AI攻不下晶圓廠(chǎng)關(guān)鍵系統

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(gè)300mm（12英寸）的功率半導體晶圓廠(chǎng)。據悉，該廠(chǎng)將采用人工智能技術(shù)和自動(dòng)化晶圓運輸系統，預計第一階段產(chǎn)能滿(mǎn)載后其產(chǎn)能將會(huì )達到2021年的2.5倍。在全球仍面臨芯片短缺的當下，各個(gè)廠(chǎng)商都在探索提升晶圓產(chǎn)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(dòng)下，人工智能（AI）、云計算、大數據、物聯(lián)網(wǎng)（IoT）等新興技術(shù)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(chǎn)品。遠遠望去，作為技術(shù)含量最高的產(chǎn)業(yè)之一，半導體制造似乎天生就和各類(lèi)新興技術(shù)完美契合，EUV光刻機、潔凈室、全自動(dòng)產(chǎn)線(xiàn)和人工智能、云計算的組合似乎描繪了一幅美好的畫(huà)面。但需注意的是，半導體制造本質(zhì)上仍是傳統制造業(yè)，從晶圓廠(chǎng)的角度，最終追求的是產(chǎn)能、良率、成本、晶圓質(zhì)量和穩定性。據業(yè)內人士向芯東西透露，人工智能和云技術(shù)等新興技術(shù)短期內仍難以應用于晶圓廠(chǎng)的關(guān)鍵系統中。

01.AI未來(lái)或可帶來(lái)每年900億美元收益ASML用AI加速光刻流程

美國咨詢(xún)公司麥肯錫認為，人工智能/機器學(xué)習等新技術(shù)能夠有效地提升晶圓廠(chǎng)的收益。根據麥肯錫的數據，隨著(zhù)芯片制程節點(diǎn)的演進(jìn)，晶圓廠(chǎng)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(lái)的兩到三年內，人工智能/機器學(xué)習每年可能產(chǎn)生350億至400億美元的價(jià)值。如果將這個(gè)時(shí)間線(xiàn)拉長(cháng)到未來(lái)4年后，其每年的收益可能會(huì )上升到850億美元到900億美元。

對于晶圓廠(chǎng)來(lái)說(shuō)，隨著(zhù)自動(dòng)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(zhù)更短的生產(chǎn)周期、更少的成本以及更高的良率。在半導體供應鏈的各個(gè)環(huán)節中，制造業(yè)能夠從人工智能和機器學(xué)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(chǎng)中的應用。應用材料去年推出了新一代的光學(xué)半導體晶圓檢測機。該機器引入了大數據和人工智能技術(shù)，不僅能自動(dòng)檢測更多芯片，而且大幅提升檢測致命缺陷的效率，其系統每小時(shí)可減少260萬(wàn)美元的良率損失。早在2017年，ASML便在SPIE（國際光學(xué)工程學(xué)會(huì )）的光掩模技術(shù)大會(huì )上發(fā)表了“Machine learning assisted SRAF placement for full chip（機器學(xué)習輔助SRAF放置全芯片）”論文，將深度卷積神經(jīng)網(wǎng)絡(luò )應用于全芯片布局中，且提升了光刻速度。由于這種深度學(xué)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(jīng)網(wǎng)絡(luò )來(lái)加速計算，其輸出結果仍采用傳統的光刻程序進(jìn)行處理，從而提升光學(xué)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(guān)注人工智能技術(shù)在晶圓廠(chǎng)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(chǎng)建成。博世管理委員會(huì )主席Volkmar Denner稱(chēng)，這是博世第一座AIoT工廠(chǎng)，投資額約為10億歐元，從一開(kāi)始就實(shí)現了完全連接、數據驅動(dòng)和自?xún)?yōu)化。通過(guò)各類(lèi)傳感器，該工廠(chǎng)每秒能夠產(chǎn)生500頁(yè)文本的生產(chǎn)數據，一天的生產(chǎn)數據超過(guò)4200萬(wàn)頁(yè)。博世通過(guò)人工智能方法對這些數據進(jìn)行評估，其自?xún)?yōu)化算法根據數據可實(shí)時(shí)分析制造和維護過(guò)程。此外，據國產(chǎn)CIM廠(chǎng)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(jué)、深度學(xué)習、大數據等技術(shù)在檢測系統、檢測與控制系統和決策系統中都有著(zhù)一定的幫助和應用。

02.面臨穩定、安全挑戰AI/云或水土不服

邱崧恒早在1993年就參與到了臺積電產(chǎn)線(xiàn)的自動(dòng)化，之后曾任南亞科技、華亞科技、長(cháng)江存儲、泉芯的IT負責人，主導了長(cháng)江存儲和泉芯的CIM系統（計算機集成制造系統）整合。據他向芯東西分享，當前12英寸晶圓廠(chǎng)在自動(dòng)化方面的進(jìn)展已相當之高。此前他在華亞科技時(shí)，華亞科技的自動(dòng)化能力，產(chǎn)品芯片的自動(dòng)傳輸生產(chǎn)達到99.5%（也就是1000批中995批是OHT自動(dòng)搬運生產(chǎn)）；而非產(chǎn)品芯片則可以達到97.5%的自動(dòng)化水平。在先進(jìn)的工業(yè)4.0晶圓廠(chǎng)中，芯享科技能夠從Excellent Manufacturing（最大化生產(chǎn)）、Intelligent Analysis（智能分析）、Productivity/cost（生產(chǎn)能效/成本）和Quality assurance（質(zhì)量保障）等角度，幫助客戶(hù)建立制造執行系統MES、裝備控制平臺EAP、良率分析控制系統YMS、實(shí)時(shí)調度排產(chǎn)系統APS等各類(lèi)軟件系統，最終帶來(lái)晶圓生產(chǎn)良率、成本和質(zhì)量的優(yōu)化。同時(shí)，盡管晶圓廠(chǎng)的很多系統都應用了深度學(xué)習、機器視覺(jué)等人工智能技術(shù)，但實(shí)際上新技術(shù)在半導體制造領(lǐng)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(lái)說(shuō)，CIM系統可分為Critical system（關(guān)鍵系統）和Non-Critical system（非關(guān)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(chǎn)效能改善系統等非直接影響到Fab生產(chǎn)作業(yè)的系統已逐步集成在大數據平臺中，機器學(xué)習、深度學(xué)習、人工智能等應用正在這些系統中逐步發(fā)展。近幾年，晶圓廠(chǎng)排程（Scheduling及Planning系統）開(kāi)始導入基因演算法等人工智能應用，但在芯享科技總經(jīng)理沈聰聰和邱崧恒看來(lái)，MES、TCS/EAP SPC、R2R、FDC、RTD等直接影響到FAB生產(chǎn)作業(yè)的關(guān)鍵系統仍很難用到人工智能。

上揚軟件的董事長(cháng)兼CEO呂凌志也表達了類(lèi)似的看法。他坦言，現在招一個(gè)大數據方面的人很容易，但如果想要實(shí)現數據分析，需要了解整個(gè)工藝場(chǎng)景、工藝知識、工藝規格、產(chǎn)品生產(chǎn)過(guò)程等。在12英寸晶圓生產(chǎn)的一千多步工序中，每個(gè)數據可能和好幾步工序有關(guān)。如果想要判斷數據和哪些工序有關(guān)，需要工作經(jīng)驗達十年以上的工藝專(zhuān)家、場(chǎng)景專(zhuān)家出馬進(jìn)行判別、計算。12英寸晶圓廠(chǎng)中，每片晶圓每天就要產(chǎn)生十幾個(gè)G的數據，每個(gè)月晶圓廠(chǎng)要生產(chǎn)數萬(wàn)片晶圓。更復雜的是，每個(gè)晶圓廠(chǎng)中的設備有新有舊，其集體生成的數據質(zhì)量和大小各不相同，想要跨部門(mén)、廠(chǎng)區的進(jìn)行數據處理，難度十分之大。美國半導體量測設備公司KLA的戰略合作高級主管Jay Rathert曾在采訪(fǎng)中透露，合適的數據必須經(jīng)過(guò)多方處理。如果晶圓廠(chǎng)歸屬于IDM廠(chǎng)商，那么這片晶圓的所有數據都來(lái)自一個(gè)公司；如果晶圓廠(chǎng)歸屬于晶圓代工廠(chǎng)商或封測廠(chǎng)商，這就十分復雜了。因為各個(gè)廠(chǎng)商都有著(zhù)獨特的工藝和IP，其挑戰在于既保護工藝和IP等核心數據，又進(jìn)行一定程度的數據共享。在如此復雜的情況下，晶圓廠(chǎng)采用深度學(xué)習分析數據就像大海撈針一樣，短期內人工智能很難做到對晶圓廠(chǎng)數據的有效分析。

同時(shí)，先進(jìn)12英寸晶圓廠(chǎng)的建設成本在千億人民幣左右，晶圓廠(chǎng)商必須要追求生產(chǎn)的穩定性和安全性。在沈聰聰和呂凌志他們看來(lái)，人工智能從某種程度上來(lái)說(shuō)，類(lèi)似一個(gè)“黑箱”，從訓練到輸出有著(zhù)太多的不確定性。事實(shí)上，在行業(yè)內，很多看起來(lái)十分智能的系統，其背后是半導體CIM廠(chǎng)商們對這些軟件系統的大量編寫(xiě)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(zhuān)家，信息安全是一個(gè)切實(shí)需要考慮的因素。芯享科技邱崧恒分享了一個(gè)案例，當年某國產(chǎn)存儲芯片廠(chǎng)商發(fā)布新技術(shù)后，遭到了大量的黑客攻擊，其每個(gè)月遭受的黑客攻擊次數都以十萬(wàn)次為單位。最多的兩個(gè)月里，該企業(yè)每個(gè)月遭受的黑客攻擊次數超過(guò)50萬(wàn)次，追蹤攻擊來(lái)源發(fā)現，攻擊來(lái)自美國、俄羅斯、韓國、中國、越南等多個(gè)國家。而當晶圓廠(chǎng)商存在人員流動(dòng)時(shí)，不管有意還是無(wú)意的文件外泄或攜入都會(huì )帶來(lái)嚴重的經(jīng)濟糾紛。芯享科技因此也打造了一套主動(dòng)的文件掃描系統，判斷新員工是否會(huì )攜帶非法文件，以免訴訟糾紛。因此，雖然晶圓廠(chǎng)商可以打造一些企業(yè)的私有云或將非敏感信息上傳，但核心資料與系統都有些“談云色變”。

03.行業(yè)人才分散，國產(chǎn)晶圓廠(chǎng)智能化仍面臨較大挑戰

由于全球缺芯，美、日、韓、歐、中各國家和地區正大力發(fā)展半導體產(chǎn)業(yè)。隨著(zhù)各種政策發(fā)布和市場(chǎng)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(chǎn)半導體廠(chǎng)商層出不窮，芯片人才被大量分散到各個(gè)廠(chǎng)商中。但以CIM系統為例，一個(gè)晶圓廠(chǎng)涉及到的軟件系統十分廣泛，單打獨斗很難推動(dòng)企業(yè)發(fā)展，人才利用率較低。對于晶圓廠(chǎng)運行，如果想要對產(chǎn)線(xiàn)效率、成本、良率進(jìn)行優(yōu)化，需要廠(chǎng)商和工程師具備豐富的經(jīng)驗和技術(shù)積累，才能從TB乃至PB級別的數據中找出關(guān)鍵的數據。在火熱市場(chǎng)的表面下，過(guò)于頻繁的人員流動(dòng)并不利于企業(yè)的發(fā)展。值得注意的是，晶圓廠(chǎng)的建造需要耗費大量資源和時(shí)間，對于4英寸、5英寸和6英寸這樣技術(shù)較為成熟的產(chǎn)線(xiàn)，是否需要進(jìn)行智能化改造以及是否值得將其智能化，都需要打一個(gè)問(wèn)號。甚至對一些工藝較為成熟的晶圓廠(chǎng)來(lái)說(shuō)，“工業(yè)4.0”、“智能制造”等概念仍是一個(gè)偽命題。另外，即使晶圓廠(chǎng)推動(dòng)產(chǎn)線(xiàn)的自動(dòng)化和智能化水平，其產(chǎn)線(xiàn)先進(jìn)程度仍是一個(gè)市場(chǎng)、投入和企業(yè)執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(chǎng)商，推動(dòng)產(chǎn)線(xiàn)自動(dòng)化既需要強大的動(dòng)力支持，也需要晶圓廠(chǎng)的負責人自上而下地切實(shí)推動(dòng)和支持。他提到在中國臺灣，由于各個(gè)晶圓廠(chǎng)聚集在新竹等產(chǎn)業(yè)園區，形成了一股互相追趕的風(fēng)氣。只要有一家企業(yè)采用了更加先進(jìn)的方法和工具，別的廠(chǎng)商也要采用，不然就會(huì )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(chǎn)線(xiàn)自動(dòng)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(chǎng)商在這一方面有所不足。
04.結語(yǔ)：短期內半導體制造+AI時(shí)代恐難到來(lái)

隨著(zhù)AI、云技術(shù)等新技術(shù)的快速發(fā)展，這些新技術(shù)和半導體設備、部分系統的結合確實(shí)取得了很多成就，ASML、臺積電、博世、應用材料等巨頭都在推動(dòng)相關(guān)的研究和實(shí)踐。但從根本上看，半導體制造工藝的核心仍是良率、質(zhì)量和成本。在巨額投入下，任何新技術(shù)進(jìn)入產(chǎn)線(xiàn)都需要以月、以年為單位的驗證周期。短期內，AI、云技術(shù)等技術(shù)很難從底層影響半導體制造，穩定性和安全才是各個(gè)廠(chǎng)商關(guān)注的焦點(diǎn)。