芯東西（公眾號：aichip001）
作者 | 高歌
編輯 | Panken
芯東西2月17日報道，近日，東芝宣佈將在日本石川縣建造一個300mm（12英寸）的功率半導體晶圓廠。據悉，該廠將採用人工智慧技術和自動化晶圓運輸系統，預計第一階段產能滿載後其產能將會達到2021年的2.5倍。
在全球仍面臨晶片短缺的當下，各個廠商都在探索提升晶圓產能和良率的方法。在智慧製造、工業4.0等新興概念的驅動下，人工智慧（AI）、雲計算、大資料、物聯網（IoT）等新興技術屢被提及，應用材料等半導體裝置巨頭也在推出配有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、潔淨室、全自動產線和人工智慧、雲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制造業，從晶圓廠的角度，最終追求的是產能、良率、成本、晶圓質量和穩定性。據業內人士向芯東西透露，人工智慧和雲技術等新興技術短期內仍難以應用於晶圓廠的關鍵系統中。
一、AI未來或可帶來每年900億美元收益，ASML用AI加速光刻流程
美國諮詢公司麥肯錫認為，人工智慧/機器學習等新技術能夠有效地提升晶圓廠的收益。根據麥肯錫的資料，隨著晶片製程節點的演進，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，人工智慧/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年後，其每年的收益可能會上升到850億美元到900億美元。
▲人工智慧在半導體生產各環節中的應用（圖片來源：麥肯錫）
對於晶圓廠來說，隨著自動化、智慧化水平的提升，其操作效率能夠得到有效提升，這也就意味著更短的生產週期、更少的成本以及更高的良率。
在半導體供應鏈的各個環節中，製造業能夠從人工智慧和機器學習中獲得最多的收益，麥肯錫預計這將使製造成本降低17%。
▲人工智慧在半導體生產各環節的收益（圖片來源：麥肯錫）
在半導體行業中，ASML、應用材料、博世等行業重要參與者都在探索人工智慧在半導體裝置和晶圓廠中的應用。
應用材料去年推出了新一代的光學半導體晶圓檢測機。該機器引入了大資料和人工智慧技術，不僅能自動檢測更多晶片，而且大幅提升檢測致命缺陷的效率，其系統每小時可減少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表了“Machine learning assisted SRAF placement for full chip（機器學習輔助SRAF放置全晶片）”論文，將深度卷積神經網路應用於全晶片佈局中，且提升了光刻速度。
由於這種深度學習方法的準確性大概在95%，遠低於半導體制造要求的7σ（99.999999999744%）。因此在這篇論文中，文章作者僅用深度卷積神經網路來加速計算，其輸出結果仍採用傳統的光刻程式進行處理，從而提升光學鄰近校正（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慧技術在晶圓廠中的應用。
去年6月，博世宣佈，其位於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，從一開始就實現了完全連線、資料驅動和自最佳化。
透過各類感測器，該工廠每秒能夠產生500頁文字的生產資料，一天的生產資料超過4200萬頁。博世透過人工智慧方法對這些資料進行評估，其自最佳化演算法根據資料可實時分析製造和維護過程。
此外，據國產CIM廠商芯享科技首席策略發展官邱崧恆分享，在智慧分析層面，人工智慧、計算機視覺、深度學習、大資料等技術在檢測系統、檢測與控制系統和決策系統中都有著一定的幫助和應用。
▲計算機視覺/深度學習等技術的應用（圖片來源：芯享科技）
二、面臨穩定、安全挑戰，AI/雲面臨水土不服
邱崧恆早在1993年就參與到了臺積電產線的自動化，之後曾任南亞科技、華亞科技、長江儲存、泉芯的IT負責人，主導了長江儲存和泉芯的CIM系統（計算機整合製造系統）整合。
據他向芯東西分享，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，產品晶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）；而非產品晶片則可以達到97.5%的自動化水平。
在先進的工業4.0晶圓廠中，芯享科技能夠從Excellent Manufacturing（最大化生產）、Intelligent Analysis（智慧分析）、Productivity/cost（生產能效/成本）和Quality assurance（質量保障）等角度，幫助客戶建立製造執行系統MES、裝備控制平臺EAP、良率分析控制系統YMS、實時排程排產系統APS等各類軟體系統，最終帶來晶圓生產良率、成本和質量的最佳化。
同時，儘管晶圓廠的很多系統都應用了深度學習、機器視覺等人工智慧技術，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，距離大規模應用仍有不短的距離。
具體來說，CIM系統可分為Critical system（關鍵系統）和Non-Critical system（非關鍵系統）。Non-Critical system如報表系統、良率分析系統、缺陷分析系統、生產效能改善系統等非直接影響到Fab生產作業的系統已逐步整合在大資料平臺中，機器學習、深度學習、人工智慧等應用正在這些系統中逐步發展。
近幾年，晶圓廠排程（Scheduling及Planning系統）開始匯入基因演演算法等人工智慧應用，但在芯享科技總經理沈聰聰和邱崧恆看來，MES、TCS/EAP SPC、R2R、FDC、RTD等直接影響到FAB生產作業的關鍵系統仍很難用到人工智慧。
三、行業人才分散，國產晶圓廠智慧化仍面臨較大挑戰
上揚軟體的董事長兼CEO呂凌志也表達了類似的看法。他坦言，現在招一個大資料方面的人很容易，但如果想要實現資料分析，需要了解整個工藝場景、工藝知識、工藝規格、產品生產過程等。
在12英寸晶圓生產的一千多步工序中，每個資料可能和好幾步工序有關。如果想要判斷資料和哪些工序有關，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的資料，每個月晶圓廠要生產數萬片晶圓。更復雜的是，每個晶圓廠中的裝置有新有舊，其集體生成的資料質量和大小各不相同，想要跨部門、廠區的進行資料處理，難度十分之大。
美國半導體量測裝置公司KLA的戰略合作高階主管Jay Rathert曾在採訪中透露，合適的資料必須經過多方處理。如果晶圓廠歸屬於IDM廠商，那麼這片晶圓的所有資料都來自一個公司；如果晶圓廠歸屬於晶圓代工廠商或封測廠商，這就十分複雜了。
因為各個廠商都有著獨特的工藝和IP，其挑戰在於既保護工藝和IP等核心資料，又進行一定程度的資料共享。在如此複雜的情況下，晶圓廠採用深度學習分析資料就像大海撈針一樣，短期內人工智慧很難做到對晶圓廠資料的有效分析。
▲半導體供應鏈的資訊互動（圖片來源：應用材料）
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定性和安全性。在沈聰聰和呂凌志他們看來，人工智慧從某種程度上來說，類似一個“黑箱”，從訓練到輸出有著太多的不確定性。事實上，在行業內，很多看起來十分智慧的系統，其背後是半導體CIM廠商們對這些軟體系統的大量編寫與定義。
在人工智慧之外，半導體制造行業也對上雲這件事比較忌諱。對於這些業內人士，資訊保安是一個切實需要考慮的因素。
芯享科技邱崧恆分享了一個案例，當年某國產儲存晶片廠商釋出新技術後，遭到了大量的駭客攻擊，其每個月遭受的駭客攻擊次數都以十萬次為單位。最多的兩個月裡，該企業每個月遭受的駭客攻擊次數超過50萬次，追蹤攻擊來源發現，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檔案外洩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檔案掃描系統，判斷新員工是否會攜帶非法檔案，以免訴訟糾紛。因此，雖然晶圓廠商可以打造一些企業的私有云或將非敏感資訊上傳，但核心資料與系統都有些“談雲色變”。
▲晶圓廠面臨的安全挑戰以及芯享科技的資訊保安方案（圖片來源：芯享科技）
三、行業人才分散，國產晶圓廠智慧化仍面臨較大挑戰
由於全球缺芯，美、日、韓、歐、中各國家和地區正大力發展半導體產業。隨著各種政策釋出和市場需求的爆發，半導體行業正處在快速發展。
在這種繁榮下，業內新興的國產半導體廠商層出不窮，晶片人才被大量分散到各個廠商中。但以CIM系統為例，一個晶圓廠涉及到的軟體系統十分廣泛，單打獨鬥很難推動企業發展，人才利用率較低。
對於晶圓廠執行，如果想要對產線效率、成本、良率進行最佳化，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級別的資料中找出關鍵的資料。在火熱市場的表面下，過於頻繁的人員流動並不利於企業的發展。
值得注意的是，晶圓廠的建造需要耗費大量資源和時間，對於4英寸、5英寸和6英寸這樣技術較為成熟的產線，是否需要進行智慧化改造以及是否值得將其智慧化，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4.0”、“智慧製造”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慧化水平，其產線先程序度仍是一個市場、投入和企業執行力等多種因素互相博弈的結果。對此，邱崧恆就指出，對半導體廠商，推動產線自動化既需要強大的動力支援，也需要晶圓廠的負責人自上而下地切實推動和支援。
他提到在中國臺灣，由於各個晶圓廠聚集在新竹等產業園區，形成了一股互相追趕的風氣。只要有一家企業採用了更加先進的方法和工具，別的廠商也要採用，不然就會落後於競爭對手。在這樣的氛圍下，很多中國臺灣晶片製造商的產線自動化水平快速提升，最終形成了行業優勢。相比之下，位於大陸的晶圓廠商在這一方面有所不足。
結語：短期內，半導體制造+AI時代恐難到來
隨著AI、雲技術等新技術的快速發展，這些新技術和半導體裝置、部分系統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。在鉅額投入下，任何新技術進入產線都需要以月、以年為單位的驗證週期。短期內，AI、雲技術等技術很難從底層影響半導體制造，穩定性和安全才是各個廠商關注的焦點。
