeek-R1,是通過冷啟動數(shù)據(jù)、強(qiáng)化學(xué)習(xí)、拒絕采樣等多階段訓(xùn)練打造的推理型模型,展示了從通用基礎(chǔ)模型向?qū)I(yè)化、推理導(dǎo)向模型演進(jìn)的技術(shù)路徑。

因此,唯有將通用大模型的推理能力與企業(yè)級數(shù)據(jù)、業(yè)務(wù)流程和系統(tǒng)工具深度融合,才能真正激發(fā)人工智能在工業(yè)和產(chǎn)業(yè)場景中的生產(chǎn)力價(jià)值。

筆者觀察到,在SEMICON China 上海半導(dǎo)體展會上,智現(xiàn)未來作為國內(nèi)唯一實(shí)現(xiàn)12英寸晶圓廠量產(chǎn)的國產(chǎn)化工程智能系統(tǒng)解決方案提供商,率先提出“CIM進(jìn)化路徑”新范式,首次系統(tǒng)性描繪從CIM 1.0 → CIM 2.0 → CIM 3.0的演進(jìn)脈絡(luò),完整勾勒出從“數(shù)字化”到“智能化”,再到“完全自主化”的躍遷圖景。

具體來看:

? CIM 1.0 以傳統(tǒng)的分立工具為特征,系統(tǒng)間相互孤立,依賴人為操作和協(xié)調(diào)完成信息傳遞與任務(wù)執(zhí)行,是“靠人串聯(lián)”“為人設(shè)計(jì)”的初級數(shù)字化系統(tǒng)。

? CIM 2.0 構(gòu)建在既有系統(tǒng)基礎(chǔ)上,通過引入 Agent 技術(shù)實(shí)現(xiàn)系統(tǒng)模塊的協(xié)同聯(lián)動,初步具備面向目標(biāo)的任務(wù)驅(qū)動能力,標(biāo)志著從“人工管理”向“AI+系統(tǒng)協(xié)同”的關(guān)鍵轉(zhuǎn)變。原本靠人來協(xié)調(diào)的流程,如調(diào)度、異常處理、質(zhì)量追溯,逐步由大模型和工程智能系統(tǒng)工具協(xié)同完成;關(guān)注全局生產(chǎn)目標(biāo)而非單模塊效率,推動制造全流程的智能化協(xié)同。

? CIM 3.0 則是“為AI設(shè)計(jì)”“全方位智能化”的自主系統(tǒng),將實(shí)現(xiàn)基于知識驅(qū)動的完全自主化制造。系統(tǒng)通過MoE(Mixture of Experts)架構(gòu)構(gòu)建分布式智能體網(wǎng)絡(luò),實(shí)現(xiàn)全廠系統(tǒng)的自主協(xié)作、調(diào)度,達(dá)成自感知、自決策、自優(yōu)化,實(shí)現(xiàn)“從執(zhí)行工具到智能體”的轉(zhuǎn)變。

從CIM 1.0到3.0,是一場從“為人設(shè)計(jì)” → “為任務(wù)設(shè)計(jì)” → “為AI設(shè)計(jì)”的深層變革。大模型作為通用智能引擎,正成為引領(lǐng)CIM躍遷的關(guān)鍵推力,推動半導(dǎo)體智能制造從“數(shù)據(jù)驅(qū)動的決策支持”到“知識驅(qū)動的自動化”,加速行業(yè)邁向全棧智能時代。

智現(xiàn)未來以全國產(chǎn)化 AI 閉環(huán),破局CIM智能化躍遷

智現(xiàn)未來是國內(nèi)首個推出半導(dǎo)體領(lǐng)域大模型的公司,自2023年推出垂直行業(yè)大模型“靈犀”以來,持續(xù)夯實(shí)半導(dǎo)體智能制造的智能底座,正在成為推動 CIM 系統(tǒng)智能化升級的中堅(jiān)力量。

圍繞大模型如何實(shí)現(xiàn)從“通用理解”向“領(lǐng)域?qū)Ｓ谩钡闹悄芑S遷,智現(xiàn)未來探索出了一套系統(tǒng)化的訓(xùn)練體系。整個過程可劃分為三個關(guān)鍵階段:

? 通用腦的專業(yè)化突圍:“靈犀”大模型深度融合工藝參數(shù)、缺陷圖像、設(shè)備日志等10+模態(tài)數(shù)據(jù),構(gòu)建了覆蓋3000+工藝節(jié)點(diǎn)的行業(yè)知識圖譜,并獨(dú)創(chuàng)“專家思維鏈”訓(xùn)練框架,對DeepSeek、智譜等通用大模型完成專業(yè)領(lǐng)域“重塑”,使模型推理準(zhǔn)確率從50%提升至90%以上。

? 專業(yè)腦的任務(wù)智能化訓(xùn)練:垂直Agent集成領(lǐng)域特定的工具,例如缺陷檢測工具、SPC/FDC儀表板等,以工具API的方式實(shí)現(xiàn)Agent與晶圓廠系統(tǒng)之間的實(shí)時通信,為工程師或其他系統(tǒng)執(zhí)行如Map pattern 識別、ADC自動缺陷分類、良率數(shù)據(jù)相關(guān)性分析等特定任務(wù),實(shí)現(xiàn)真正的“任務(wù)智能”。

? AgentNet協(xié)作腦的全廠域協(xié)同:部署大語言模型+良率優(yōu)化、缺陷診斷等數(shù)十種專業(yè)Agent,“大”“小”協(xié)同進(jìn)一步構(gòu)建出多AgentNetwork全域智能體網(wǎng)絡(luò),實(shí)現(xiàn)生產(chǎn)高度自動化、智能化數(shù)據(jù)分析與決策、智能生產(chǎn)調(diào)度、自動化質(zhì)量控制、監(jiān)控與維護(hù)等全流程智控。

從“單一大模型(通用腦)”到“垂直Agent(專業(yè)腦)”再到“AgentNet(協(xié)作腦)”,智現(xiàn)未來通過這種分層遞進(jìn)的智能架構(gòu),構(gòu)建起支撐CIM智能躍遷的智能中樞,為行業(yè)智能化升級提供了從單點(diǎn)突破到全局優(yōu)化的全棧能力底座。

智現(xiàn)未來與晶合集成聯(lián)合打造的 YPA 良率預(yù)測分析系統(tǒng),正是公司智能 Agent 能力的典型體現(xiàn)。在晶合集成12英寸晶圓廠的合作項(xiàng)目中,智現(xiàn)未來的“靈犀”大模型提供了基于AIDC架構(gòu)的智能專家推理系統(tǒng),結(jié)合 Wafer Resume Analysis (WRA,晶圓溯因分析) 與 Yield Prediction Analysis (YPA,良率預(yù)測分析) ,構(gòu)建出一套支持動態(tài)自學(xué)習(xí)、精準(zhǔn)溯因、異常處置、報(bào)告生產(chǎn)、知識沉淀的良率管理優(yōu)化解決方案。最終成果實(shí)現(xiàn)了工程師缺陷分類時間從 1小時縮短至1秒,報(bào)告編制時間從 1天縮短至1分鐘,實(shí)現(xiàn)自動hold lot /自動處理OOC的閉環(huán)能力,處理時效提升至 24小時內(nèi)完成,有效幫助晶合集成在保障準(zhǔn)確率的同時,真正實(shí)現(xiàn)了“省腦力、省人力”的智能化工程協(xié)作模式。

更多案例:PM(預(yù)防維護(hù)) Agent成本降低30%

在半導(dǎo)體工廠(FAB)中,設(shè)備維護(hù)面臨諸多挑戰(zhàn):突發(fā)停機(jī)造成巨額損失,依賴工程師經(jīng)驗(yàn)導(dǎo)致維護(hù)質(zhì)量不穩(wěn)定,備件浪費(fèi)與維護(hù)成本高企。智現(xiàn)未來推出的 PM Agent 解決方案,通過集成“設(shè)備健康畫像、AI預(yù)警、自動派單、動態(tài)維保 SOP”等功能,構(gòu)建了一套基于“動態(tài)感知網(wǎng)絡(luò)與智能決策鏈”的預(yù)維護(hù)系統(tǒng),成功將維護(hù)成本降低超30%,將預(yù)測性維護(hù)覆蓋率提升至85%以上。

該方案融合 TBM(基于時間)與 CBM(基于狀態(tài))兩種策略,動態(tài)生成維保方案,并通過模塊化能力如信號處理、設(shè)備健康預(yù)測、健康評估、故障診斷等,實(shí)現(xiàn)從數(shù)據(jù)采集到執(zhí)行決策的全流程閉環(huán)。底層支持多種算法模型,包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)、遷移學(xué)習(xí)等,適配多種設(shè)備狀態(tài)與工況場景。

智現(xiàn)未來正在構(gòu)建的Eqfuse設(shè)備智能工具系列,全面賦能新一代智能半導(dǎo)體設(shè)備,借助大模型的能力,讓每一臺設(shè)備擁有“可對話、會思考、能優(yōu)化”的智能腦,實(shí)現(xiàn)真正的自我調(diào)優(yōu)和智能制造,極大化設(shè)備價(jià)值和生產(chǎn)效率。

在“靈犀”大模型與智能 Agent 架構(gòu)的雙輪驅(qū)動下,智現(xiàn)未來已將多項(xiàng)核心能力落地為可規(guī)?；渴鸬闹悄芑鉀Q方案。面對先進(jìn)制程復(fù)雜性日益提升、系統(tǒng)協(xié)同要求愈加嚴(yán)苛的趨勢,智現(xiàn)未來構(gòu)建一個可支撐多角色協(xié)同、任務(wù)驅(qū)動、模型賦能的全棧式智能制造系統(tǒng)架構(gòu),將有望推動晶圓廠全面邁向認(rèn)知型制造。

結(jié)語

“我們正站在半導(dǎo)體制造‘智變’的臨界點(diǎn)?！敝乾F(xiàn)未來創(chuàng)始人兼CEO管健博士表示,未來 Fab的競爭本質(zhì)在于“人類智慧 + 數(shù)字人效能”的綜合較量,AI 將成為決定性變量。

智現(xiàn)未來,正以全國產(chǎn)化AI 之力,構(gòu)建半導(dǎo)體智能制造CIM 3.0新范式,助力中國半導(dǎo)體制造走出智能化躍遷的“中國路徑”。

審核編輯 黃宇