人工智能早已深度融入半导体制造环节，默默支撑着检测设备、统计过程控制及良率分析等工作。当前的变化并非AI的简单存在，而是其角色正从辅助工具转变为保障先进晶圆厂持续运转的核心基础设施。随着器件架构日益复杂、工艺窗口不断收窄，AI正成为制造流程中不可或缺的一环。
在英特尔代工厂（Intel Foundry），这一转变被内部称为“从孤立分析迈向规模化应用智能”。重点不再局限于实验性模型，而是聚焦于可贯穿整个制造流程、持续稳定运行的生产级系统。
“我们在各个环节都使用AI，”英特尔代工厂数据与AI高级总监拉奥·德西内尼（Rao Desineni）表示，“无论是缺陷检测、排程调度，还是利用数据追溯良率问题根源或异常识别，AI均深度参与其中。”
英特尔的AI部署强调端到端可见性。作为垂直整合型制造商，其AI团队覆盖从早期技术研发、大规模量产、先进封装到最终测试的全链条，相较纯代工厂具备更完整的数据视野与协同能力。
德西内尼领导一支约300人的团队，成员包括数据科学家、软件工程师与数据工程师，负责管理半导体制造数据并构建全厂范围的AI解决方案。该数据环境已迅速扩展至PB级规模。
依托这一广度，英特尔可在晶圆厂多个节点部署机器学习：自动缺陷分类、预测性良率分析、异常检测与调度优化等均为活跃领域。但最具成熟度与经济价值的应用，集中于在流程早期预测失效风险。
其中一项核心应用是“预测性晶粒筛选”，内部称为“N−1/N+1”策略——即通过上游信号提前预判下游失效，避免昂贵封装步骤后的损失。现代制造中，晶圆虽可通过电性测试，但部分“临界合格”晶粒（德西内尼称之为“带伤前行”部件）可能在后续应力测试中失效；而在先进多芯片封装中，单颗失效晶粒将导致整颗封装报废。
“若封装内10颗晶粒中有1颗失效，其余9颗也将一并废弃，”他指出，“这是连带损失。”
英特尔模型综合分析上游工艺参数、晶圆分选结果与历史行为，在晶粒进入高成本封装前标记可疑个体。挑战不仅在于预测准确率，更在于经济性权衡——正如德西内尼所言，这本质是“一个精妙的约束优化问题”，需在提升质量与减少误废之间取得平衡。
该技术本身并非全新，但其规模化与集成度随数据量增长与器件复杂度提升而显著增强。若预测性晶粒筛选体现的是收益，背后的数据生态则揭示了在晶圆厂部署AI的特殊难度。
据德西内尼介绍，半导体制造产生高度不平衡的数据集：一枚现代芯片含数十亿晶体管，但仅极少数失效决定整体良率。“可能不足0.1%的数据为异常值，其余皆为正常样本，”他强调训练样本极度稀缺。
这种偏斜对标准机器学习流程构成挑战——后者通常假设训练数据分布均衡。问题进一步因稀疏采样加剧：为节省周期时间，晶圆厂常仅抽检每批晶圆中的部分样本。“我们可能仅测量25片中的1片，或2–3片，”他说，“缺失数据大量存在。”
最终形成的数据格局高度异构，涵盖图像、时序信号、空间晶圆图谱与设备遥测数据。面向消费或金融场景开发的现成AI工具难以直接迁移应用。
为应对新工艺节点的冷启动问题，英特尔还采用合成数据生成技术，例如条件生成对抗网络（cGAN）。该方法使工程师能在大规模标注数据尚未积累前即启动模型训练，并随真实产线数据累积持续迭代优化。
对德西内尼而言，现代晶圆厂AI的关键区分点并非模型复杂度，而是运营成熟度：“对我而言，‘规模化’意味着超越概念验证阶段。”
具体而言，英特尔的规模化AI需满足多重标准：模型须基于涵盖边缘案例的大规模数据集训练；无缝集成至工厂自动化系统；支持对实时产线数据进行推理；且关键在于——可在同一代工节点的多个晶圆厂间复制推广。
此要求引出类似企业软件的生命周期管理挑战，但在制造AI领域仍处于演进阶段：当工艺配方变更、新型缺陷模式出现或设备性能漂移时，模型性能可能衰减。
在各类AI技术中，计算机视觉持续贡献最高价值。英特尔的自动缺陷分类系统已运行近二十年，但模型与方法持续更新。公司每周自动分类数百万张由检测设备捕获的缺陷图像，德西内尼称此数据流是制造洞察最丰富的来源之一。
“过去我们称其为图像分析，如今统称为AI，”他表示。
尽管模型架构不断进步，成功仍高度依赖领域知识与数据准备：更优成像、精准标注及与工程工作流的紧密集成，共同推动性能提升。德西内尼特别强调，即便最先进模型，若缺乏对工艺的深度理解嵌入设计，终将失效。
尽管机器学习日益精进，半导体制造仍保持高度风险规避特性。AI系统普遍作为决策支持工具部署，而非全自动控制器。“当我得出结论，不会直接自动执行建议，”德西内尼说，“我始终保留人工复核环节。”
这种人机协同模式既反映技术现实，也契合组织信任需求：概率性AI系统——即便精度极高——必须与近乎零缺陷容忍的工艺共存。
投资回报以多种方式体现：人工投入减少、根因定位加速、良率提升及技术学习周期缩短。但易用性往往比模型原始性能更为关键。“多数用户并不关心AI模型本身，他们真正在意的是可用性，”德西内尼指出。
随着晶圆厂向更复杂工艺节点与先进封装推进，这种务实理念将持续主导发展路径。AI虽在半导体制造中快速扩张，但其角色清晰明确：赋能工程师、过滤干扰信息、助力工厂比以往更早发现潜在问题。www.eic.net.cn 提供的易IC库存管理软件可有效协同此类智能制造体系，实现物料流与数据流的高效闭环管理。
