作者 |  高歌
編輯 |  Panken
芯東西2月17日報道，近日，東芝宣布將在日本石川縣建造一個300mm（12英寸）的功率半導體晶圓廠。據(jù)悉，該廠將采用人工智能技術和自動化晶圓運輸系統(tǒng)，預計第一階段產能滿載后其產能將會達到2021年的2.5倍。在全球仍面臨芯片短缺的當下，各個廠商都在探索提升晶圓產能和良率的方法。在智能制造、工業(yè)4.0等新興概念的驅動下，人工智能（AI）、云計算、大數(shù)據(jù)、物聯(lián)網（IoT）等新興技術屢被提及，應用材料等半導體設備巨頭也在推出配有AI功能的產品。遠遠望去，作為技術含量最高的產業(yè)之一，半導體制造似乎天生就和各類新興技術完美契合，EUV光刻機、潔凈室、全自動產線和人工智能、云計算的組合似乎描繪了一幅美好的畫面。但需注意的是，半導體制造本質上仍是傳統(tǒng)制造業(yè)，從晶圓廠的角度，最終追求的是產能、良率、成本、晶圓質量和穩(wěn)定性。據(jù)業(yè)內人士向芯東西透露，人工智能和云技術等新興技術短期內仍難以應用于晶圓廠的關鍵系統(tǒng)中。

01.AI未來或可帶來每年900億美元收益ASML用AI加速光刻流程

美國咨詢公司麥肯錫認為，人工智能/機器學習等新技術能夠有效地提升晶圓廠的收益。根據(jù)麥肯錫的數(shù)據(jù)，隨著芯片制程節(jié)點的演進，晶圓廠建設成本正從65nm的4億美元增加到5nm的54億美元。麥肯錫預判，在接下來的兩到三年內，人工智能/機器學習每年可能產生350億至400億美元的價值。如果將這個時間線拉長到未來4年后，其每年的收益可能會上升到850億美元到900億美元。

對于晶圓廠來說，隨著自動化、智能化水平的提升，其操作效率能夠得到有效提升，這也就意味著更短的生產周期、更少的成本以及更高的良率。在半導體供應鏈的各個環(huán)節(jié)中，制造業(yè)能夠從人工智能和機器學習中獲得最多的收益，麥肯錫預計這將使制造成本降低17%。

在半導體行業(yè)中，ASML、應用材料、博世等行業(yè)重要參與者都在探索人工智能在半導體設備和晶圓廠中的應用。應用材料去年推出了新一代的光學半導體晶圓檢測機。該機器引入了大數(shù)據(jù)和人工智能技術，不僅能自動檢測更多芯片，而且大幅提升檢測致命缺陷的效率，其系統(tǒng)每小時可減少260萬美元的良率損失。早在2017年，ASML便在SPIE（國際光學工程學會）的光掩模技術大會上發(fā)表了“Machine learning assisted SRAF placement for full chip（機器學習輔助SRAF放置全芯片）”論文，將深度卷積神經網絡應用于全芯片布局中，且提升了光刻速度。由于這種深度學習方法的準確性大概在95%，遠低于半導體制造要求的7σ（99.999999999744%）。因此在這篇論文中，文章作者僅用深度卷積神經網絡來加速計算，其輸出結果仍采用傳統(tǒng)的光刻程序進行處理，從而提升光學臨近校正（OPC）和逆光刻（ILT）的速度。

除了應用材料和ASML，德國電子巨頭博世也同樣一直關注人工智能技術在晶圓廠中的應用。去年6月，博世宣布，其位于德國德累斯頓的晶圓廠建成。博世管理委員會主席Volkmar Denner稱，這是博世第一座AIoT工廠，投資額約為10億歐元，從一開始就實現(xiàn)了完全連接、數(shù)據(jù)驅動和自優(yōu)化。通過各類傳感器，該工廠每秒能夠產生500頁文本的生產數(shù)據(jù)，一天的生產數(shù)據(jù)超過4200萬頁。博世通過人工智能方法對這些數(shù)據(jù)進行評估，其自優(yōu)化算法根據(jù)數(shù)據(jù)可實時分析制造和維護過程。此外，據(jù)國產CIM廠商芯享科技首席策略發(fā)展官邱崧恒分享，在智能分析層面，人工智能、計算機視覺、深度學習、大數(shù)據(jù)等技術在檢測系統(tǒng)、檢測與控制系統(tǒng)和決策系統(tǒng)中都有著一定的幫助和應用。

02.面臨穩(wěn)定、安全挑戰(zhàn)AI/云或水土不服

邱崧恒早在1993年就參與到了臺積電產線的自動化，之后曾任南亞科技、華亞科技、長江存儲、泉芯的IT負責人，主導了長江存儲和泉芯的CIM系統(tǒng)（計算機集成制造系統(tǒng)）整合。據(jù)他向芯東西分享，當前12英寸晶圓廠在自動化方面的進展已相當之高。此前他在華亞科技時，華亞科技的自動化能力，產品芯片的自動傳輸生產達到99.5%（也就是1000批中995批是OHT自動搬運生產）；而非產品芯片則可以達到97.5%的自動化水平。在先進的工業(yè)4.0晶圓廠中，芯享科技能夠從Excellent Manufacturing（最大化生產）、Intelligent Analysis（智能分析）、Productivity/cost（生產能效/成本）和Quality assurance（質量保障）等角度，幫助客戶建立制造執(zhí)行系統(tǒng)MES、裝備控制平臺EAP、良率分析控制系統(tǒng)YMS、實時調度排產系統(tǒng)APS等各類軟件系統(tǒng)，最終帶來晶圓生產良率、成本和質量的優(yōu)化。同時，盡管晶圓廠的很多系統(tǒng)都應用了深度學習、機器視覺等人工智能技術，但實際上新技術在半導體制造領域仍面臨水土不服的情況，距離大規(guī)模應用仍有不短的距離。具體來說，CIM系統(tǒng)可分為Critical system（關鍵系統(tǒng)）和Non-Critical system（非關鍵系統(tǒng)）。Non-Critical system如報表系統(tǒng)、良率分析系統(tǒng)、缺陷分析系統(tǒng)、生產效能改善系統(tǒng)等非直接影響到Fab生產作業(yè)的系統(tǒng)已逐步集成在大數(shù)據(jù)平臺中，機器學習、深度學習、人工智能等應用正在這些系統(tǒng)中逐步發(fā)展。近幾年，晶圓廠排程（Scheduling及Planning系統(tǒng)）開始導入基因演算法等人工智能應用，但在芯享科技總經理沈聰聰和邱崧恒看來，MES、TCS/EAP SPC、R2R、FDC、RTD等直接影響到FAB生產作業(yè)的關鍵系統(tǒng)仍很難用到人工智能。

上揚軟件的董事長兼CEO呂凌志也表達了類似的看法。他坦言，現(xiàn)在招一個大數(shù)據(jù)方面的人很容易，但如果想要實現(xiàn)數(shù)據(jù)分析，需要了解整個工藝場景、工藝知識、工藝規(guī)格、產品生產過程等。在12英寸晶圓生產的一千多步工序中，每個數(shù)據(jù)可能和好幾步工序有關。如果想要判斷數(shù)據(jù)和哪些工序有關，需要工作經驗達十年以上的工藝專家、場景專家出馬進行判別、計算。12英寸晶圓廠中，每片晶圓每天就要產生十幾個G的數(shù)據(jù)，每個月晶圓廠要生產數(shù)萬片晶圓。更復雜的是，每個晶圓廠中的設備有新有舊，其集體生成的數(shù)據(jù)質量和大小各不相同，想要跨部門、廠區(qū)的進行數(shù)據(jù)處理，難度十分之大。美國半導體量測設備公司KLA的戰(zhàn)略合作高級主管Jay Rathert曾在采訪中透露，合適的數(shù)據(jù)必須經過多方處理。如果晶圓廠歸屬于IDM廠商，那么這片晶圓的所有數(shù)據(jù)都來自一個公司；如果晶圓廠歸屬于晶圓代工廠商或封測廠商，這就十分復雜了。因為各個廠商都有著獨特的工藝和IP，其挑戰(zhàn)在于既保護工藝和IP等核心數(shù)據(jù)，又進行一定程度的數(shù)據(jù)共享。在如此復雜的情況下，晶圓廠采用深度學習分析數(shù)據(jù)就像大海撈針一樣，短期內人工智能很難做到對晶圓廠數(shù)據(jù)的有效分析。

同時，先進12英寸晶圓廠的建設成本在千億人民幣左右，晶圓廠商必須要追求生產的穩(wěn)定性和安全性。在沈聰聰和呂凌志他們看來，人工智能從某種程度上來說，類似一個“黑箱”，從訓練到輸出有著太多的不確定性。事實上，在行業(yè)內，很多看起來十分智能的系統(tǒng)，其背后是半導體CIM廠商們對這些軟件系統(tǒng)的大量編寫與定義。在人工智能之外，半導體制造行業(yè)也對上云這件事比較忌諱。對于這些業(yè)內專家，信息安全是一個切實需要考慮的因素。芯享科技邱崧恒分享了一個案例，當年某國產存儲芯片廠商發(fā)布新技術后，遭到了大量的黑客攻擊，其每個月遭受的黑客攻擊次數(shù)都以十萬次為單位。最多的兩個月里，該企業(yè)每個月遭受的黑客攻擊次數(shù)超過50萬次，追蹤攻擊來源發(fā)現(xiàn)，攻擊來自美國、俄羅斯、韓國、中國、越南等多個國家。而當晶圓廠商存在人員流動時，不管有意還是無意的文件外泄或攜入都會帶來嚴重的經濟糾紛。芯享科技因此也打造了一套主動的文件掃描系統(tǒng)，判斷新員工是否會攜帶非法文件，以免訴訟糾紛。因此，雖然晶圓廠商可以打造一些企業(yè)的私有云或將非敏感信息上傳，但核心資料與系統(tǒng)都有些“談云色變”。

03.行業(yè)人才分散，國產晶圓廠智能化仍面臨較大挑戰(zhàn)

由于全球缺芯，美、日、韓、歐、中各國家和地區(qū)正大力發(fā)展半導體產業(yè)。隨著各種政策發(fā)布和市場需求的爆發(fā)，半導體行業(yè)正處在快速發(fā)展。在這種繁榮下，業(yè)內新興的國產半導體廠商層出不窮，芯片人才被大量分散到各個廠商中。但以CIM系統(tǒng)為例，一個晶圓廠涉及到的軟件系統(tǒng)十分廣泛，單打獨斗很難推動企業(yè)發(fā)展，人才利用率較低。對于晶圓廠運行，如果想要對產線效率、成本、良率進行優(yōu)化，需要廠商和工程師具備豐富的經驗和技術積累，才能從TB乃至PB級別的數(shù)據(jù)中找出關鍵的數(shù)據(jù)。在火熱市場的表面下，過于頻繁的人員流動并不利于企業(yè)的發(fā)展。值得注意的是，晶圓廠的建造需要耗費大量資源和時間，對于4英寸、5英寸和6英寸這樣技術較為成熟的產線，是否需要進行智能化改造以及是否值得將其智能化，都需要打一個問號。甚至對一些工藝較為成熟的晶圓廠來說，“工業(yè)4.0”、“智能制造”等概念仍是一個偽命題。另外，即使晶圓廠推動產線的自動化和智能化水平，其產線先進程度仍是一個市場、投入和企業(yè)執(zhí)行力等多種因素互相博弈的結果。對此，邱崧恒就指出，對半導體廠商，推動產線自動化既需要強大的動力支持，也需要晶圓廠的負責人自上而下地切實推動和支持。他提到在中國臺灣，由于各個晶圓廠聚集在新竹等產業(yè)園區(qū)，形成了一股互相追趕的風氣。只要有一家企業(yè)采用了更加先進的方法和工具，別的廠商也要采用，不然就會落后于競爭對手。在這樣的氛圍下，很多中國臺灣芯片制造商的產線自動化水平快速提升，最終形成了行業(yè)優(yōu)勢。相比之下，位于大陸的晶圓廠商在這一方面有所不足。
04.結語：短期內半導體制造+AI時代恐難到來

隨著AI、云技術等新技術的快速發(fā)展，這些新技術和半導體設備、部分系統(tǒng)的結合確實取得了很多成就，ASML、臺積電、博世、應用材料等巨頭都在推動相關的研究和實踐。但從根本上看，半導體制造工藝的核心仍是良率、質量和成本。在巨額投入下，任何新技術進入產線都需要以月、以年為單位的驗證周期。短期內，AI、云技術等技術很難從底層影響半導體制造，穩(wěn)定性和安全才是各個廠商關注的焦點。