面對商業環境的快速變化，加快全球製造業邁向智慧製造的速度，根據TrendForce研究報告顯示，預估2026年智慧製造市場規模將達6,200億美元，年增率為12.7%。相較於傳統製造業，半導體推動智慧製造的目的，則是希望透過物聯網、大數據分析、人工智慧、自動化、雲端運算等，實踐提高生產品質、效率，進而朝向先進製程邁進。
鑑於製程進步和設備日益複雜帶來挑戰，SEMICON Taiwan 2023國際半導體展展覽期間特別舉辦高科技智慧製造論壇，由SEMI Sr. Director Mark da Silva，以及台積電副處長暨SEMI智慧製造委員會共同主席游志源開場引言，邀請各方專家齊聚一堂，分享運用人工智慧、機器學習、大數據等科技，引領半導體產業從自動化走向智慧化，打造產業新格局。
生成式AI技術加持智慧製造效益再提升
近幾年AI技術蓬勃發展，雖然為產業發展帶來極大幫助，多數人往往不知道相關技術之間的差異。傳統AI技術是透過學習、分析、預測等方式，讓電腦模仿人類行為解決任務。而為讓AI技術能有更好表現，機器學習則是透過資料結合統計與數學方式，訓練系統可解決特定問題。而深度學習則是以資料搭配神經網路，讓人工智慧可解決複雜問題。至於近來爆紅的生成式AI，則是使用神經網路從超大資料集中學習，透過理解上下文之間的方式，以便具備如同人力一般可產生新、獨特資料能力，可望讓智慧製造創造更大效益。
NVIDIA 資深資料科學家劉冠良指出，在生成式AI浪潮下，大語言模型也備受關注。相較於傳統自然語言處理方法，大語言模型最大特色在於不需要標記資料、參數數量往往高達數十億或數千億以上，僅需單一模型即可完成任務，且無需重新進行訓練，所以也擴大AI在產業、企業中的影響力。而大語言模型訓練方式很間單，就是讓AI系統接受大量訓練之後，擁有預測下一個單字的能力。而搭配後續客製化訓練後，即可具備解決產業問題的能力。預計生成式AI軟體價值高達1500億美元，而全球軟體產值約6850億美元，高盛甚至預估AI技術可望貢獻全球GDP的7%。
「常見開發流程大致上可分為概念發想、案例收集、概念驗證、原型設計、優化與擴張，最後才會進入正式量產的階段。在資安威脅無孔不入的狀況下，半導體產業必須有一套完善的資安防護機制，才能避免發生重要資料遭盜竊取的憾事。」微軟 AI 全球黑帶專家賈濟鑫解釋：「Azure OpenAI是項功能強大的感知服務，所以特別在在安全基礎上做了很多規劃，如身份管理的IM-1、隱私存取的PA-3、網路分割的NS-1、加密敏感的DP-4等，讓用戶能透過功能之間的搭配，強化整體資安防護力。」
聯華電子智慧製造處副處長暨SEMI智慧製造委員會共同主席林京沛說明，透過結合SEMI智慧製造委員會中制定的智慧製造願景金字塔模型以及SAE(國際汽車工程師學會)自駕車概念，來逐年達到AI驅動的全自主化工廠(AI-driven autonomous smart factory)的願景，全力強化公司在半導體產業的長遠競爭力。他也提到，在智慧製造落地實施的過程中，將面對諸多技術或管理思維上的挑戰，因此建議有意推動智慧製造的企業，應該先設定數位轉型推動願景與流程盤點，並透過概念驗證、複製成功模式、大規模擴張等三步驟，持續改善以提升企業價值。
Dell Technologies 技術長 Charles Sevior說，生成式AI堪稱是AI技術的重大革命，也讓應用情境延伸到數位助理、產量優化等領域。如半導產業在生產過程收集大量資料後，運於訓練專屬的AI模型之用，進而在晶圓設計、生產過程等階段確認是否缺陷，實現提升晶片良率、降低整體成本支出。
借助智慧製造提升品質、優化製程
儘管近幾年在半導體產業攜手合作下，讓晶片製造技術持續進化、突破極限，不過正面臨前所未有的挑戰。首先，產業需在材料參數、良率或電氣性能之間建立多元相關性，才能穩健邁向先進製程。其次，產業亦需一套更為精確的控制與監控方法，進而實現降低成本、提高效率的目標。正因如此，半導體產業很早就透過人工智慧、機器學習等創新科技，打造可收集和分析大量資料的智慧平台，以便能實現自動化和數位化，進而加速邁向先進製程的目的。
Samsung VP of TechnologyJae Yong Park博士指出，以AI為核心的資料分析功能，讓製造業能從大量製造資料中挖掘出有用的資訊，進而達成強化決策和優化流程等目的。在半導體晶圓廠中則被廣泛應用於即時監控、故障檢測、預測性維護和產量預測時，對於提升產量、減少缺陷、強化整體營運績效等帶來極大幫助。
Merck KGaAHead of Operations for Digital Solutions SafaKutup Kurt博士說，身為全球主要半導體材料供應商，我們能提供非常完整的數位解決方案，助產業面臨晶圓尺寸縮小、製程變化相關等痛點。Merck KGaA獨家推出的智慧製造策略，是使用先進分析和建模工具，搭配後續完整的分析能力，可協助客戶實現提高產量、穩健製造的目標。
「智慧製造是種利用設備產生資料進行分析的方法，達到改善設備健康監測和製程控制的目的，不光適用於最先進的晶圓廠或工廠，能廣泛應用於其他製造業之中。」Kulicke&Soffa Executive Vice President & General Manager張贊彬解釋：「現今製造業正加速邁向現今製程，也面臨晶片小型化、高密度等挑戰，若能透過智慧製造技術協助，讓後端封裝幾段藉由 HI 技術和 2.5D/3D 封裝技術協助，將可延長摩爾定律適用時間。」
A Lam Research CompanySemiconductor Software ProductsSenior DirectorJoseph Ervin博士指出，隨著半導體朝向先進製程邁進，是必須透過虛擬製程建模、虛擬計量、虛擬製程最佳化、監督影像測量等技術搭配，才能克服各種挑戰。以廣泛應用於不同領域的機器學習技術為例，在即時前饋和反饋優化等部分展現相當不錯的效益，是優化半導體製程不可或缺的重要技術之一。
Siemens AG Global Head of Vertical Management Semiconductor Digital Industries Katharina Westrich表示，在全球日益重視節能減碳議題下，數位轉型不光成為推動經濟成長的重要核心，也是降低能源消耗的重要方法。半導體產業在邁向先進製程過程中，透過智慧製造協助不光能提能源使用率，也能減少材料的浪費，是落實ESG不可或缺的重要步驟。
Synopsys Director of Applications Engineering Gabriel Villareal說，在滿足多元應用服務需求下，催生各種新晶片架構、圖形化技術問世，驅動半導體產業像先進製程邁進。相較於10年前，現今晶圓製造流程更為複雜，必須借重AI、ML等工具分析大量資料，才能解決生產過程中的各種問題，加快先進晶片的量產速度。
半導體產業不光是自動化程度最高的產業，亦是引進智慧製造最早、應用範圍最廣的產業，也得以讓更多消費者享受到先進製程創造的便利生活。此借重智慧製造邁向先進製程的做法，絕對足以作為其他製造業借鏡。
「SEMI 智慧製造倡議」旨在協助半導體製造商和供應商解決採用智慧製造應用可能產生的問題、縮短投資回報的時程，以改善製程並優化「感測-連接-預測鏈」的作業效率。SEMI長期致力於推動產業發展，日後也將持續偕同SEMI智慧製造委員會進行跨界資源整合與交流，使台灣半導體產業鏈上、下游廠商一同朝著智慧製造與數位轉型之目標躍進。
