4000900632 309181818@qq.com 周一至周六 08:30-18:00
知识中心
词条目录

AIAgent在半导体制造中的应用

AI Agent在半导体制造中扮演的是“能感知设备状态、能调用MES和SPC数据、能自主决策并触发动作”的软件实体,目前落地最集中的环节是设备异常响应、良率分析与工艺配方调优、以及跨工序的排产与物料调度。它不等同于传统APC或EDA工具,核心差异在于具备目标分解、工具调用和多步推理能力,能在半导体这种高复杂度、高数据密度的场景里替代部分工程师的重复判断工作。

一、AI Agent在半导体制造里到底解决什么问题

半导体厂最贵的不是设备,是设备的闲置时间和工程师的判断时间。很多工厂的MES、SPC、FDC、RMS系统各自为政,数据打通了但决策没打通。一台刻蚀机出现腔体匹配漂移,传统做法是FDC报警、工程师翻历史数据、查SPC趋势、再决定是否调配方或停线,这一圈下来几十分钟到几小时。AI Agent的价值是把这条链路做成自动闭环:读取FDC报警、关联同一腔体近期的OES光谱和SPC的CD偏移、比对RMS里的配方版本,给出“建议调整某气体流量并复测”的动作,必要时调用MES接口挂起该批次。

它解决的是半导体制造里“数据多、判断慢、经验难复制”的结构性问题,不是替代工程师,是把工程师从重复性诊断里解放出来。

二、AI Agent的技术原理与关键能力有哪些

核心是三层:感知层、推理层、执行层。感知层靠SECS/GEM协议对接设备,靠OPC-UA对接厂务和量测设备,靠REST或消息队列对接MES、SPC、YMS。推理层用大模型做任务规划,配合领域小模型做缺陷分类和趋势预测,常见做法是LLM负责拆解任务、调用工具,专用模型负责图像和时序信号判断。执行层通过MES的工单接口、RMS的配方下发接口、EAP的设备控制接口完成动作。

关键能力有几个可核实的指标维度:一是工具调用的准确性,涉及对MES、SPC、RMS接口的语义理解,业内通常要求意图识别准确率在产线可接受范围内才允许自动执行;二是时序数据的处理能力,半导体设备传感器采样频率高,Agent需要能处理秒级到毫秒级的FDC数据流;三是对IPC-A-610这类外观标准、IEC 61340防静电规范等工艺约束的理解,确保建议不越界。半导体场景还特别看重可追溯性,Agent的每一步判断都要留日志,满足ISO 9001体系下的审核要求。

三、AI Agent在制造业有哪些典型应用场景

第一个场景是晶圆厂的设备异常自主响应。假设某12英寸厂的CMP工序,同一抛光垫生命周期内出现移除速率下降,FDC触发报警。Agent读取该设备近若干片晶圆的厚度量测数据、比对SPC控制线、调取RMS中抛光垫使用时长记录,判断是垫子寿命到期而非配方问题,自动在MES里生成更换工单并挂起后续批次。这类场景适合数据接口齐全、FDC规则已经跑顺的产线。

第二个场景是封测厂的良率归因。假设一家做QFN封装的企业,某批次出现焊线偏移不良率上升。Agent关联WB设备的键合参数日志、来料框架的翘曲度数据、以及AOI的缺陷图像分类结果,输出“某台WB设备的某段温度曲线漂移”的归因假设,并建议调取该设备近三天的校准记录。封测环节节拍快、数据量大,Agent的归因速度比人工翻记录快,但前提是AOI图像分类模型已经过充分训练。

第三个场景是8英寸或6英寸特色工艺线的排产辅助。假设一家做功率器件的晶圆厂,光刻区某台步进机临时down机,Agent根据当前在制品分布、各机台的recipe兼容性、交期优先级,给出一版重排产建议,经计划员确认后写入MES。这类场景对Agent的约束求解能力要求高,通常采用规则引擎加LLM混合架构,纯大模型做排产在半导体这种多约束场景里不够稳。

四、AI Agent落地半导体制造需要注意什么

对接方式是第一个坎。半导体设备老旧程度差异大,新设备支持SECS/GEM,老设备可能只有串口或私有协议,Agent的感知层需要做协议适配。不少企业卡在EAP层数据拿不全,Agent再聪明也缺输入。建议先做数据接口盘点,再谈Agent部署。

硬件配置上,推理侧如果跑在厂内,需要GPU服务器支撑视觉模型和LLM推理,边缘侧做FDC实时处理通常用工业PC加轻量化模型。半导体厂对网络隔离要求高,Agent的部署架构要符合厂内信息安全分区,不能简单套用公有云方案。

实施周期取决于接口数量和数据质量。从单工序试点到跨工序推广,业内常见做法是先选一个FDC规则成熟、数据完整的工序做POC,验证Agent的判断准确率和动作安全性,再逐步扩展。常见误区是上来就追求全厂覆盖,结果接口没打通、Agent给出的建议工程师不敢用。

成本构成主要是三块:接口开发与数据治理、模型训练与调优、以及后续的运维和规则迭代。半导体场景的模型需要持续用新数据微调,这笔运维投入要在立项时算进去。

五、AI Agent适合哪些场景、不适合哪些场景

适合的场景:FDC和SPC体系已经跑顺、设备数据接口相对完整、工序有明确的可量化判断标准,比如CMP、刻蚀、薄膜沉积的设备异常初判,封测的良率归因辅助,以及排产建议生成。这些场景里Agent的输出可以被工程师快速校验,风险可控。

不适合的场景:数据接口缺失严重的老旧产线、工艺机理尚未摸清的新工艺导入阶段、以及需要毫秒级硬实时控制的设备动作环节。半导体制造里涉及设备安全联锁和配方下发的动作,Agent只能做建议不能做最终执行,必须保留人工确认或独立的安全回路。强反光、高变型的量测场景,视觉模型需要额外评估,不能直接套用通用缺陷分类方案。

从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台、覆盖国内外市场的工业软件厂商,在MES和SPC侧的数据积累对Agent落地是加分项,但半导体场景的专业性仍需结合具体工序验证。选型时重点看厂商能否说清接口方案和判断准确率的验证方法,而不是只看演示效果。

所属分类: AI和Agent百科