在第39個教師節來臨之際，當全社會向三尺講臺的耕耘者致敬時，半導體行業也在見證一種跨界的 “師道傳承”。普迪飛（PDF Solutions）—— 這家在半導體數據智能領域深耕30+年的企業，既在技術層面探索解決制造業數 PB 級數據的應用難題，也嘗試以 “產業同行者” 的身份參與教育革新，將 AI/ML 技術與半導體制造實踐結合，為行業培養復合型人才，在技術突破與人才培育的道路上持續努力。

PDF

技術演進中的探索：從數據積累到價值挖掘

半導體制造的復雜程度，使其成為 “數據密集型” 產業的典型：上千道工序產生的海量數據如同待開發的資源，卻因分析難度高，不少數據暫時未能充分發揮價值。

這一現狀，其實暗合著技術發展的普遍規律 —— 正如高德納（Gartner）“技術成熟度曲線”所描述的，一項技術從 “技術觸發期” 的初步關注，到 “期望膨脹期” 的熱度攀升，再到 “啟蒙斜坡期” 的理性落地，最終走向 “生產力平穩期” 的實際應用，往往需要跨越認知與實踐的多重門檻

回溯 2014 年，AI 與 ML 在行業內的聲音還不突出；僅一年后，機器學習便已走過 “期望膨脹期” 的峰值，進入更注重落地的階段。如今，AI/ML 在半導體領域正處于 “啟蒙斜坡期”：晶圓廠的海量數據期待通過智能技術釋放價值，但行業面臨現實挑戰——不少工程師對 AI/ML 的深層應用了解有限，而高校畢業生的 AI 知識雖有基礎，卻鮮少接觸半導體制造場景下的實戰數據。有預測顯示，到 2030 年全球半導體行業可能出現6.7 萬個崗位空缺，其中近三成需要具備綜合知識的高學歷人才。

面對這樣的行業圖景，普迪飛多年來持續打磨 “數據全生命周期管理” 相關技術，希望為數據價值挖掘提供支持。其自主研發的大數據分析平臺，通過算法將分散的工藝參數轉化為可參考的質量模型，目前已服務于370余家半導體企業，在良率提升、研發周期優化等方面積累了一些實踐經驗。這些技術探索，也為后續參與教育實踐打下了基礎。

PDF

同行者的責任：從課程嘗試到生態共建

“解決人才斷層，比突破技術瓶頸更緊迫。”普迪飛 CTO Andrzej Strojwas 博士（普迪飛首席技術官，前卡內基梅隆大學教授）曾這樣提及投身教育的初衷。基于這樣的考量，普迪飛與卡內基梅隆大學（CMU）攜手，嘗試共建 “半導體 AI 實驗室”，探索產業與教育結合的可能。

2023 年推出的首期課程中，普迪飛開放了基于 300 余組真實晶圓廠數據脫敏后的訓練集，搭建了包含 17 種自研算法的 CloudLab 實訓環境，還聯合了幾位有經驗的技術專家組成導師團隊。這門由 Andrzej Strojwas 博士授課的課程，因貼近行業實際需求，申請人數超出預期。

在實踐中團隊發現，學生還需要更系統的半導體知識支撐。于是，普迪飛與 CMU 的電氣與計算機工程系（ECE）、材料科學與工程系（MSE）進一步合作，計劃將單一課程升級為碩士培養項目，同時聯動 12 家晶圓廠共同設計課程模塊 —— 這樣的調整，更多是基于實際需求的靈活響應。該碩士項目預計 2026 年秋季啟動，原課程將作為核心內容融入其中。

目前，這套教育模式已形成“高校培養 + 企業內訓”的雙路徑，累計培養了 800 余名既了解 FinFET 工藝、又熟悉深度學習的技術人才，學員就業情況較為穩定，其中部分進入了行業內的研發團隊。

PDF

薪火相傳：以實踐經驗助力產業成長

自 1991 年由卡內基梅隆大學的 John Kibarian and Kimon Michaels 兩位博士創立，到如今嘗試鏈接產學研各方，普迪飛的發展歷程，也是一個不斷沉淀經驗、分享所得的過程 —— 既積累了 1200 余項專利技術，也希望將實踐中的思考轉化為可傳承的知識。

在這個教師節，普迪飛的實踐或許能說明：行業里的每個參與者，既需要在技術上持續鉆研，也應關注人才梯隊的培育。當 AI 技術逐漸融入半導體產業的各個環節，這種 “技術實踐 + 人才培養” 的結合，或許能為行業發展提供一些助力。

此刻，向所有以經驗傳承推動產業進步的 “行業同行者” 致敬！