文章作者：Bob Smith

普迪飛首席執(zhí)行官兼聯(lián)合創(chuàng)始人、ESD聯(lián)盟（ESDA）理事會(huì)成員John Kibarian，將在10月的SEMICON West展會(huì)的 CEO 峰會(huì)上發(fā)表主題演講，題為《革新半導(dǎo)體合作模式：人工智能驅(qū)動(dòng)的行業(yè)平臺(tái)崛起》，基于演講的內(nèi)容，John Kibarian與 SEMI Bob Smith 分享了幾個(gè)核心的內(nèi)容：

Bob

哪些行業(yè)重大變革或趨勢(shì)讓【合作】變得如此關(guān)鍵？

John

半導(dǎo)體產(chǎn)業(yè)已從簡(jiǎn)單的線性流程深度演進(jìn)為復(fù)雜的協(xié)作生態(tài)系統(tǒng)。在產(chǎn)業(yè)發(fā)展初期，全流程均在晶圓廠內(nèi)完成：晶圓分選階段同步開(kāi)展測(cè)試，封裝良率維持高位，終測(cè)流程簡(jiǎn)易，產(chǎn)品隨即完成出貨。彼時(shí)的協(xié)作主要存在于代工廠與無(wú)晶圓廠客戶之間 —— 在早期認(rèn)證與測(cè)試芯片階段協(xié)作緊密，待量產(chǎn)進(jìn)入穩(wěn)定期后，便轉(zhuǎn)為常規(guī)化的良率監(jiān)控。

當(dāng)前，先進(jìn)封裝技術(shù)將多顆小芯片集成至單一封裝體中，導(dǎo)致測(cè)試插入點(diǎn)呈爆發(fā)式增長(zhǎng)，顯著推高了測(cè)試的復(fù)雜度與成本。前端晶圓廠已配備全球最精密的制造設(shè)備；而曾以簡(jiǎn)易流程為主的測(cè)試與封裝工廠，也升級(jí)為配備集成機(jī)器人技術(shù)的精密系統(tǒng)級(jí)測(cè)試基地。封裝工具的復(fù)雜度大幅提升，芯片貼裝工藝對(duì)公差的要求愈發(fā)嚴(yán)苛。

時(shí)至今日，無(wú)論是新產(chǎn)品推向市場(chǎng)，還是持續(xù)的生產(chǎn)維護(hù)，要實(shí)現(xiàn)成功均需全產(chǎn)業(yè)鏈協(xié)同參與 —— 從系統(tǒng)廠商到設(shè)備供應(yīng)商，無(wú)一例外。

企業(yè)正引入人工智能（AI）與機(jī)器學(xué)習(xí)（ML）技術(shù)管理這些復(fù)雜生產(chǎn)流程，覆蓋測(cè)試與設(shè)備控制等多個(gè)環(huán)節(jié)。這進(jìn)一步推動(dòng)合作范圍的擴(kuò)大 —— 由于 AI 運(yùn)行需整合來(lái)自代工廠、無(wú)晶圓廠企業(yè)、外包半導(dǎo)體封裝測(cè)試廠商（OSAT）、設(shè)備供應(yīng)商等多方的數(shù)據(jù)，而這些數(shù)據(jù)并非由單一主體掌控。曾經(jīng)簡(jiǎn)單的雙邊交接模式，已演變?yōu)殄e(cuò)綜復(fù)雜的依存網(wǎng)絡(luò)，需要持續(xù)動(dòng)態(tài)協(xié)調(diào)。

Bob

小芯片及基于小芯片的架構(gòu)持續(xù)成為行業(yè)焦點(diǎn)，被視為應(yīng)對(duì)摩爾定律放緩的核心路徑。這一模式的推進(jìn)，需要全價(jià)值鏈開(kāi)展極致水平的協(xié)同與協(xié)調(diào)。那么，它能否實(shí)現(xiàn)規(guī)?；涞夭④Q身主流？

John

半導(dǎo)體產(chǎn)業(yè)實(shí)現(xiàn)小芯片制造規(guī)?；?，需開(kāi)展前所未有的協(xié)作，且具備可行性。以極紫外（EUV）光刻技術(shù)的發(fā)展為例：其最初計(jì)劃應(yīng)用于65nm制程，雖技術(shù)復(fù)雜度極高，實(shí)際落地時(shí)間較預(yù)期延后數(shù)年，但這一過(guò)程不僅依托卓越的工程突破，更離不開(kāi) ASML、供應(yīng)商、客戶及整個(gè)無(wú)晶圓廠群體的廣泛協(xié)同。

既然行業(yè)能為 EUV 達(dá)成此類協(xié)作，小芯片領(lǐng)域同樣可實(shí)現(xiàn)。不過(guò)，小芯片制造對(duì)協(xié)作的深度要求更高 —— 更多企業(yè)將采用多家供應(yīng)商的小芯片構(gòu)建系統(tǒng)。

當(dāng)前的小芯片系統(tǒng)中，組件多來(lái)自單一制造商，因此 UCIe 等標(biāo)準(zhǔn)的重要性尚未凸顯，因企業(yè)可掌控整條供應(yīng)鏈。但隨著企業(yè)為降本而更多采用第三方組件，這一局面將發(fā)生改變。

未來(lái)，更多系統(tǒng)將整合多家廠商的組件，以更經(jīng)濟(jì)的方式推向市場(chǎng)。這將導(dǎo)致生產(chǎn)流程大幅復(fù)雜化，需協(xié)調(diào)襯底與基片、第三方芯片與中介層、OSAT 及特定配置的專用測(cè)試設(shè)備。這類協(xié)作不僅要在初始啟動(dòng)階段有效，還需支撐持續(xù)生產(chǎn)；針對(duì)不同產(chǎn)品重新配置小芯片組合時(shí)，更需快速的自動(dòng)化響應(yīng)。

這一系列流程均需實(shí)現(xiàn)自動(dòng)化以保障快速響應(yīng)。鑒于制造流程的復(fù)雜性，借助 AI/ML 預(yù)測(cè)各類產(chǎn)品的生產(chǎn)狀態(tài)將成為必然。

規(guī)模化生產(chǎn)中，手動(dòng)監(jiān)控制造環(huán)節(jié)的每顆芯片與每個(gè)封裝已不現(xiàn)實(shí)，需由自動(dòng)化 AI 代理承擔(dān)監(jiān)控與質(zhì)量控制工作。而要擴(kuò)大此類自動(dòng)化應(yīng)用，制造方與產(chǎn)品企業(yè)的工程團(tuán)隊(duì)需密切協(xié)作。

此外，此外，管理這類跨企業(yè)的復(fù)雜流程的所有軟件需實(shí)現(xiàn)更高水平的協(xié)同：財(cái)務(wù)部門的 ERP 系統(tǒng)掌握物料流向、需求及預(yù)測(cè)信息；MES系統(tǒng)則需明確設(shè)備的可用時(shí)段。

但這些制造系統(tǒng)多運(yùn)行于產(chǎn)品企業(yè)未掌控的工廠中。產(chǎn)品企業(yè)的產(chǎn)品生命周期管理（PLM）系統(tǒng)控制物料清單與測(cè)試流程，而測(cè)試需在 OSAT 完成 —— 這要求控制不同流程領(lǐng)域的多家企業(yè)，其軟件系統(tǒng)必須實(shí)現(xiàn)復(fù)雜協(xié)同。這種協(xié)同跨越組織邊界，需基于上游測(cè)試結(jié)果確定下游測(cè)試內(nèi)容，以此保障小芯片高效集成封裝、縮短周期，無(wú)需依賴高強(qiáng)度人工干預(yù)維持運(yùn)轉(zhuǎn)。

Bob

數(shù)據(jù)量大得驚人，尤其是現(xiàn)在的設(shè)計(jì)數(shù)據(jù)。要實(shí)現(xiàn)這種萬(wàn)物互聯(lián)的愿景并規(guī)模化落地，需要具備哪些條件？

John

這需要兩方面結(jié)合：工程師設(shè)定系統(tǒng)運(yùn)行邊界，系統(tǒng)中的代理則負(fù)責(zé)處理日常高頻工作。

MES 系統(tǒng)與 ERP 系統(tǒng)的數(shù)據(jù)互聯(lián)可為典型案例。

企業(yè)構(gòu)建協(xié)同機(jī)制時(shí)，會(huì)制定系統(tǒng)間信息流轉(zhuǎn)規(guī)則。例如，明確告知 ERP 系統(tǒng)：“計(jì)算各流程步驟成本時(shí)，需采用這些工藝配方信息。”

規(guī)則確立后，將作為準(zhǔn)則指導(dǎo)日常運(yùn)營(yíng)。AI 代理會(huì)基于 MES 收集的實(shí)際數(shù)據(jù)自動(dòng)生成洞察，并依據(jù)規(guī)則在系統(tǒng)間傳輸數(shù)據(jù)。ERP 的 AI 代理可據(jù)此識(shí)別成本上升趨勢(shì)并發(fā)出警報(bào)、察覺(jué)良率波動(dòng)并測(cè)算其對(duì)成本的影響，進(jìn)而采取糾錯(cuò)措施。

設(shè)備供應(yīng)商與制造工廠間的協(xié)作邏輯與此一致：基于預(yù)設(shè)規(guī)則自動(dòng)共享數(shù)據(jù)，借助 AI 識(shí)別問(wèn)題并實(shí)施糾正。晶圓廠會(huì)明確設(shè)備訪問(wèn)權(quán)限及時(shí)段、數(shù)據(jù)傳輸類型、渠道及頻率；當(dāng)引入新軟件或 AI 模型用于設(shè)備控制時(shí)，系統(tǒng)會(huì)規(guī)定安裝前必須完成的病毒掃描與安全核查流程。

操作員的核心職責(zé)是配置這些控制系統(tǒng) —— 確定最有效的協(xié)作協(xié)議。但由于數(shù)據(jù)規(guī)模龐大且運(yùn)營(yíng)中持續(xù)產(chǎn)生海量交易，日常執(zhí)行工作需由自動(dòng)化代理承擔(dān)。

工程師無(wú)法逐一審閱全部數(shù)據(jù)，可從兩個(gè)案例具體說(shuō)明，其一來(lái)自行業(yè)外，其一來(lái)自行業(yè)內(nèi)。

在2019年普迪飛用戶大會(huì)上，董事會(huì)成員、哈佛商學(xué)院教授Marco Iansiti 分享了其關(guān)于商業(yè) AI 的研究成果。他對(duì)比了傳統(tǒng)銀行與螞蟻集團(tuán)（阿里巴巴旗下金融板塊）—— 早期螞蟻集團(tuán)曾實(shí)現(xiàn)爆發(fā)式增長(zhǎng)。

螞蟻集團(tuán)的 AI 技術(shù)并非高度復(fù)雜，但其流程具有革命性突破。傳統(tǒng)銀行要求客戶填寫貸款申請(qǐng)后，由人工信貸員審核；而螞蟻集團(tuán)的系統(tǒng)會(huì)自動(dòng)從互聯(lián)網(wǎng)及社交媒體抓取信息驗(yàn)證申請(qǐng)人資質(zhì)，通過(guò)算法在數(shù)秒內(nèi)完成審批。兩者的核心差異在于：螞蟻集團(tuán)可實(shí)現(xiàn)指數(shù)級(jí)增長(zhǎng)，因其唯一限制是計(jì)算能力；而傳統(tǒng)銀行要擴(kuò)大業(yè)務(wù)規(guī)模，需增聘信貸員 —— 這種人力瓶頸制約了增長(zhǎng)。

對(duì)于半導(dǎo)體產(chǎn)業(yè)而言，要打造規(guī)模達(dá)萬(wàn)億美元、具備復(fù)雜集成系統(tǒng)的產(chǎn)業(yè)，需在數(shù)據(jù)密集型流程中最大限度減少人工干預(yù)。盡管行業(yè)利益相關(guān)者間存在信任壁壘，但協(xié)作仍是核心需求。解決方案在于建立系統(tǒng)性原則，使 AI 代理能夠自主運(yùn)行 —— 這是實(shí)現(xiàn)指數(shù)級(jí)增長(zhǎng)的可行路徑。

螞蟻集團(tuán)的案例精準(zhǔn)詮釋了行業(yè)需求。在我們看來(lái)，這種模式對(duì)行業(yè)發(fā)展至關(guān)重要。目前我們管理的數(shù)據(jù)已達(dá) PB 級(jí)，而人類僅能查看其中的 5%-10%。這表明，AI 完全有能力在無(wú)需人工監(jiān)督的情況下處理絕大多數(shù)操作。

事實(shí)上，我們的客戶每周生產(chǎn)數(shù)百萬(wàn)顆芯片，每年產(chǎn)量高達(dá)數(shù)十億顆。他們無(wú)法逐一審閱所有數(shù)據(jù)集，但算法與 AI 可以。去年我們推出了 “引導(dǎo)式分析（Guided Analytics）” 產(chǎn)品，一位工程師在去年的用戶大會(huì)上提到，其所在企業(yè)有數(shù)千種產(chǎn)品，團(tuán)隊(duì)無(wú)法實(shí)現(xiàn)每日全量跟蹤，但“引導(dǎo)式分析” 可完成這項(xiàng)工作：每天早晨，日?qǐng)?bào)會(huì)顯示90%的芯片狀態(tài)良好，或通過(guò)警報(bào)定位問(wèn)題所在。這本質(zhì)上是一個(gè)簡(jiǎn)易AI機(jī)器人，通過(guò)遍歷數(shù)據(jù)識(shí)別潛在根本原因。

行業(yè)要實(shí)現(xiàn)規(guī)?；l(fā)展，需要更多此類代理。這些代理將覆蓋全行業(yè)，而人類的職責(zé)是制定其運(yùn)行準(zhǔn)則。唯有如此，才能應(yīng)對(duì)海量設(shè)計(jì)與制造數(shù)據(jù)，提升行業(yè)所需的運(yùn)營(yíng)效率，并真正從為業(yè)務(wù)打造的 AI 中獲益。