半導体産業は構造的な転換点に差し掛かっています。AI によって爆発的に拡大する需要、急速に複雑化する製造プロセス、そして厳格化するサステナビリティ要件が同時に押し寄せているからです。このような状況において、装置・センサー・ローカルコントローラに直接実装されるエッジAIは、実験的技術から欠かせない技術へと移行しつつあります。とりわけミリ秒単位が勝負を分ける半導体ファブではその重要度が高まります。SEMIが2026年3月18〜19日にカリフォルニア州ミルピタスで開催するワークショップ Smarter Sensors, Smarter Fabs: AI at the Edge in Semiconductor Manufacturing では、この重要なテーマが取り上げられました。 スパースセンシングから高密度計測へ20年ほど前のプロセス装置は、チャンバーあたり数十個のセンサーを使用するのが通常でした。現在では、最先端エッチング、成膜、CMP、リソグラフィ装置は、圧力、流量、RF電力、光学式エンドポイント、振動、化学組成など、数百のセンシングチャネルを当たり前に統合しています。3nmや2nmではプロセスウィンドウが極めて狭いため、歩留まりは複数の変数が複雑に絡むチャンバー環境や装置状態の把握に依存しており、少数の独立したアラームだけでは対応できません。センサーの急増によりファブは豊富なデータ環境へと進化した一方で、従来の集中管理型コントロールの限界が露呈されるようになりました。 なぜエッジAIがクラウド依存の制御に置き換わっているのか従来のアーキテクチャでは、負荷の大きい解析処理を中央サーバーやクラウドに送り、上位システムが定期的にレシピ、設定値、ディスパッチルールを更新する方式が採用されていました。しかし製造業におけるクラウドとの通信往復時間が一般的に 800〜2,400ミリ秒であるのに対し、装置に密着したエッジシステムの応答時間は 15〜45ミリ秒です。つまり、約50〜160倍高速になるのです。半導体製造のように安全性と歩留まりが極めて重要な制御ループでは、このレイテンシーの差を受け入れられない場合が多いのです。同時に、次世代の低消費電力ニューラルプロセッシングユニット(NPU)やエッジアクセラレータは、1桁ワットの電力で数十TOPS(毎秒数十兆回の演算)を実行できるようになり、装置内やカメラ、コントローラ内部での常時オンの推論が現実的になってきました。その結果、アーキテクチャは決定的にエッジネイティブへと移行しています。つまり、モデルはデータが生成される場所で実行し、クラウドは再学習や全装置群にわたる学習に限定して使う方式へと変わりつつあります。 ライン上で進むエッジAIの活用:制御、検査、保全プロセス制御の領域では、エッジAIによって、従来の単一変量の閾値チェックから、複数センサーのデータがつくる相関的なダイナミクスを理解する多変量モデルへと移行が進んでいます。現在のプラットフォームは、深層学習モデルや統計モデルを装置内部またはその近傍に直接組み込み、高次元の時系列データからリアルタイムでエンドポイント予測や異常検知を実行しています。同様のアプローチはリソグラフィやCMPでも広がっており、ローカル推論によってフォーカス、オーバーレイ、研磨レートを規格内に保ち、ウェーハが制御不能状態に逸脱する前に調整を行えるようになっています。検査やロジスティクスでも同様の変革が起こっています。NPUを組み込んだビジョンシステムは、1分あたり100個以上の処理速度でライン上の欠陥を分類し、大量の画像を中央のクラスタに送る必要をなくしています。ロボットやAMR(自律走行ロボット)は、短時間先の動作の再計算や衝突回避をローカルのインテリジェンスで行い、上位システムはグローバルなスケジューリングや最適化に専念できるようになっています。予知保全は、エッジAI活用の中でも最も成熟した応用分野の一つです。振動、音響、温度、圧力といったデータをローカルで分析し、従来の閾値が反応する数時間から数日前に異常の兆候を検知します。これらのモデルをMES(製造実行システム)や保全ワークフローに統合することで、突発的なダウンタイムの削減、部品寿命の延長、保守コストの低減といった効果が報告されています。 エッジデータを基盤とするデジタルツインとエージェント型AIデジタルツインは、センシングとエッジ分析の基盤の上に成り立つ技術です。装置、ライン、さらにはファブ全体の仮想モデルをリアルタイムに更新しながら維持することで、仕掛かり品を危険にさらすことなく、シナリオテスト、ボトルネック解消、根本原因分析を可能にします。ベンダーや先行導入企業の報告によると、デジタルツインによって、物理的な変更を加える前に数千ものWhat-If分析を実行できるため、プロセスノードの立ち上げや施設稼働開始までの期間を短縮できるとされています。エージェント型AIは、まさにこのデジタルツインの上位レイヤーを担う存在として台頭しています。半導体業界の事例では、MES、高度プロセス制御(APC)、計画システムに接続されたエージェントが、ファブのリアルタイム状況に応じてルーティング、バッチサイズ、スケジューリングを自律的に調整し、スループット、サイクルタイム、装置稼働率を二桁%改善した例が報告されています。また別のエージェントは、非構造化データであるエンジニアのノートや故障報告を解析し、根本原因分析を加速することで、現場で得られた貴重な知見を再現可能なルールとして行動に落とし込む役割を果たしています。 持続可能性が最重要要件になる時代サステナビリティの要求が、この技術スタックをさらに強固なものにしています。半導体製造はエネルギーと資源を大量に消費する産業であり、規制当局と顧客の双方が、より高い透明性と改善を求めているのです。エッジに接続されたエネルギー、ユーティリティ、排出量のモニタリングによって、すでに一部のファブでは、HVAC、プロセスガス、アイドルモードの制御を最適化することで、エネルギー関連コストを約20%削減できたと報告されています。また、imecのSustainable Semiconductor Technologies and Systems (SSTS) プログラムのような研究イニシアチブでは、仮想ファブ手法や詳細なライフサイクルアセスメントを活用し、環境負荷を低減するためのプロセス選択や装置設計に指針を与えています。 実務者向けのさらなる情報源方向性は明確です。高密度なセンシング、エッジAI、デジタルツイン、エージェント型AIを組み合わせたファブは、継続的に学習し、自律的に最適化するオペレーションへ向けて進化しています。アーキテクチャは、クラウド依存ではなくエッジを中心に構築する必要があります。ローカルなインテリジェンスを待たせずに単にセンサーを追加するだけでは競争優位は得られません。また環境KPIも、歩留まりやサイクルタイムと同じ厳密さで最適化されるようになるでしょう。このようなトレンドをロードマップに落とし込みたい実務者に向けて、SEMI Manufacturing Coalitions が主導する Smarter Sensors, Smarter Fabs: AI at the Edge in Semiconductor Manufacturing(2026年3月18〜19日、カリフォルニア州ミルピタス)が開催されました。ここでは、センシング、エッジアーキテクチャ、デジタルツイン、エージェント型AIの専門家が集まり、半導体ファブ向けに最適化された具体的な導入事例やアーキテクチャを共有する場が提供されました。 *SEMI Manufacturing Coalitions には、Smart Manufacturing、Fab Owners Alliance(FOA)、MEMS and Sensors Industry Group(MSIG)、Advanced Packaging Heterogeneous Integration(APHI)、そして Semiconductor Components, Instruments, and Subsystems(SCIS)が含まれています。Anshu Bahadurは、SEMIのTechnology Communities担当のシニアプログラムマネージャーです。Mark da Silvaは、SEMIのManufacturing Coalitions担当のシニアディレクターです。