工程智能發(fā)展之路（二）：利用大模型打造新一代工業(yè)智能的數(shù)字底座

筆者按：2024，行業(yè)“GPT時刻”來臨。筆者看到，在匯聚人類頂尖智慧與精湛工藝的半導體行業(yè)，以智現(xiàn)未來為代表的工業(yè)軟件供應商，正發(fā)揮著其深耕行業(yè)數(shù)十年的數(shù)據(jù)積淀、技術(shù)儲備和深厚的一線服務經(jīng)驗，以大模型為武器，盤活工廠數(shù)據(jù)資產(chǎn)，解決晶圓廠數(shù)據(jù)孤島困局、“經(jīng)驗沉沒”和“人才密度不足”等諸多難題，開啟全新的工業(yè)智能時代。

ChatGPT引爆了新一輪的人工智能浪潮，各行各業(yè)都在翹首期盼擁有專屬于自己的“AI引擎”。正如每一次技術(shù)革新都將人類生產(chǎn)力推向新的高度一樣，在特定行業(yè)內(nèi)，對垂直領(lǐng)域大模型的需求日益增長。與應用廣泛的通用大型語言模型不同，這些垂直領(lǐng)域的大模型專注于深入理解和處理特定領(lǐng)域的信息，提供更專業(yè)化的服務，并從根本上提升相關(guān)行業(yè)的生產(chǎn)力。同時，利用大模型洞察垂直領(lǐng)域更為復雜的隱藏邏輯，讓大模型涌現(xiàn)出像人一樣去使用工具甚至制造工具的能力，提供切實的生產(chǎn)力的改進，將是我們一同面臨的機遇和挑戰(zhàn)。

作為國內(nèi)首家推出專在泛半導體領(lǐng)域應用的大語言模型的企業(yè)，深圳智現(xiàn)未來工業(yè)軟件有限公司無疑在行業(yè)變革中扮演著領(lǐng)軍角色。其發(fā)布的“靈犀”大語言模型及其在泛半導體行業(yè)應用案例不僅展示了該技術(shù)在提升芯片制造效率、降低成本以及增強產(chǎn)品質(zhì)量方面的巨大潛力，可以預見，其將為晶圓廠的智能制造提供強大助力。

半導體晶圓廠：數(shù)據(jù)資產(chǎn)的困局與大模型破局之道

半導體制造代表了當前工業(yè)的最高水準，其工藝極其復雜，往往涉及數(shù)千個步驟，在生產(chǎn)中會產(chǎn)生海量的數(shù)據(jù)；而單個工程師一般只具備某個小領(lǐng)域的專業(yè)知識，服務于不同的工程師的各種應用應需求而生，造成了數(shù)據(jù)割裂的現(xiàn)象；數(shù)據(jù)分析起來耗時費力，且高度依賴工程師的個人經(jīng)驗。

以下是現(xiàn)階段以晶圓廠為代表的高端制造業(yè)面臨的典型問題：

?管中窺豹，問題處理效率低下：囿于個人經(jīng)驗和精力的限制，工程師們雖精于一隅，卻難以窮盡全域。面對突發(fā)問題，工程師可依據(jù)過往經(jīng)驗對知識能力范圍內(nèi)的特定問題作出迅速響應，當超出自身經(jīng)驗范疇時，只能從頭摸索，耗費大量時間和精力。只有當一線工程師處理不了的問題才會升級到?線，這無疑減緩了生產(chǎn)的步伐，影響整體效率。

?數(shù)據(jù)孤島，知識壁壘阻礙協(xié)作：單個工程師可能只負責產(chǎn)線的一小段，不同工藝段的數(shù)據(jù)互不貫通，難以理解其工藝段的數(shù)據(jù)結(jié)構(gòu)和具體含義，處理問題就需要跨領(lǐng)域協(xié)調(diào)(Inter-Module Meeting)，甚?反復多次，溝通成本較高，延誤問題解決。

?經(jīng)驗沉淀和知識傳承成難題：海量生產(chǎn)數(shù)據(jù)是晶圓廠寶貴的“資產(chǎn)”。然而，問題往往是在發(fā)生后才被追溯，大量的經(jīng)驗和知識散落在各個角落，難以積累沉淀。而且即使有意去調(diào)用這些數(shù)據(jù)，?檔、報告難以檢索，更難以借鑒，利?率低，造成“經(jīng)驗沉沒”。

?重復操作易出錯，自動化機制亟需建立：晶圓廠生產(chǎn)過程中存在大量需要人工決策的重復性工作，不僅浪費了寶貴的人力資源，也容易導致人為失誤，降低生產(chǎn)質(zhì)量。

為了應對這些挑戰(zhàn)，一方面，不少晶圓廠開始著手打造大數(shù)據(jù)底座，實現(xiàn)數(shù)據(jù)集成，雖然減少了數(shù)據(jù)對齊時間，卻仍未能擺脫對工程師個體經(jīng)驗的依賴。

另一方面，雖然產(chǎn)業(yè)也在不斷地培養(yǎng)新人才。但是，新入行的初級工程師需要較長的訓練和學習時間，難以快速積累經(jīng)驗。案例研究Case study和培訓手段匱乏、導師人手不足等問題，也制約了人才的培養(yǎng)速度和質(zhì)量。此外，過往案例檢索困難，導致知識難以有效傳承，也成為人才培養(yǎng)的一大難題。更令人擔憂的是，好不容易培養(yǎng)出來的人才如果流失，寶貴的經(jīng)驗也隨之付諸東流。

大語言模型的出現(xiàn)，為晶圓廠的困境帶來了破局的曙光。大語言模型一個已經(jīng)驗證的能力是把非結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)化，一方面能夠有效的把歷史上積累的數(shù)據(jù)資產(chǎn)盤活，另一方面通過整合結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)形成對工廠全貌的認識。此外，大語言模型還具備強大的推理能力，特別是能夠從歷史分析、操作和報告中學習并進行邏輯推理。通過對大量數(shù)據(jù)的深度學習，大模型能夠打通信息孤島，實現(xiàn)全局的智能分析。同時，大模型還有希望從大量的數(shù)據(jù)和積累中，洞察出更為復雜的高階關(guān)聯(lián)，實現(xiàn)智能涌現(xiàn)的價值。

“種子”選手智現(xiàn)未來：用大模型打造半導體工廠的智能數(shù)字底座

面對全面的挑戰(zhàn)，?模型極有可能是實現(xiàn)下?代的智能制造的最佳路徑。通過大模型的思考鏈（chain of thought）和驗證鏈（chain of verification），進而結(jié)合多個專家系統(tǒng)，將不同的大模型串聯(lián)起來，形成價值鏈（chain of value），使大模型能夠從“被動調(diào)用”轉(zhuǎn)變?yōu)椤爸鲃影l(fā)現(xiàn)問題”，通過“舉一反三”，創(chuàng)造涌現(xiàn)性價值，為制造業(yè)帶來革命性的變革。

然而，并不是簡單的遷移就可以讓大模型發(fā)揮理想的價值，想要參與到晶圓廠紛繁復雜的工藝制造中，大語言模型需要行業(yè)大量高質(zhì)量的語料結(jié)合經(jīng)驗的積淀來完成訓練，同時需要對行業(yè)充分的理解并贏得客戶的信任。行業(yè)大模型對數(shù)據(jù)、算法、算力皆有要求，需要深厚工程化思維的不斷積累，業(yè)內(nèi)鮮少有企業(yè)能夠具備轉(zhuǎn)化的所有條件。在擁有并理解大量專業(yè)數(shù)據(jù)這方面，只有占據(jù)半導體數(shù)據(jù)高地、深耕工程智能領(lǐng)域幾十年的寥寥數(shù)家公司，可以生成并系統(tǒng)化、規(guī)范化地積累了大量的高質(zhì)量語料。

智現(xiàn)未來在這場已經(jīng)到來的技術(shù)革新浪潮中，就像是“天生”的種子選手一樣，具備發(fā)展泛半導體行業(yè)垂直大模型的所有先天條件。智現(xiàn)未來脫胎于工程智能全球“三大家”之一的BISTel，其在工程智能領(lǐng)域深耕20多年，具備深厚的經(jīng)驗、清晰的行業(yè)認知、技術(shù)儲備及大量標桿客戶的成功案例，積累了豐富的生產(chǎn)數(shù)據(jù)和工藝數(shù)據(jù)。這些寶貴的數(shù)據(jù)財富、全面的行業(yè)理解、構(gòu)建高質(zhì)量模型的人才積累，為智現(xiàn)未來打造國內(nèi)首個半導體垂直類大語言模型——“靈犀”，奠定了堅實的基礎。

以下是智現(xiàn)未來“靈犀”大語言模型的價值實現(xiàn)路徑：

①在當前市場中，眾多基礎大型語言模型（LLM）如GPT 4、Llama 3等紛紛涌現(xiàn)，它們具備基礎的讀寫能力，類似于知識面廣泛的“高中生”。盡管對半導體這類專業(yè)領(lǐng)域有所涉獵，但理解尚淺。如何對這些基礎大模型進行測評？一方面需要AI專家，另一方面，需要將其接入成熟的半導體行業(yè)應用軟件做基準測試（benchmark）。

②為進一步提升，模型需深入學習專業(yè)知識，仿佛“高中生”進入大學專攻半導體專業(yè)，通過吸收半導體領(lǐng)域公有域的知識和資料，逐步成長為知識豐富的“半導體專業(yè)大學生”。語料選擇和如何教授成為這一階段的關(guān)鍵點。

③接下來，由具備數(shù)十年實戰(zhàn)經(jīng)驗和行業(yè)積累的資深專家“智現(xiàn)未來”擔任導師，結(jié)合智現(xiàn)未來20余年積累的私有數(shù)據(jù)（包括設備和工藝數(shù)據(jù)、文檔、模型、算法、代碼等等）深化訓練。

④經(jīng)過上述的培育，模型蛻變?yōu)?strong>工程智能領(lǐng)域的“研究生”，這就是智現(xiàn)未來的“靈犀”大語言模型。

⑤進一步，“靈犀”大模型被放入客戶的晶圓廠實地環(huán)境中，采用智現(xiàn)未來提供的專業(yè)工具鏈和流程，由工廠和智現(xiàn)未來的專家共同指導，經(jīng)過二次訓練和客戶私有數(shù)據(jù)的定制化學習，錘煉成為該領(lǐng)域的技術(shù)專家。

⑥作為工廠的技術(shù)專家，大模型能夠提供智能缺陷檢測、智能報告生成、智能故障分析以及客戶專屬的行業(yè)服務。

這樣的一個大模型集合了所有?程師的視?和經(jīng)驗，既懂設備，又懂工藝、制造、良率分析，涌現(xiàn)出超越個體之和的分析和解決問題的能?，成為生產(chǎn)制造過程的“超級大腦”。

此外，區(qū)別于人類，AI可以實現(xiàn)24小時不間斷運行且錯誤率極低。AI更大的優(yōu)勢在于，它不僅能處理常規(guī)數(shù)據(jù)，還能洞察更高維的關(guān)聯(lián)，提取到?看不到的信息，實現(xiàn)從“類人（like human）”到“超越人類（beyond human）”的智能飛躍。例如：為了適應人的感知，以往的wafer map通過晶圓網(wǎng)格配合顏色可以展現(xiàn)芯片的三個維度(x, y, Good/NG)，但對于每個芯片（die）來說，除了基本的良品（good）與不良品（NG）分類外，其下還隱藏著更多維度的測試結(jié)果，如電性特性等關(guān)鍵參數(shù)，而AI能夠直接處理這些高維的數(shù)據(jù)。

“靈犀”大語言模型：半導體“智造”利器已光芒初現(xiàn)

盡管大語言模型在行業(yè)應用才處于探索階段，但是“靈犀”已經(jīng)在有限的探索范圍內(nèi)閃現(xiàn)了其可能照亮未來的光芒。基于前期長期的積累，僅僅不到半年的驗證及探索，“靈犀”大模型已經(jīng)在缺陷圖像識別、Wafer Map失效自動分類、FDC設備異常監(jiān)控、良率分析預測、設備預防維護、智能專家推理、群體智能知識中臺等多個領(lǐng)域都已展現(xiàn)出巨大潛力，迸發(fā)“靈犀”之光。

1.案例一：多模態(tài)缺陷識別

半導體生產(chǎn)中存在大量缺陷分析需求，傳統(tǒng)方法依賴人工標注和分析，需要大量（可能是上萬個）缺陷樣本的積累才能建立出一個缺陷識別機制，且依賴樣本照?與標記的質(zhì)量，這不僅耗時且易出錯。如何有效整合多維度數(shù)據(jù)以提升分析的深度和積累經(jīng)驗，從而提高缺陷分析的效率和準確性，成為行業(yè)面臨的一個重大挑戰(zhàn)。

基于“靈犀”大語言模型的多模智能缺陷改良系統(tǒng)，通過實時監(jiān)控生產(chǎn)線，能夠結(jié)合圖?特征、產(chǎn)線數(shù)據(jù)、?本經(jīng)驗等多模態(tài)的數(shù)據(jù)，構(gòu)建復合矩陣的多元分析，實現(xiàn)自動識別缺陷，快速準確分類，并自主生成缺陷報告和根因分析。該方案僅需要以前2%的數(shù)據(jù)即可做到更準確的識別，將訓練的樣本數(shù)量減少2個數(shù)量級。這不僅大幅提升了效率，還減少了樣本標錯的機率。原來數(shù)百工程師一年的工作量，“靈犀”大模型只需要2~3個月就可以完成，分類準確率更是提升超過10%。

“靈犀”之光的閃現(xiàn)點：

?“靈犀"的多模態(tài)能力突破了單個工程師對單一知識領(lǐng)域的局限，打破了"管中窺豹"的狹窄視角，實現(xiàn)了對復雜工程問題的全面理解和深入洞察，真正做到知識集合、共享的群體智能。

?借助AI技術(shù)，“靈犀”大語言模型幫助工程師實現(xiàn)了對數(shù)據(jù)的即時分析，極大減少了人工干預，顯著提高了報告的準確性與及時性。

?至關(guān)重要的是，所有分析過程和結(jié)果都被有效整合并沉淀至大語言模型之中，為模型的持續(xù)學習與訓練提供了寶貴資源，確保了智能缺陷改良能力的不斷演進與升級。

2.案例二：良率分析應用（Yield Analysis)

良率(Yield)是半導體產(chǎn)業(yè)的終極挑戰(zhàn)，芯片的良率也直接關(guān)乎著芯片制造的成本，因此良率分析對于半導體制造商來說極為關(guān)鍵。通過系統(tǒng)分析不良品和確定造成不良的原因，可以采取措施提高良率，進而降低成本。

目前市場上廣泛使用的如YMS良率管理系統(tǒng)、DMS缺陷管理系統(tǒng)等良率分析平臺，均屬于管理系統(tǒng)。這些系統(tǒng)在設計時面臨一定挑戰(zhàn)，由于良率分析方法因人而異，對自由度有極高要求，使得軟件設計和操作起來都很復雜，也很難滿足高級分析需求，且常常無法有效關(guān)聯(lián)原始追蹤數(shù)據(jù)（Raw Trace Data）。

基于“靈犀”大語言模型的良率分析系統(tǒng)能夠根據(jù)歷史和實時數(shù)據(jù)自動建模，提供“千人千面”的分析工作臺，增強數(shù)據(jù)探索自由度。“靈犀”極大地簡化了交互流程，加快了問題解決速度。

不同于其他YMS良率管理系統(tǒng)，搭載“靈犀”的良率分析系統(tǒng)(YAS)融合了半導體領(lǐng)域資深AI工程師的智慧與能力，隨時在線的Copilot“老師傅當助理”，可快速調(diào)用數(shù)據(jù)、自動執(zhí)行建模與分析，找到影響良率的根因，并提供優(yōu)化建議，形成報告，幫助工廠快速做出更加精準的生產(chǎn)決策，大幅提升了生產(chǎn)管理的智能化水平。

除此之外，“靈犀”還在多個領(lǐng)域能夠創(chuàng)造令人驚嘆的價值。例如，“靈犀”大模型通過自動化建模和分析，使設備預測性維護從被動轉(zhuǎn)為主動，優(yōu)化維護計劃，讓設備維護更加精準，既避免出現(xiàn)安全生產(chǎn)事故，又避免“過度”維護，從而提高半導體晶圓廠的生產(chǎn)效率并減少經(jīng)濟損失。

可以預見，“靈犀”大模型的應用，將為半導體行業(yè)帶來一場深刻的變革，推動半導體制造業(yè)智能化升級，提高生產(chǎn)效率、降低生產(chǎn)成本、提升產(chǎn)品質(zhì)量，釋放巨大的生產(chǎn)潛力，為行業(yè)發(fā)展注入新的活力。

展望：大模型碰撞工程智能，涌現(xiàn)高質(zhì)量新質(zhì)生產(chǎn)力的無限可能

目前，業(yè)界普遍認為大模型的能力在于其對復雜符號關(guān)系的把握以及對世界高階相關(guān)性的認知，這些能力正在超越人類的認知極限。特別是在智能制造這一領(lǐng)域，大模型通過分析和處理大量數(shù)據(jù)，能夠識別現(xiàn)階段人類工程師難以察覺的模式和關(guān)聯(lián)，從而優(yōu)化生產(chǎn)流程，提升制造效率和質(zhì)量。這種超越人類的認知能力，不僅加速了智能制造的發(fā)展，也必將會對其他相關(guān)領(lǐng)域產(chǎn)生深遠的影響。

工程智能作為高階智能制造技術(shù)，面對的是極復雜、高標準、擁有大量樣本數(shù)據(jù)和經(jīng)驗積累的場景，而這些都作為大量的優(yōu)質(zhì)數(shù)據(jù)樣本，沉淀在代碼和文檔中。大模型與工程智能的相遇，更像是各自準備，相向而行的不期而遇。

可以預見的是，以智現(xiàn)未來為代表的工程智能解決方案供應商，將會用數(shù)十年來構(gòu)建的成熟可靠的產(chǎn)品體系，在大模型的深度融合和加持下，實現(xiàn)革命性的全面煥新。大模型作為中間能力，必將深度滲透并強化了工程智能系統(tǒng)中數(shù)據(jù)搜集、智能監(jiān)測、智能分析、智能預測、智能決策等各個關(guān)鍵環(huán)節(jié)。大模型與工程智能的碰撞，是如虎添翼的優(yōu)勢相乘，天然的優(yōu)質(zhì)土壤遇到基因優(yōu)良的種子，一定可以結(jié)出豐碩的成果。

“GPT時刻”已經(jīng)到來。根據(jù)預測未來3年，AI在整個制造業(yè)的投入規(guī)模和產(chǎn)出價值都將會成倍增長。像”靈犀“這樣的工業(yè)大模型的崛起，正悄然開啟半導體工廠的全新篇章。在這個新的章節(jié)中，所有的數(shù)據(jù)、操作都必須接入大模型，所有的決策都將以大模型為基礎；每個?程師都需要?組?程師助理，以便集中精力解決更重要的問題，提升產(chǎn)線效率；每個??都需要?個專屬于自己的專家系統(tǒng)，將分散的知識經(jīng)驗形成資產(chǎn)沉淀，打造可泛化的群體智能，靜待智能涌現(xiàn)，為“智造”創(chuàng)造無限可能。

審核編輯 黃宇