生成式人工智能提高芯片良率并减少制造缺陷
2021 年，全球汽车制造商因无法获得一美元微控制器而停止生产。先进半导体的等待时间从 12 周跃升至超过 26 周，这表明全球供应链已经变得多么脆弱。良率损失和制造缺陷不仅仅是技术问题，它们是影响采购领导者、供应链经理甚至国民经济的战略挑战。
与此同时，对半导体的需求继续持续增长。预计到 2030 年，全球消费将以 7% 至 8% 的复合年增长率增长，而产能仅以每年 5% 左右的速度增长。这种不匹配使每片晶圆都变得非常有价值。即使先进技术节点的良率仅提高 2%，每年也可以释放约 150,000 片晶圆，这意味着数十亿美元的额外供应。
生成式人工智能通过提前创建优化设计、预测潜在缺陷以及增强晶圆制造中的调度来应对这些挑战。它正在重塑半导体行业的经济性——提高良率、减少不一致并增强供应链的可靠性。
半导体制造中的良率挑战
芯片制造涉及从光刻到蚀刻的 1,000 多个步骤。在三纳米及以下的先进节点上，微小的原子级变化会使晶圆无法使用。由于单片硅片的成本超过 16,000 美元，任何良率损失都会直接降低利润率。
美光科技首席执行官 Sanjay Mehrotra 表示，良率的每一个百分点提高都像是在没有资本投资的情况下增加一个新的制造工厂。
生成式人工智能如何创造战略价值
生成对抗网络 （GAN）、变分自动编码器 （VAE） 和基础模型等生成模型超越了预测分析：它们生成了更好的替代方案。四个应用程序脱颖而出：
设计优化
生成式 AI 评估数千种布局变体，以识别减少缺陷的配置。新思科技与台积电 （TSMC） 合作，报告称，使用人工智能驱动的设计空间探索，良率提高了 15%。随之而来的是更快的设计周期和更快的交付给客户。一家欧洲无晶圆厂设计公司利用生成式人工智能进行设计优化，并在短短 18 个月内实现了投资回报率，减少了晶圆报废，加快了收入实现，并降低了运营成本。
缺陷预测
人工智能生成合成晶圆图，在缺陷出现之前训练检测系统。总部位于美国的 KLA 公司报告称，缺陷检测提高了 25-30%，从而产生了更多可用的晶圆和更快的生产周期。三星实施了基于人工智能的良率学习，将生产线故障率降低了 12%，减少了缓冲库存需求并提高了交付可靠性。
光刻协助
AI支持掩模图案生成，通过逆光刻技术（ILT）和光学接近校正（OPC）最大限度地减少失真。英特尔报告称，边缘放置误差减少了 40%，提高了一次通过良率。
供应保证和织物调度
生成式 AI 模拟数千个调度场景，平衡工具使用，并最大限度地提高吞吐量。一家台湾无晶圆厂公司利用人工智能调度将晶圆周期时间从 20 天缩短到 17 天，确保在竞争激烈的市场中及时交付芯片。
它还增强了更广泛的供应链弹性。Global Foundries 应用预测分析将材料短缺期间的恢复时间缩短了 30%，帮助采购部门在中断期间满足客户需求。
行业案例研究和成果
Samsung Foundry – 基于人工智能的良率学习- 它将切割线故障率降低了 12%，降低了缓冲库存要求并提高了客户的交付可靠性。
Global Foundries – 预测性供应链分析：通过预测性分析，它提高了供应链的弹性，并将材料短缺期间的恢复时间缩短了 3%，使采购团队能够满足客户需求。
欧洲无晶圆厂设计公司 – 设计优化： 该公司采用生成式人工智能进行布局优化，仅用了 18 个月就实现了投资回报率 （ROI）。通过减少晶圆废料、加快收入实现和降低运营成本。
战略采购和供应链价值
生成式人工智能具有双重作用。在车间，它的功能就像检查数十亿个缺陷模式以提高产量。在董事会中，它可以降低风险，加强供应连续性，并保护利润率。
生成式人工智能的预测洞察设施可以帮助优化交货时间、多源战略指导和供应商谈判，并使合同要求与晶圆厂的实际绩效保持一致，确保可靠的产能保证。
SEMI 首席执行官 Ajit Manocha 表示，生成式人工智能不仅仅是提高产量，它还降低了流程可变性，提高了可预测性，并增强了整体运营弹性。
采用的挑战
尽管具有变革潜力，但在半导体行业采用生成式人工智能仍面临一些挑战：
Ø 数据机密性：这仍然是关键问题，因为处理后的数据是专有的，难以在生态系统之间共享。
Ø 计算强度：需要大量的计算设备来训练复杂的人工智能生成模型。
Ø 可解释性差距：为了培养信心，工程师和采购团队需要人工智能建议保持透明。
Ø 变革管理：为了充分实现价值，晶圆厂必须对流程工程师进行再培训，对采购专家进行人工智能素养教育，并跨孤岛将数据科学团队联系起来。
未来之路：迈向自主和弹性晶圆厂
下一代半导体工厂越来越依赖生成式人工智能作为中央智能。新兴趋势包括：
自主晶圆厂：它利用生成式人工智能实时修改配方，以减少产量损失并提高效率。
协作生态系统：设计公司、设备制造商和晶圆厂共享人工智能模型，以优化生产和供应链弹性。
零缺陷制造：虽然理想主义，但生成式人工智能在实现这一目标方面正在取得实质性进展，使晶圆厂更接近近乎完美的产量和一致性。
领导者的战略要务
对于采购主管、半导体领导者和战略决策者来说，前进的道路是明确的：
跨运营扩展 AI：从试点过渡到计划、光刻、电子设计自动化和检测工作流程的完全集成。
在采购中利用人工智能： 利用洞察力进行合同谈判、供应商多元化和交货时间可预测性。
投资于人员和协作：整合供应链经理、数据科学家的专业知识，并加强与人工智能解决方案提供商和学术机构的协作。
结论
生成式人工智能正在改变芯片制造。它可以提高产量、减少缺陷并改进生产计划。更重要的是，它可以帮助领导者使供应链更强大，利润率更稳定，交货时间更可预测。
首先采用人工智能的公司将释放额外的产能，保护供应连续性，并获得明显的竞争优势。每个晶圆都很重要，每周的交货时间都很重要。生成式人工智能确保两者都不会被浪费。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
