工程智能發展之路（一）：崛起中的中國力量
時間：2024-04-01 10:46:31
分享
掃碼分享到好友
半導體工廠是現代工業皇冠上的明珠，其生產過程復雜精細，對效率和良率有著極高的要求。然而，傳統的數據分析和經驗傳承模式已難以滿足智能制造時代的需求，成為制約現代工廠發展的瓶頸。工程智能（Engineering Intelligence, EI）作為半導體工業軟件體系的核心環節，正扮演著越來越重要的角色。
但在這個領域，國內長期處于無人區，以深圳智現未來工業軟件有限公司為代表的國內 EI 廠商強勢崛起，不僅打破了國外廠商壟斷，更以人工智能的引入，為中國制造業智能化轉型注入澎湃動力。
在半導體行業的早期，制造過程依賴于嚴格的物理控制和工程師的個人經驗。當時，工藝的復雜度相對較低，晶圓廠的規模也較小，數據處理和分析的需求可以通過半手工方式或通用軟件工具來滿足。但隨著集成電路(IC)的特性逐漸變得復雜，傳統的方法開始顯得力不從心。
隨著計算機技術的進步，自動化開始進入半導體制造領域。晶圓廠開始利用計算機控制設備和制造執行系統（MES）來管理生產流程。數據采集系統（DCS）和統計過程控制（SPC）工具的引入，使得制造過程的監控變得越來越精準。
但是在現代制造業中，僅依靠制造執行系統（MES）、設備自動化系統（EAP）、高級計劃排程系統（APS）、實時派工系統（RTD）等各種管理系統，還遠遠不夠。這不僅考驗工程師的經驗積累、能力儲備、責任心，還要求他們具有出色的復合能力。而且工廠的設備可能有成百上千的參數，這些參數可能以秒甚至毫秒級的周期波動，加上多個參數之間的相互關聯，光靠工程師手動監控是不現實的。同時，這些海量的設備數據、工藝數據也是工廠最寶貴的資產，如何挖掘其價值以實現數據驅動的智能決策是必須面對的挑戰。
于是，工程智能（EI）技術開始萌芽，通過集成軟件、傳感器網絡和先進的數據處理能力，幫助制造過程實現了更高的自動化和智能化。人工智能技術（AI）的進步為 EI 技術的發展提供了基礎和支撐。EI開始采用更為復雜的算法來優化制造參數，進行虛擬建模，實時監控設備狀態，并預測維護需求，輔助工程師決策。
工廠智能化制造的實現可以分為三個階段：數字化、自動化和智能化。數字化是基礎，通過物聯網技術實現生產過程的數據采集和透明化；自動化是提高生產效率的關鍵步驟，通過程序控制和機器協同代替“人手”，以及運用生產調度系統來優化工藝流程；最后，智能化是目標，通過工程智能建立復雜的算法模型，將工程師的經驗轉化為數據驅動的智能分析，發現異常、精準定位問題根源，并提供及時的解決建議和反饋。
在制造業轉型升級的路上，唯有制造自動化與工程智能化兩者共同助力才能實現價值最優。如果將工廠比喻為一個人體，自動化系統(如MES等)就像是執行命令的“手臂”，直接控制生產線上的機械手臂和設備，確保生產過程的連續性和效率；而工程智能（EI）系統則相當于進行思考和決策的“大腦”，涵蓋了更廣泛的數據分析和優化任務，如通過先進過程控制（APC）來提升制程的控制能力，通過建模實時監控和預測維護（FDC/PPM）來提高設備效率。
可以說，唯有工程智能這樣的“大腦”，工廠才能實現真正的智能化。工程智能不僅是實現制造業智能化的必經之路，更是未來智能工廠的基石。
但開發工程智能軟件卻難如登山?？v觀過去近50年，全球范圍內僅有三家公司能夠提供成熟且經過驗證的工程智能軟件產品：美國AMAT (Applied Materials)、美國PDF Solutions和韓國BISTel。它們的成功，并非偶然，而是有跡可循。
陪伴超大型客戶從零到壹，是它們成功的關鍵因素。三家公司無一例外地在與超大型客戶的共同成長和陪伴下，積累了寶貴的經驗和數據。
他們在大廠的陪伴下工藝不斷精進，積累了數十年的晶圓工藝和數據沉淀，形成了極高的行業壁壘。
形容工程智能軟件的難，可以將之比作是“冰山模型”。露在海面上的常見現象及應對策略只是冰山的一角，水面之下的經驗模型算法才是制勝關鍵。比如說，有些偶發情況可能一年只發生一回，但這對于產線來講都是不可接受的。即使經驗豐富的工程師，也難以窮盡所有偶發狀況。而經驗沉淀和傳遞是另一道難題，工程師積累的經驗，往往是隱性的、非結構化的，難以有效傳遞和共享。海量數據的價值也無法充分挖掘。如何應對這些未知的挑戰？如何探尋異常背后的根因？這些問題，考驗著工程智能軟件的智慧和能力。
故而，工程智能系統的核心價值在于其深藏的經驗、精細打磨的模型算法和久經考驗的代碼，新進的門檻極高，打磨成熟工程智能產品非常困難。
在這樣的背景下，2021年9月，智現未來通過收購韓國BISTel的知識產權，開啟了100%全國產的本土的“工程智能之路”。智現未來不僅承接了原來BISTel的完整知識產權、重要核心人才隊伍、所有的中國客戶，還在強大的中國軟件工程能力的支撐下，完成了產品技術的快速迭代和升級，并于2023年底發布了多款新產品和新版本，獲得了更多新老客戶的認可和信賴。
在短短兩年多的時間內，智現未來已經取得了顯著的成就，是中國本土唯一成功上線12英寸量產產線的國產工程智能系統供應商。智現未來工程智能系統的常年穩定運行，保障著中國頂尖晶圓代工廠10-12萬片晶圓/月的穩定、高效的生產。在國內頂尖的八家大硅片制造企業中，有五家選擇了智現未來的EI系統，展現了其在行業中的廣泛認可和應用。此外，智現未來在中國顯示面板EI市場還實現了100%全面覆蓋。
目前智現未來形成了較為完善的產品矩陣，涵蓋數據搜集、監測、分析、預測及自適應決策等環節，為泛半導體行業提供整體工程智能系統（EI）解決方案。
智現未來以EES（設備工程系統）為核心的工程智能系統，能夠從數據收集（設備數據、量測數據、產線數據等）——>建模監測（FDC/DFD故障監測、R2R/APC 先進過程控制、SPC統計過程控制、RMS配方管理系統、MPA設備監控性能分析等）——>數據分析（YAS良率分析、TA追蹤數據分析、CM裝備腔體匹配等）——>預測（WQP晶圓質量預測、VM虛擬量測、PPM設備預測性維護等）——>最終以知識為核心，實現系統自我學習控制，助力全廠的工藝生產設備的全方位的精細化管控。
值得一提的是，在剛剛結束的業界盛會SEMICON CHINA 2024展會上，智現未來重磅呈現”靈犀”大語言模型的實際應用案例。“靈犀”大語言模型備受業內討論和關注，是國內首個落地應用的半導體垂直類大語言模型。隨著人工智能技術的快速發展，大語言模型在各個領域展現出巨大的潛力。在半導體行業，大語言模型在幫助工廠內部解決數據層割裂、分析耗時、人才密度不足、數據價值未被充分挖掘等痛點方面頗有潛力，將有力推動高端制造業實現智能化轉型與升級。
眾所周知，今天大多數工廠采用的是傳統中心控制的架構，各種各樣的應用在數據層是割裂的，分析非常耗時，且高度依賴工程師的個人經驗。為應對這些挑戰，工廠開始打造大數據底座，實現數據集成，雖減少了數據對齊時間，卻仍未擺脫對工程師個體經驗的依賴。
而大語言模型的出現為這些難題提供了一個良好的機會。大語言模型一個已經驗證的能力是把非結構化的數據結構化，一方面能夠有效地把歷史上積累的數據資產盤活，另一方面通過整合結構化和非結構化數據形成對工廠全貌的認識。
“靈犀”聚焦于提升行業效率和解決半導體領域的具體技術難題，是智現未來為半導體工廠打造的全新一代數字底座。依托先進的MOE（Mixture of Experts）架構，“靈犀”能夠整合不同領域的專家級模型，打造強大而靈活的整體解決方案。該架構的核心優勢在于其多樣性和專業性，能夠針對各種具體任務，提供定制化的智能分析和處理能力，大幅提升半導體研發和生產效率。
目前，“靈犀”大模型在缺陷圖像識別、Wafer Map失效自動分類、設備失效根因分析、良率預測等多個領域都已展現出巨大潛力，助力半導體行業智能化升級。以實際應用為例，在半導體生產過程中的多模態缺陷識別應用中，“靈犀”可將數百名工程師一年的工作量縮短至2-3個月完成，所用到樣本數量減少2個數量級，分類準確率提升超過10%，大幅提高了生產效率，還顯著降低了工程師的負擔。
這些成功案例不僅展示了大模型技術在半導體實際應用中的巨大潛力，也證明了智現未來在這一前沿技術領域的領導地位和創新能力。
智現未來依托于EI（工程智能），并使用AI（“靈犀”大語言模型）再次升級賦能，站在工業革新的前沿，為未來工廠的智能化轉型提供強有力的支持。
種種跡象表明，智現未來在本土化之后，不僅能夠把國際領先的工程智能技術消化吸收，還能夠根據中國本土企業的實際需求、以及巧用新的發展技術如大語言模型進行創新和應用，成功幫助本土客戶解決工程智能軟件“卡脖子” 問題。
過去，EI幾乎是國外廠商的天下；現在，以智現未來為代表的國內EI廠商強勢崛起，打破了國外廠商的壟斷局面；未來已來，EI將在工廠中發揮越來越重要的作用，而大語言模型將成為未來工廠的基座和中樞，助力制造業轉型升級。國內EI廠商必將大有可為，在推動制造業智能化轉型中扮演重要角色。
我們也將持續關注和總結分享，智現未來“靈犀”作為國內首個落地應用的半導體垂直類大語言模型，為行業帶來的新思路、新方法、新價值。
