(文章轉載自半導體行業觀察)

編者按:在半導體制造智能化轉型中,通用大模型如何跨越行業的巨大鴻溝?傳統CIM系統如何突破數據孤島與“靠人串接”的多重桎梏?未來CIM系統的發展將以怎樣的智慧圖景引領半導體制造全新變革?作為中國本土唯一上線12吋量產產線的工程智能系統提供商,100%國產化多模態大模型智能制造應用領跑者,智現未來給出的“AgentNet驅動CIM 3.0”的技術破局路徑,正在重構產業范式。

從 ChatGPT到DeepSeek,大模型的崛起標志著 AI 從通用智能邁向行業深耕的分水嶺。在文本生成、編程、辦公自動化等領域,這些“通用腦”已展現顛覆性潛力,推動生產力躍升。然而,在半導體制造這一技術密集、流程精密、知識高度垂直的核心工業體系,其智能化轉型面臨更高門檻:工藝節點持續演進、每日TB級數據劇增、數據傳輸孤島、技術壁壘日益復雜、人才流失與時間浪費問題加劇,良率與成本的優化空間正逐漸逼近極限,整個行業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深度學習技術(小模型),雖然多數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化,缺乏自學習與可擴展性、對異常情況的解釋力不足、仍需依賴大量標注數據與專家經驗,難以解決跨環節多模態系統問題。

如何讓AI真正走進晶圓廠,走進制程、走進設備,如何將大模型能力與工程智能深度融合,推動AI從“規則固化”走向“自主適應”,正成為半導體智能制造時代的核心命題。而答案,已經浮現:只有深度垂直賦能,AI才能真正打破技術天花板,成為智能制造的內生動力。

通用大模型能否直接賦能半導體制造?

答案是否定的。

具體而言,通用大語言模型在實際落地過程中面臨三大核心障礙:1)對行業術語理解不足,難以精準解析專業語境;2)缺乏深層次專業知識結構,無法支撐復雜決策與診斷;3)難以接入封閉的企業生產系統。

此外,在系統級集成層面,也存在一系列挑戰,包括:系統工具之間接口不統一、安全權限控制難,以及任務流程難以適配等。

因此,大模型要在行業真正落地,僅有語言能力遠遠不夠,更需要具備“懂行業、能集成、可執行”的系統級應用能力。只有實現從模型能力向“應用能力”的躍遷,才能滿足垂直行業與生產系統的實際需求。

OpenAI CEO Sam Altman曾于2023年3月17日指出:“我們創造的模型,應該被視為一種推理引擎。”這句話本質上強調了大模型的核心價值并非生成文本,而是具備類人推理、分析和決策的能力。

2024年底,國內的DeepSeek火出圈。DeepSeek-R1,是通過冷啟動數據、強化學習、拒絕采樣等多階段訓練打造的推理型模型,展示了從通用基礎模型向專業化、推理導向模型演進的技術路徑。

因此,唯有將通用大模型的推理能力與企業級數據、業務流程和系統工具深度融合,才能真正激發人工智能在工業和產業場景中的生產力價值。

筆者觀察到,在SEMICON China 上海半導體展會上,智現未來作為國內唯一實現12英寸晶圓廠量產的國產化工程智能系統解決方案提供商,率先提出“CIM進化路徑”新范式,首次系統性描繪從CIM 1.0 → CIM 2.0 → CIM 3.0的演進脈絡,完整勾勒出從“數字化”到“智能化”,再到“完全自主化”的躍遷圖景。

具體來看:

? CIM 1.0 以傳統的分立工具為特征,系統間相互孤立,依賴人為操作和協調完成信息傳遞與任務執行,是“靠人串聯”“為人設計”的初級數字化系統。

? CIM 2.0 構建在既有系統基礎上,通過引入 Agent 技術實現系統模塊的協同聯動,初步具備面向目標的任務驅動能力,標志著從“人工管理”向“AI+系統協同”的關鍵轉變。原本靠人來協調的流程,如調度、異常處理、質量追溯,逐步由大模型和工程智能系統工具協同完成;關注全局生產目標而非單模塊效率,推動制造全流程的智能化協同。

? CIM 3.0 則是“為AI設計”“全方位智能化”的自主系統,將實現基于知識驅動的完全自主化制造。系統通過MoE(Mixture of Experts)架構構建分布式智能體網絡,實現全廠系統的自主協作、調度,達成自感知、自決策、自優化,實現“從執行工具到智能體”的轉變。

從CIM 1.0到3.0,是一場從“為人設計” → “為任務設計” → “為AI設計”的深層變革。大模型作為通用智能引擎,正成為引領CIM躍遷的關鍵推力,推動半導體智能制造從“數據驅動的決策支持”到“知識驅動的自動化”,加速行業邁向全棧智能時代。

智現未來以全國產化 AI 閉環,破局CIM智能化躍遷

智現未來是國內首個推出半導體領域大模型的公司,自2023年推出垂直行業大模型“靈犀”以來,持續夯實半導體智能制造的智能底座,正在成為推動 CIM 系統智能化升級的中堅力量。

圍繞大模型如何實現從“通用理解”向“領域專用”的智能化躍遷,智現未來探索出了一套系統化的訓練體系。整個過程可劃分為三個關鍵階段:

? 通用腦的專業化突圍:“靈犀”大模型深度融合工藝參數、缺陷圖像、設備日志等10+模態數據,構建了覆蓋3000+工藝節點的行業知識圖譜,并獨創“專家思維鏈”訓練框架,對DeepSeek、智譜等通用大模型完成專業領域“重塑”,使模型推理準確率從50%提升至90%以上。

? 專業腦的任務智能化訓練:垂直Agent集成領域特定的工具,例如缺陷檢測工具、SPC/FDC儀表板等,以工具API的方式實現Agent與晶圓廠系統之間的實時通信,為工程師或其他系統執行如Map pattern 識別、ADC自動缺陷分類、良率數據相關性分析等特定任務,實現真正的“任務智能”。

? AgentNet協作腦的全廠域協同:部署大語言模型+良率優化、缺陷診斷等數十種專業Agent,“大”“小”協同進一步構建出多AgentNetwork全域智能體網絡,實現生產高度自動化、智能化數據分析與決策、智能生產調度、自動化質量控制、監控與維護等全流程智控。

從“單一大模型(通用腦)”到“垂直Agent(專業腦)”再到“AgentNet(協作腦)”,智現未來通過這種分層遞進的智能架構,構建起支撐CIM智能躍遷的智能中樞,為行業智能化升級提供了從單點突破到全局優化的全棧能力底座。

智現未來與晶合集成聯合打造的 YPA 良率預測分析系統,正是公司智能 Agent 能力的典型體現。在晶合集成12英寸晶圓廠的合作項目中,智現未來的“靈犀”大模型提供了基于AIDC架構的智能專家推理系統,結合 Wafer Resume Analysis (WRA,晶圓溯因分析) 與 Yield Prediction Analysis (YPA,良率預測分析) ,構建出一套支持動態自學習、精準溯因、異常處置、報告生產、知識沉淀的良率管理優化解決方案。最終成果實現了工程師缺陷分類時間從 1小時縮短至1秒,報告編制時間從 1天縮短至1分鐘,實現自動hold lot /自動處理OOC的閉環能力,處理時效提升至 24小時內完成,有效幫助晶合集成在保障準確率的同時,真正實現了“省腦力、省人力”的智能化工程協作模式。

更多案例:PM(預防維護) Agent成本降低30%

在半導體工廠(FAB)中,設備維護面臨諸多挑戰:突發停機造成巨額損失,依賴工程師經驗導致維護質量不穩定,備件浪費與維護成本高企。智現未來推出的 PM Agent 解決方案,通過集成“設備健康畫像、AI預警、自動派單、動態維保 SOP”等功能,構建了一套基于“動態感知網絡與智能決策鏈”的預維護系統,成功將維護成本降低超30%,將預測性維護覆蓋率提升至85%以上。

該方案融合 TBM(基于時間)與 CBM(基于狀態)兩種策略,動態生成維保方案,并通過模塊化能力如信號處理、設備健康預測、健康評估、故障診斷等,實現從數據采集到執行決策的全流程閉環。底層支持多種算法模型,包括監督學習、無監督學習、統計學習、遷移學習等,適配多種設備狀態與工況場景。

智現未來正在構建的Eqfuse設備智能工具系列,全面賦能新一代智能半導體設備,借助大模型的能力,讓每一臺設備擁有“可對話、會思考、能優化”的智能腦,實現真正的自我調優和智能制造,極大化設備價值和生產效率。

在“靈犀”大模型與智能 Agent 架構的雙輪驅動下,智現未來已將多項核心能力落地為可規模化部署的智能化解決方案。面對先進制程復雜性日益提升、系統協同要求愈加嚴苛的趨勢,智現未來構建一個可支撐多角色協同、任務驅動、模型賦能的全棧式智能制造系統架構,將有望推動晶圓廠全面邁向認知型制造。

結語

“我們正站在半導體制造‘智變’的臨界點。”智現未來創始人兼CEO管健博士表示,未來 Fab的競爭本質在于“人類智慧 + 數字人效能”的綜合較量,AI 將成為決定性變量。

智現未來,正以全國產化AI 之力,構建半導體智能制造CIM 3.0新范式,助力中國半導體制造走出智能化躍遷的“中國路徑”。

審核編輯 黃宇