小插曲：

原定上午 9 點的演講，8 點 50 分核心演講稿卻在傳輸鏈路中陷入停滯 —— 對方系統用戶名集體失效，文件下載通道全面阻塞；更換賬號重試仍無法突破壁壘，反向上傳又被我方信息技術部門攔截，僅得到 “抽空處理” 的回應。時間分秒流逝，直至 9 點 13 分，核心演示文件仍未送達，最終只能舍棄原版文件與關鍵演示動畫，以簡化版本倉促應急。

這場看似偶然的傳輸意外，實則是半導體行業日常運營中屢見不鮮的協同梗阻縮影，更直觀投射出行業核心痛點：數據格式異構、系統接口割裂、跨組織跨部門協同效率低下，早已成為制約行業發展的隱形壁壘。而在數據爆炸式增長、技術復雜度指數級飆升的行業新常態下，對高效數據流轉與系統協同的需求，正變得前所未有的迫切。

一、行業現狀：復雜度與數據雙壓下，DTCO 轉型迫在眉睫

在座企業高管已達成共識：我們明確數據分布，對AI技術落地需求迫切，力求快速兌現價值。這一迫切性的根源，在于行業運行模式的根本性變革 ——長期依賴的異構化線性工作流程已失效，非線性協同成為主流，系統互聯互通從 “加分項” 變為 “必選項”。

1. 行業復雜度：堪比 “單日管控 45 層高樓” 的極致挑戰

以建筑行業為參照：建造一棟 45 層高樓，需對建材實現克級追溯、環境全周期監測，規劃施工周期長達 4.5 年；而半導體行業日常運營，需在單日完成同等量級的精細化管控 —— 這僅是行業復雜度的冰山一角。

技術迭代更印證行業難度：處理器主頻從 1 GHz 普及至 5GHz，英特爾曾因 3GHz 主頻功耗過高遭遇芯片融化難題；過去 5 年制程從 14nm 迭代至 2nm，過去 10 年芯片功能模塊翻倍、表征工況增長 2 倍，核心驅動是電源軌與電壓控制要求的持續提升。

2. 數據爆炸：2022 年至今增長 6 倍，Chiplet技術加劇增量壓力

數據爆炸已成核心挑戰：2022 年至今，行業數據量增長 6 倍、系統復雜度提升 5 倍、數據互通依賴度提高 5 倍；Chiplet 技術規模化應用，進一步推高數據量 5 倍；僅高通一家，每周就需處理 36TB 的半導體相關數據，并整合晶圓廠、客戶等外部數據開展分析。

在此背景下，行業站在設計 - 技術協同優化（DTCO） 的關鍵轉型節點。2020 年，行業技術路線圖仍以 “頂尖工程師主導” 為核心，AI 未被納入；如今向系統級芯片（SoC） 轉型已成必然，固守傳統模式將無法滿足性能、成本與尺寸的嚴苛要求。

普迪飛正致力于破解這一難題 —— 我既是其重度用戶，也是持續提優化建議的 “挑剔用戶” 。其目標極具挑戰性：整合多來源、多格式異構數據，處理測試程序變量，實時構建統一數據集。需要說明的是，我并非為其背書，而是強調行業對這類數據整合解決方案的迫切需求。

二、AI 應用真相：90% 項目折戟，癥結在人而非技術

行業內對 AI 的理想化認知甚囂塵上，“程序員將失業”“信息技術團隊會被替代” 等說法廣為流傳。但麻省理工學院 2021 年的研究報告給出了冷峻現實：90% 的企業級 AI 項目最終失敗，僅 10% 的成功項目能創造巨大商業價值。

項目失敗的根源，絕非技術瓶頸，而在于行業自身的三重桎梏：

1

思維模式滯后—— 我們慣于 “甲 + 乙 = 丙” 的線性因果邏輯，AI 則遵循 “基于數據推測結果、再驗證優化” 的概率迭代邏輯，二者存在本質鴻溝；

2

組織壁壘森嚴—— 數據孤島現象普遍，同公司團隊常以 “保密” 為由拒絕共享數據，甚至出現 “數據囤積者” 將數據鎖在本地服務器、沾沾自喜的情況；

3

認知偏差顯著—— 要么盲目迷信 AI，認為其輸出無需驗證，要么以 “AI 會產生幻覺”“表格處理更高效” 為由，頑固排斥新技術。

AI 的核心價值從不是取代人類。以英偉達為例，其研發的圖形處理器（GPU）作為全球頂尖 AI 算力平臺，芯片尺寸堪比水杯，卻集成了數十億乃至上百億顆晶體管。這類復雜芯片的穩定運行，依賴互聯技術、熱管理、良率優化等多環節數據協同—— 而 AI 的作用，正是高效處理海量數據，放大人類的專業能力。

三、落地實踐：AI 賦能半導體行業的三大核心應用

1. 良率學習：讓 “廢品芯片” 變身合格產品

通過 AI 為半導體芯片失效模式建立云端 “指紋” 檔案，當檢測到不合格芯片時，系統可精準識別非核心功能區域的錯誤并予以規避，無需增加額外測試時間，即可將不合格品轉化為合格產品，性能與可靠性達到高通同級水準。

我們與愛德萬測試（Advantest）、泰瑞達（Teradyne）聯合開發的邊緣計算盒子，將云端數據分析能力下沉至測試設備，實現實時決策，最終達成良率提升、測試時長零增加的雙重效益。

2. 供應鏈優化：釋放產能核心紅利

借助 AI 分析企業間數據傳輸、轉換、映射等全鏈路變量，優化預測模型，通過微調時間節點、剔除低效環節，釋放寶貴產能。這一應用不僅助力芯片量產爬坡更順暢，還能改善工程與生產環節的銜接效率，在當前成本高企的行業背景下，每一分釋放的產能都價值千金。

3. 熱管理：破解 2 nm先進制程難題

隨著芯片制程邁入 2 nm時代，電源軌數量與電壓控制要求呈指數級增長，熱管理難度隨之陡增。AI 可通過深度分析海量測試數據，精準預判芯片熱分布，提前優化設計方案，從源頭規避因過熱引發的性能損耗或硬件故障。

四、核心指南：數據與AI集成的“十一行動準則”與“八大行業弊病”

【十一行動準則】：源于實踐的核心綱領

1. 以價值為核心導向，整合團隊資源與數據資產，最大化釋放AI技術效用.

2. 依托應用程序接口（API）打通數據孤島，實現多源數據的價值互通.

3. 堅持方案簡潔性原則——可采用無代碼/低代碼工具，但使用者必須理解底層邏輯.

4. AI “幻覺” 問題多源于參數設置不當，而非系統本身的技術缺陷.

5. 建立持續學習機制，動態適配AI模型的快速迭代特性.

6. 強化企業內部知識共享，代碼學習與數據學習同等重要.

7. 構建快速更新推送機制，支持用戶基于自身數據特性定制工具.

8. 重視數據語境差異， “優質數據集” 的定義需結合具體應用場景判定.

9. 堅守安全與合規底線——本次文件傳輸風波，也暴露出部分系統的安全性短板.

10. 確保AI輸出洞察清晰易懂，建立反饋閉環，推動方案持續優化.

11. 保障數據潔凈度——其維護難度，遠超行業普遍預期。

【八大行業弊病】：亟待規避的認知與行為誤區

1. 貪多求全：過度采集無關數據。例如半導體測試中，0.5%的連續性故障率需重點關注，但無需深究所有波動細節.

2. 囤積居奇：壟斷數據或工具，拒絕協同共享，典型如團隊中 “數據囤積者” 將數據私有化管控.

3. 盲目攀比：簡單復刻他人方案，陷入 “競品有則我必優” 的誤區，缺乏基于自身需求的創新.

4. 因循守舊：以 “AI會產生幻覺” “數據準確性不足” “表格處理更高效” 為由，頑固排斥AI技術.

5. 盲目迷信：將AI神化，認為其輸出結果無需驗證，直接跳過測試用例環節.

6. 剛愎自用：過度自信，拒絕接納合理反饋，最終導致方案優化停滯.

7.盲目投入：在不適配的AI方案調試上耗費大量時間，投入產出比嚴重失衡.

8. 急功近利：片面追求短期效益，忽視技術與數據能力的長期價值沉淀。

AI方案的重新驗證成本高昂，無需每次開展全量驗證，但必須設計針對性測試用例以保障輸出結果精準；方案推廣前，需厘清數據背景、明確預期目標與價值定位。

五、未來方向：議程式AI與自主智能體的進階路徑

Agentic AI 是半導體行業未來的核心發展方向，目前已實現階段性突破，但在大規模普及與易用性提升上仍有較長路徑。其核心價值并非取代人類，而是通過高效數據處理，助力行業更快解決問題、創造商業價值。

關于無代碼AI，行業需建立核心認知：“無代碼人工智能絕不等于不動腦筋的人工智能”。這類工具雖降低了操作門檻，卻對使用者的邏輯思維與概率模型認知提出了更高要求——缺乏深度思考的盲目操作，終將產出低效甚至錯誤的結果。

當前行業自主智能體的成熟度集中在 3 級與 4 級（高通等頭部企業處于同一梯隊），5 級技術仍處于遠期探索階段。未來的自主智能體，必須具備跨數據庫、跨工具的整合能力，其核心目標始終是創造價值，而非取代人類。

行業日常需應對多類數據與工具協同的挑戰：電子設計自動化（EDA）工具各有專屬語言與獨立安全系統，疊加測試臺數據、現場數據等多源資源，還需配套數據分析工具與“容錯型”數據探索平臺，支撐工程師創新嘗試。這些工具需通過應用程序接口（API）實現互聯互通，而自主智能體的核心作用，正是簡化數據查找與利用流程，提升協同效率。

六、結論：AI是半導體行業的價值賦能工具，而非對手

半導體行業復雜性加劇與數據爆炸的趨勢已不可逆。AI的核心價值，在于為企業創造利潤、縮短產品上市周期、提升芯片良率、加快價值變現。實踐證明，即便僅將芯片良率提升1-2個百分點，也能為企業帶來顯著的利潤增長。而AI落地成功的關鍵，在于易用性：若一款工具的基本操作需超過5分鐘才能掌握，用戶終將回歸表格等傳統工具，即便完成任務需耗費更長時間。

以普迪飛為代表的行業工具，雖在易用性上具備一定基礎，但仍有優化空間。作為工具的最終使用者，企業應主動反饋真實需求與優化建議，推動工具持續完善——這不僅是對提供商的核心價值輸入，更是打造適配行業需求解決方案的關鍵。坦誠的反饋終將轉化為更優質的產品、更高效的流程，這是實現行業共贏的唯一路徑。

最后，需強調兩大核心認知：

第一，人工智能不是行業的敵人?！缎请H迷航》《星球大戰》等科幻作品早已呈現AI的多種發展可能，其中的挑戰場景值得行業借鑒。我期待未來能實現類似《星際迷航》中智能電腦的應用場景——通過簡單操作即可獲取精準答案，而AI正是推動這一愿景落地的核心加速器。

第二，AI絕非華而不實的噱頭，而是半導體行業穿越周期、實現高質量發展的價值賦能工具。駕馭AI、挖掘其核心價值，是行業從業者共同的使命。