工程智能发展之路（一）：崛起中的中国力量

  半导体工厂是现代工业皇冠上的明珠，其生产的全部过程复杂精细，对效率和良率有着极高的要求。然而，传统的数据分析和经验传承模式已难以满足智能制造时代的需求，成为制约现代工厂发展的瓶颈。工程智能(EngineeringIntelligence,El)作为半导体工业软件体系的核心环节，正扮演着逐渐重要的角色。

  但在这样的领域，国内一直处在无人区，以深圳智现未来工业软件有限公司为代表的国内 E1 厂商强势崛起，不仅打破了国外厂商垄断，更以AI的引入，为中国制造业智能化转型注入澎湃动力。

  在半导体行业的早期，制作的完整过程依赖于严格的物理控制和工程师的个人经验。当时，工艺的复杂度相比来说较低，晶圆厂的规模也较小，数据处理和分析的需求能够最终靠半手工方式或通用软件工具来满足。但随着集成电路(IC)的特性逐渐变得复杂，传统的方法开始显得力不从心。

  随着计算机技术的进步，自动化开始步入半导体制造领域。晶圆厂开始利用计算机控制设备和制造执行系统(MES)来管理生产流程。数据采集系统(DCS)和统计过程控制(SPC)工具的引入，使得制造过程的监控慢慢的变精准。

  但是在现代制造业中，仅依靠制造执行系统(MES)、设备自动化系统(EAP)、高级计划排程系统(APS)、实时派工系统(RTD)等各种管理系统，还远远不足。这不仅考验工程师的经验积累、能力储备、责任心，还要求他们具有非常出色的复合能力。而且工厂的设备可能有成百上千的参数，这些参数可能以秒甚至毫秒级的周期波动，加上多个参数之间的相互关联，光靠工程师手动监控是不现实的。同时，这些海量的设备数据、工艺数据也是工厂最宝贵的资产，如何挖掘其价值以实现数据驱动的智能决策是必须面对的挑战。

  于是，工程智能(EI)技术开始萌芽，通过集成软件、传感器网络和先进的数据处理能力，帮助制造过程实现了更高的自动化和智能化。人工智能技术(AI)的进步为 EI 技术的发展提供了基础和支撑。EI开始采用更复杂的算法来优化制造参数，进行虚拟建模，实时监控设备状态，并预测维护需求辅助工程师决策。

  工厂智能化制造的实现可大致分为三个阶段:数字化、自动化和智能化。数字化是基础，通过物联网技术实现生产的全部过程的数据采集和透明化;自动化是提高生产效率的关键步骤，通过程序控制和机器协同代替人手”，以及运用生产调度系统来优化工艺流程;最后，智能化是目标，通过工程智能建立复杂的算法模型，将工程师的经验转化为数据驱动的智能分析，发现异常、精准定位问题根源，并提供及时的解决建议和反馈。

  在制造业转变发展方式与经济转型的路上，唯有制造自动化与工程智能化两者共同助力才能实现价值最优。如果将工厂比喻为一个人体，自动化系统(如MES等)就像是执行命令的“手臂”，直接控制生产线上的机械手臂和设备，确保生产的全部过程的连续性和效率;而工程智能(EI)系统则相当于进行思考和决策的“大脑”涵盖了更广泛的数据分析和优化任务，如通过先进过程控制(APC)来提升制程的控制能力，通过建模实时监控和预测维护(FDC/PPM)来提高设备效率。

  可以说，唯有工程智能这样的“大脑”，工厂才能实现真正的智能化。工程智能不仅是实现制造业智能化的必经之路，更是未来智能工厂的基石。

  但开发工程智能软件却难如登山。纵观过去近50年，全世界内仅有三家公司可提供成熟且经过验证的工程智能软件产品:美国AMAT(AppliedMaterials)、美国PDF Solutions和韩国BISTel。它们的成功，并非偶然，而是有迹可循。

  陪伴超大型客户从零到壹，是它们成功的重要的条件。三家公司无一例外地在与超大型客户的共同成长和陪伴下，积累了宝贵的经验和数据

  。PDF Solutions:成立于1991年，服务于稍晚起步的IDM和Fab，前两大客户长期占据其年收入超20%，甚至40%以上。

  。BISTel:成立于2000年，部分核心成员来自三星电子，早在初期该公司尚未形成软件产品的时期，BISTel就服务于三星，并在三星的支持下打产品，三星和海力士都是其20多年的客户

  他们在大厂的陪伴下工艺不断精进，积累了数十年的晶圆工艺和数据沉淀形成了极高的行业壁垒。

  形容工程智能软件的难，可以将之比作是“冰山模型”。露在海面上的常见现象及应对策略只是冰山的一角，水面之下的经验模型算法才是制胜关键。比如说，有些偶发情况可能一年只发生一回，但这对于产线来讲都是不可接受的。即使经验比较丰富的工程师，也难以穷尽所有偶发状况。而经验沉淀和传递是另一道难题，工程师积累的经验，往往是隐性的、非结构化的，难以有效传递和共享。海量数据的价值也无法充分挖掘。怎么样应对这些未知的挑战?如何探寻异常背后的根因?这样一些问题，考验着工程智能软件的智慧和能力。

  故而，工程智能系统的核心价值在于其深藏的经验、精细打磨的模型算法和久经考验的代码，新进的门槛极高，打磨成熟工程智能产品非常困难。

  在这样的背景下，2021年9月，智现未来通过收购韩国BISTel的知识产权，开启了100%全国产的本士的“工程智能之路”。智现未来不仅承接了原来BISTe的完整知识产权、重要核心人才队伍、所有的中国客户，还在强大的中国软件工程能力的支撑下，完成了产品技术的快速迭代和升级，并于2023年底发布了多款新产品和新版本，获得了更多新客户和老客户的认可和信赖。

  在短短两年多的时间内，智现未来已经取得了显著的成就，是中国本土唯一成功上线英寸量产产线的国产工程智能系统供应商。智现未来工程智能系统的常年稳定运行，保障着中国顶尖晶圆代工厂10-12万片晶圆/月的稳定高效的生产。在国内顶尖的八家大硅片制造企业中，有五家选择了智现未来的EI系统，展现了其在行业中的广泛认可和应用。此外，智现未来在中国显示面板El市场还实现了100%全面覆盖。

  目前智现未来形成了较为完善的产品矩阵，涵盖数据搜集、监测、分析、预测及自适应决策等环节，为泛半导体行业提供整体工程智能系统(EI)解决方案。

  智现未来以EES(设备工程系统)为核心的工程智能系统，能够从数据收集(设备数据、量测数据、产线数据等)--建模监测(FDC/DFD故障监测、R2R/APC 先进过程控制、SPC统计过程控制、RMS配方管理系统:MPA设备监控性能分析等)--数据分析(YAS良率分析、TA追踪数据分析、CM装备腔体匹配等)--预测(WQP晶圆质量预测、VM虚拟量测、PPM设备预测性维护等)--最终以知识为核心，实现系统自我学习控制，助力全厂的工艺生产设备的全方位的精细化管控，

  值得一提的是，在刚刚结束的业界盛会SEMICON CHINA 2024展会上，智现未来重磅呈现“灵犀”大语言模型的实际应用案例。“灵犀”大语言模型备受业内讨论和关注，是国内首个落地应用的半导体垂直类大语言模型。随着人工智能技术的加快速度进行发展，大语言模型在所有的领域展现出巨大的潜力。在半导体行业，大语言模型在帮助工厂内部解决数据层割裂、分析耗时、人才密度不足、数据价值未被充分挖掘等痛点方面颇有潜力，将有力推动高端制造业实现智能化转型与升级。

  众所周知，今天大多数工厂采用的是传统中心控制的架构，各种各样的应用在数据层是割裂的，分析非常耗时，且高度依赖工程师的个人经验。为应对这些挑战，工厂开始打造大数据底座，实现数据集成，虽减少了数据对齐时间，却仍未摆脱对工程师个体经验的依赖。

  而大语言模型的出现为这一些难题提供了一个良好的机会。大语言模型一个已经验证的能力是把非结构化的数据结构化，一方面可以有明显效果地地把历史上积累的数据资产盘活，另一方面通过整合结构化和非结构化数据形成对工厂全貌的认识。

  “灵犀”聚焦于提升行业效率和解决半导体领域的具体技术难题，是智现未来为半导体工厂打造的新新一代数字底座。依托先进的MOE(Mixture ofExperts)架构，“灵犀”能够整合不相同的领域的专家级模型，打造强大而灵活的整体解决方案。该架构的核心优点是其多样性和专业性，能够针对各种具体任务，提供定制化的智能分析和解决能力，大幅度的提高半导体研发和生产效率。

  目前，“灵犀”大模型在缺陷图像识别、Wafer Map失效自动分类、设备失效根因分析、良率预测等多个领域都已展现出巨大潜力，助力半导体行业智能化升级。以实际应用为例，在半导体生产的全部过程中的多模态缺陷识别应用中，“灵犀“可将数百名工程师一年的工作量缩短至2-3个月完成，所用到样本数量减少2个数量级，分类准确率提升超过10%，大幅度提高了生产效率，还明显降低了工程师的负担。

  这些成功案例不仅展示了大模型技术在半导体实际应用中的巨大潜力，也证明了智现未来在这一前沿技术领域的领导地位和创新能力。

  智现未来依托于EI(工程智能)，并使用A1(“灵犀“大语言模型)再次升级赋能，站在工业革新的前沿，为未来工厂的智能化转型提供强有力的支持

  种种迹象说明，智现未来在本土化之后，不仅仅可以把国际领先的工程智能技术消化吸收，还可以依据中国本土企业的实际的需求、以及巧用新的发展技术如大语言模型进行创新和应用，成功帮助本土客户解决工程智能软件“卡脖子”问题。

  过去，EI几乎是国外厂商的天下;现在，以智现未来为代表的国内E1厂商强势崛起，打破了国外厂商的垄断局面;未来已来，EI将在工厂中发挥逐渐重要的作用，而大语言模型将成为未来工厂的基座和中枢，助力制造业转变发展方式与经济转型。国内EI厂商必将大有可为，在推动制造业智能化转型中扮演重要角色。

  我们也将持续关注和总结分享，智现未来“灵犀”作为国内首个落地应用的半导体垂直类大语言模型，为行业带来的新思路、新方法、新价值。