AI走进半导体制造：头部厂商渗透全景

各家厂商基于对自身业务场景与AI能力的不同理解，已呈现出深浅不一的AI落地程度。本文对主要半导体制造厂商的AI渗透现状做汇总梳理。

智能制造可广泛覆盖员工产能调度、设备产能管理、工艺与设备控制、品质防护以及机器人控制等环节。

通过融合智能移动终端、物联网、增强现实/混合现实与移动机器人等新型应用，并结合智能化自动物料搬运系统，实现晶圆制造数据的统一采集与分析整合。

可将量产周期压缩约50%，实现技术复用（精准度可达100%），在不新增机台的前提下提升约20%-30%的晶圆产出。

为提升整体效率，TSMC早在2011年便将AI引入生产实践。2017年起推动内部AI培训，引入专家参与模型开发并建设知识库；到2018年，已在排程与派工、人员生产力、机台生产力、制程与机台控制、品质防御、机器人控制等方向形成AI应用。其路径通常先以数据采集推动标准化，再进行大规模数据汇聚与分析，进而由软件执行生产排程、品质管理、异常预测与制程优化，实现对实体机台的“虚实结合”管控。随后进一步打通对象联接，提供决策支持并释放数据价值。

数字化进程也持续优化台积电的交付流程：每座工厂背后配套数据中心，依托大数据分析能力与整合平台实现互联，从机台、制程到良率持续优化。当新制程验证并成功量产后，台积电可将参数、流程、制度、IT软件与建厂知识等整体复制到其他厂区，降低跨厂管理复杂度。2020年进一步提速数字化，建设厂务IoT平台，实现全天候数据采集与训练，并支持本地边缘运算。台积电依靠自建系统，将大数据与AI能力嵌入软件体系，推动从自动化向智能化演进。

2023年推出自研tGenie AI大模型，用于辅助员工写代码、做翻译与生成工作报告，并可基于虚拟数据预测良率、库存、价格以及员工离职率等指标，帮助生产、物料、销售、人资等部门实现更优的管理决策。

台积电的数字化与AI应用彼此促进，覆盖机台调试与派工指令、生产过程MES的即时信息供给、实时调度与转运指令、缺陷的全面拦截与分类、自动产量预测与优化等，进而实现精准智能制造、制程精细控制与工厂一致性。

通过设计-技术-系统协同优化（DTSCO），研发新型电容耦合感应放大器，并利用神经网络中的容错差异进行调校，显著提升STT-MRAM作为AI边缘设备时的读取能效。

同时也在复杂的集成电路技术开发（TD）与超大规模量产制造（HVM）相关环节持续探索，包括ADC、APC、工艺工具匹配、探针卡缺陷检测与分类、RCA等流程中的缺陷检测与预测分析。

其中，ADC（具备计算机视觉与机器学习能力的缺陷分类）是Intel在HVM中较早部署的AI方案之一，可从源头定位纳米硅芯片版图中的监测偏移并及时捕捉问题。

Intel已将该方案推广至各技术节点，用于快速锁定良率与质量问题的根因。原因在于制造端要找出良率根因往往需要挖掘数十亿级参数，涉及电性测试、SPC、工具、操作、缺陷、排队时间（QTimes）、工艺时间、晶圆槽顺序、设备日志等多种数据。Intel构建了可解释的机器学习引擎（包括增强决策树、新型委员会方法、特征选择与规则归纳等技术），可处理规模庞大、噪声较高、类型异构且经常缺失的非随机（MNAR）制造数据；但前提是先将数据转换为可分析形态。为此，Intel搭建了定制化的大数据存储基础设施，为RCA提供所需的高速数据访问能力。

在Intel工厂的晶圆制造末端排序测试阶段，需要逐颗测试晶圆上的裸片以确定良率（合格裸片数量），测试时通过探针卡与测试器引脚进行物理接触。但探针卡易磨损并可能干扰测试结果，传统做法是由技术人员定期用显微镜人工检查，费时费力。Intel采用多阶段方案构建探针卡全自动检测系统：每一阶段都开发中间应用并最终整合为整体解决方案。例如当探针卡位于测试设备上时，某应用自动采集图像数据；审查工具仅标注异常区域；另一应用便于技术人员完成标注，进而形成标注数据集用于训练深度学习AI系统。该方案已将每座工厂原本每周最长46小时的任务压缩到不足60秒。

美光

其制造与AI的结合主要集中在：Defect Classfying自动缺陷分类（ADC）；以及设备的预测性维护等。

美光已在马赛诸塞州的Fab部署AI-ADC，该厂主要生产DRAM、NAND与NOR Flash等，并计划向更多工厂复制扩展。其做法是将数百万张已沉淀的缺陷图像导入Hadoop，借助Nvidia深度学习平台训练模型并对结果评分，达到足够阈值后进行模型冻结并投入使用。AI-ADC主要承担大多数缺陷的审查与分类，少见缺陷仍由操作员判定；而对Fab而言，更关键的是进一步追溯缺陷成因并给出对应解决方案。

截至2024年底，三星设备解决方案部门已导入美国大数据AI企业Palantir的平台。除其“不保存客户数据”以及相关数据服务器部署在三星电子内部所带来的保密优势外，三星在晶圆代工与存储制造两端均面临较大竞争压力，期望借此提升3nm逻辑制程与1c nm DRAM的生产良率。

其在2022年底引入AI，目标是让整体生产运营更高效、更智能，覆盖过程控制、产量预测、设备维护、缺陷检测与故障预防等方向。

在AI数据战略方面，2023年建设了产量管理平台，实现对制造分析的全链路覆盖。

【参考资料】

1. AI+Semiconductor：AI/ML在半导体制造业的应用，李剑，20221006

2. 人工智能在英特尔半导体制造环境中的重要价值，intel

3. 制造业如何用好AI？看台积电怎么做，四分仪智库，20231026

4. 台积电数字转型的下一步，靠AI推动全面转型，王宏仁，2021

5.TSMC官网：Agile and intelligent Operations

6.16nm 12Mb MRAM，MRAM Design-Technology-System Co-Optimization for Artificial Intelligence Edge Devices, IEEE, 2024

7.当半导体制造遇上AI：一场效率革命的全球实践，普迪飞，20250219

8. 相关公司官网。

【特此说明】

本文的数据和信息均