現如今，芯片短缺的問題逐漸加劇，手機芯片、車載芯片缺貨量直線上升，一度引起業界恐慌。中國半導體行業協會理事長、中芯國際董事長周子學表示，目前半導體供應的緊張程度是近 20 年之最。歷史上整機行業從未受到過如此嚴重的半導體供應緊張影響。當前全球半導體的供應還是處于非常緊張的局面，尤其是汽車行業。

 

 

為緩解缺芯問題，全球晶圓代工廠及IDM廠紛紛提速建廠和擴產。IC Insights預測，2019年至2024年純晶圓代工產值年復合增長率將達9.8%，比2014年至2019年6.0%的年復合增長率高出3.8個百分點，也將高于同期整個IC市場的7.3%的年復合增長率。

 

建廠擴產線就像是讓半導體工廠的四肢更加發達，提升產能實際上還存在著另一種解法，那便是工廠“大腦”的升級換代。

 

 

集成電路制造是十分精密復雜的工程，雖然國內工廠與國外工廠相比在自動化程度上還相對落后，但自動化機臺、AMHS（全自動天車）和AVG（自動導引車）等基礎系統和架構已經初步形成。機器代替人工可以節省人力成本、降低人為誤操作引起的生產事故、提高生產效率。

 

然而，自動化未能完全激發半導體工廠的潛力，在近幾年工業4.0的浪潮下，隨著“智能制造”的概念不斷在工廠落地和實現，工廠的潛力將被盡可能的挖掘出來，而發揮著主要作用的正是前文所提到的工廠“大腦”。

 

“生產軟件是半導體工廠的大腦，而智能制造軟件就是工廠升級后的智慧化大腦，”IKAS（?？怂构I）CEO李杰近日在SEMICON China 2021的論壇上表示。

 

工廠“大腦”的第一次轉型，是完成工業化、信息化的升級，包括CIM計算機集成制造和生產數據的連通。李杰進一步指出，工廠“大腦”的新一輪轉型需要全面貫徹智能化升級，包括生產可視化、生產透明化，以及賦予工廠預測能力和自適應能力。

 

關于工廠智能化升級所帶來的收益，李杰表示，半導體智能制造系統（AISMS）能夠滲透到半導體生產體系的全過程中去，助力半導體全產品線的研發和量產。對于成熟工藝，AISMS能夠提高晶圓廠的產能、降低生產時間、提升良率和降低成本；而對于先進工藝，AISMS則能夠提高研發效率、提升產品性能、優化生產和產品設計。

 

具體應用方面，包括智能質檢及量測，以提升效率和精準率；智能批次控制，以提高R2R響應速度和精度；預測性設備維護，以降低設備非計劃Down機；AI視頻分析，以提高生產效率和安全性；智能生產調度，以縮減生產周期并提升產能等。

 

為了實現工廠的生產智能化，就需要對所獲得大量生產數據進行分析和模型訓練，對AI算力提出了新的需求，也需要強大的AI計算芯片發揮作用。華為半導體電子行業解決方案總監艾小平介紹稱，升騰AI處理器首創的3D cube達芬奇架構，能夠為智能制造提供強大的AI算力底座。據艾小平透露，華為與IKAS合作打造了針對晶圓生產的智能質檢監測方案，能夠使得晶圓召回率高于95%，精確率超過99%，人工成本也降低了40%。

 

除了生產軟件和高算力處理器，工廠的智能化升級自然離不開設備廠商的參與。應用材料自動化產品部工程主管邱曉偉指出，應用材料的全面自動化生產解決方案致力于提高工廠生產力和工藝質量，并通過強大的過程控制能力來幫助客戶實現零缺陷生產。

 

顯然，智能制造帶來的潛力挖掘對半導體工廠具有巨大的吸引力。長電科技項目規劃副總裁王慧卉就強調：“供需兩端嚴重的不平衡是當下芯片制造行業最大的困境，我們迫切的希望智能制造能夠助力芯片制造企業快速地實現數字化轉型，化挑戰為機遇，真正的提升企業的生產效率。”

 

 

盡管產業對智能制造的呼聲越來越高，但對于本土半導體工廠而言，智能化升級還面臨著諸多挑戰。IKAS CEO李杰表示，這些挑戰主要包括設備落后、系統和數據安全性、以及缺乏技術和人才三大挑戰。

 

“國內晶圓廠設備相對落后，自帶軟硬件往往不足以支撐智能化應用，”李杰指出，“通過設備智能化改造，可以幫助老舊設備進行系統化的軟件和硬件升級，達到智能生產的技術需求。”

 

關于安全性問題，晶圓廠對于技術和數據保密性和安全性要求極高，特別是智能化相關的（如大數據分析結果和智能化改造策略等）、對客戶市場競爭力有重大影響的內容。李杰表示， IKAS提供專職的團隊長期服務于特定的單一客戶，業務有交叉的客戶由不同項目組提供技術支持和服務，并保證數據不出廠，確保系統和數據安全性。

 

最后也是影響最大的挑戰就是技術和人才的匱乏。技術方面，國內工業軟件廠商目前在半導體制造領域仍與國外廠商存在差距。上揚軟件董事長呂凌志指出，目前在半導體產業，尤其是國內的12英寸量產產線，仍然沒有本土廠商的MES（制造執行系統）管理軟件。

 

如李杰所言，智能制造是一個系統工程，涉及自動化和機械工程、計算機科學等多個學科，是工業系統建模、數學化設計與制造、智能裝備智能機器人、物聯網、人工智能、大數據、云計算等許多關鍵技術的集成，融合了相關領域的最新發展技術。因此，智能制造技術的發展和落地需要大量的人才。

 

為了聚合和充分利用各方資源促進中國智能制造技術的發展，IKAS去年與IEEE共同成立了IEEE AISMS TC（IEEE智能制造技術委員會），旨在推動國際和國內人工智能、智能制造和數字制造領域的跨學科研究、教育、國際合作和高水平學術交流。李杰強調，這個集成了全球智慧的平臺，將在很大程度上解決中國半導體智能制造人才短缺的困境和行業資源分散的現狀。

 

在SEMI智能制造標準中，工廠的智能化水平也如同汽車的自動駕駛一樣被劃分成了五個等級，包括S1（設備自動化）、S2（搬送自動化）、S3（排產排程自動化）、S4（工藝自調整）、S5（自愈可優化）。

 

關于未來最理想的智能制造，李杰則認為，最高級別的智能工廠應該是預測能力和自愈可優化能力相結合。

 

“當工廠具備預測能力以后，系統會計算出事件的發生和對產線產生的影響，并提供相應的應對策略，即實現自優化”李杰表示，“舉例來說，在設備意外Down機等意外事件發生之前，工廠就能夠提前調整生產策略，進而避免負面事件的發生并減少成本損耗，整體提高生產效率。”