生成式人工智能提高芯片良率并減少制造缺陷
加入技術交流群
2021 年，全球汽車制造商因無法獲得一美元微控制器而停止生產。先進半導體的等待時間從 12 周躍升至超過 26 周，這表明全球供應鏈已經變得多么脆弱。良率損失和制造缺陷不僅僅是技術問題，它們是影響采購領導者、供應鏈經理甚至國民經濟的戰略挑戰。
與此同時，對半導體的需求繼續持續增長。預計到 2030 年，全球消費將以 7% 至 8% 的復合年增長率增長，而產能僅以每年 5% 左右的速度增長。這種不匹配使每片晶圓都變得非常有價值。即使先進技術節點的良率僅提高 2%，每年也可以釋放約 150,000 片晶圓，這意味著數十億美元的額外供應。
生成式人工智能通過提前創建優化設計、預測潛在缺陷以及增強晶圓制造中的調度來應對這些挑戰。它正在重塑半導體行業的經濟性——提高良率、減少不一致并增強供應鏈的可靠性。
半導體制造中的良率挑戰
芯片制造涉及從光刻到蝕刻的 1,000 多個步驟。在三納米及以下的先進節點上，微小的原子級變化會使晶圓無法使用。由于單片硅片的成本超過 16,000 美元，任何良率損失都會直接降低利潤率。
美光科技首席執行官 Sanjay Mehrotra 表示，良率的每一個百分點提高都像是在沒有資本投資的情況下增加一個新的制造工廠。
生成式人工智能如何創造戰略價值
生成對抗網絡 （GAN）、變分自動編碼器 （VAE） 和基礎模型等生成模型超越了預測分析：它們生成了更好的替代方案。四個應用程序脫穎而出：
設計優化
生成式 AI 評估數千種布局變體，以識別減少缺陷的配置。新思科技與臺積電 （TSMC） 合作，報告稱，使用人工智能驅動的設計空間探索，良率提高了 15%。隨之而來的是更快的設計周期和更快的交付給客戶。一家歐洲無晶圓廠設計公司利用生成式人工智能進行設計優化，并在短短 18 個月內實現了投資回報率，減少了晶圓報廢，加快了收入實現，并降低了運營成本。
缺陷預測
人工智能生成合成晶圓圖，在缺陷出現之前訓練檢測系統?？偛课挥诿绹?KLA 公司報告稱，缺陷檢測提高了 25-30%，從而產生了更多可用的晶圓和更快的生產周期。三星實施了基于人工智能的良率學習，將生產線故障率降低了 12%，減少了緩沖庫存需求并提高了交付可靠性。
光刻協助
AI支持掩模圖案生成，通過逆光刻技術（ILT）和光學接近校正（OPC）最大限度地減少失真。英特爾報告稱，邊緣放置誤差減少了 40%，提高了一次通過良率。
供應保證和織物調度
生成式 AI 模擬數千個調度場景，平衡工具使用，并最大限度地提高吞吐量。一家臺灣無晶圓廠公司利用人工智能調度將晶圓周期時間從 20 天縮短到 17 天，確保在競爭激烈的市場中及時交付芯片。
它還增強了更廣泛的供應鏈彈性。Global Foundries 應用預測分析將材料短缺期間的恢復時間縮短了 30%，幫助采購部門在中斷期間滿足客戶需求。
行業案例研究和成果
Samsung Foundry – 基于人工智能的良率學習- 它將切割線故障率降低了 12%，降低了緩沖庫存要求并提高了客戶的交付可靠性。
Global Foundries – 預測性供應鏈分析：通過預測性分析，它提高了供應鏈的彈性，并將材料短缺期間的恢復時間縮短了 3%，使采購團隊能夠滿足客戶需求。
歐洲無晶圓廠設計公司 – 設計優化： 該公司采用生成式人工智能進行布局優化，僅用了 18 個月就實現了投資回報率 （ROI）。通過減少晶圓廢料、加快收入實現和降低運營成本。
戰略采購和供應鏈價值
生成式人工智能具有雙重作用。在車間，它的功能就像檢查數十億個缺陷模式以提高產量。在董事會中，它可以降低風險，加強供應連續性，并保護利潤率。
生成式人工智能的預測洞察設施可以幫助優化交貨時間、多源戰略指導和供應商談判，并使合同要求與晶圓廠的實際績效保持一致，確?？煽康漠a能保證。
SEMI 首席執行官 Ajit Manocha 表示，生成式人工智能不僅僅是提高產量，它還降低了流程可變性，提高了可預測性，并增強了整體運營彈性。
采用的挑戰
盡管具有變革潛力，但在半導體行業采用生成式人工智能仍面臨一些挑戰：
? 數據機密性：這仍然是關鍵問題，因為處理后的數據是專有的，難以在生態系統之間共享。
? 計算強度：需要大量的計算設備來訓練復雜的人工智能生成模型。
? 可解釋性差距：為了培養信心，工程師和采購團隊需要人工智能建議保持透明。
? 變革管理：為了充分實現價值，晶圓廠必須對流程工程師進行再培訓，對采購專家進行人工智能素養教育，并跨孤島將數據科學團隊聯系起來。
未來之路：邁向自主和彈性晶圓廠
下一代半導體工廠越來越依賴生成式人工智能作為中央智能。新興趨勢包括：
自主晶圓廠：它利用生成式人工智能實時修改配方，以減少產量損失并提高效率。
協作生態系統：設計公司、設備制造商和晶圓廠共享人工智能模型，以優化生產和供應鏈彈性。
零缺陷制造：雖然理想主義，但生成式人工智能在實現這一目標方面正在取得實質性進展，使晶圓廠更接近近乎完美的產量和一致性。
領導者的戰略要務
對于采購主管、半導體領導者和戰略決策者來說，前進的道路是明確的：
跨運營擴展 AI：從試點過渡到計劃、光刻、電子設計自動化和檢測工作流程的完全集成。
在采購中利用人工智能： 利用洞察力進行合同談判、供應商多元化和交貨時間可預測性。
投資于人員和協作：整合供應鏈經理、數據科學家的專業知識，并加強與人工智能解決方案提供商和學術機構的協作。
結論
生成式人工智能正在改變芯片制造。它可以提高產量、減少缺陷并改進生產計劃。更重要的是，它可以幫助領導者使供應鏈更強大，利潤率更穩定，交貨時間更可預測。
首先采用人工智能的公司將釋放額外的產能，保護供應連續性，并獲得明顯的競爭優勢。每個晶圓都很重要，每周的交貨時間都很重要。生成式人工智能確保兩者都不會被浪費。
評論