格罗方德分享在晶圆制造中推进AI应用的实践

格罗方德开发了三套可落地的 AI 解决方案。

这些方案分别提升了生产效率、产品质量与设备维护能力。

三项系统均以规模化推广为目标设计。

近期，格罗方德（GlobalFoundries）首席制造官 Pradip Singh 接受了 IndustryWeek 的采访，并分享了公司在晶圆制造中推进 AI 应用的实践。

格罗方德（GlobalFoundries）首席制造官，自 2024 年起担任该职务。负责公司全球制造运营、质量管理及供应链工作。Singh 先生 2009 年加入格罗方德，拥有超过 20 年的晶圆代工行业经验，在制造运营与技术转移方面成绩突出。其职业经历横跨格罗方德全球制造网络中的多个国家，长期担任制造、管理及运营领导岗位。

在当前的技术讨论中，AI 往往与大语言模型（LLMs）联系在一起，例如 ChatGPT 等生成式 AI 工具。但像格罗方德这样的制造企业所推动的 AI 应用，则让关于 AI 的讨论回归到更务实的方向——那些能够真正提升效率并创造价值的技术。

事实上，制造业几十年来一直在使用机器学习与 AI 软件。随着近年来 AI 技术的进一步发展，这些成熟系统正在不断升级，形成更强大的智能化能力，从而在生产效率、质量管理及设备维护等方面持续发挥作用。

在采访中，Pradip Singh 分享了格罗方德开发的三项 AI 工具。这些解决方案具备可扩展性，并已经在部分场景中展现出实际价值。

为推动这些技术在全球落地，格罗方德还成立了专门的数字化制造解决方案团队，负责评估技术部署、制定全球技术优先级，并推动相关解决方案在多个工厂实现规模化落地。

目前，团队重点推进以下三个项目。

生产效率提升：

优化实时调度系统（RTD）

在高产量晶圆制造中，每天需要处理大量复杂的生产调度决策。为进一步优化生产节奏，格罗方德在已有 RTD（Real-Time Dispatching，实时调度）系统的基础上，进一步优化批次移动指令，减少设备空闲时间。该系统由深度学习公司 minds.AI 开发的软件提供支持，其主要作用包括：

预测每个晶圆批次的完成时间；

根据预测结果指示 RTD 提前调度其他批次；

减少设备在等待新晶圆更替时产生的 “white space” （设备空闲时间）。

格罗方德首席制造官Pradip Singh：“在晶圆厂中频繁更换配方会消耗宝贵时间——我们的加工时间跨度很大，每 25 片晶圆加工时间跨度可以从 5 分钟，到长达 12 小时都有。如果加工时间需要 12 小时，那么每天只进行一次硅片更换，损失 5 分钟影响并不大。但如果加工时间很短，例如抽样测试，或者过程很快，晶圆进出迅速，或者设备本身每小时可以处理 1000 片晶圆，那么频繁进行晶圆更替就会增加设备的‘空白时间’。如果每 30 分钟就能减少 5 分钟等待时间，那完全是另一回事。”

该系统最初仅在格罗方德马耳他工厂 100 台设备上进行试点就获得了 1.5% 的生产率提升。2025 年初，已在新加坡工厂全面部署这一系统，因其存在大量配方切换，被视为理想测试环境。

Singh 表示，这套系统的一大优势在于无需针对新产品重新训练模型。随着数据不断积累，系统会持续自我学习和优化。

质量守护者：

捕捉人眼难以识别的检测数据

在晶圆制造过程中，硅晶圆需要经过频繁且严格的检测，包括薄膜厚度、反射率、表面粗糙度及杂质等指标。过去，这些情况通常需要人工进行审查扫描图像，剔除错误报告并识别缺陷来源。

为进一步提升效率，几年前，格罗方德新加坡工厂开发并上线了一套基于 AI 技术的系统，名为“Atlas”。该系统基于数百万张历史硅片扫描图进行训练，能够实现：

识别并分类硅片检测图像中的缺陷；

判断缺陷可能出现的生产环节；

根据历史扫描图数据分析缺陷。

人工检测通常设有缺陷阈值。例如单张扫描图缺陷数量不超过五个即被视为合格。而 Atlas 系统即使在缺陷仅有一个时也会持续进行数据分析，追踪原因，并向质量管理团队提示潜在问题。

格罗方德首席制造官Pradip Singh：“它帮助我们加快整个流程。质量管理的关键在于尽早发现问题，同时尽快锁定缺陷来源。”

目前，新加坡工厂已运行第三代 Atlas 系统，成功将废品率降低 20%。

提升维护效率：

工程师的 AI 助手

设备维护同样是晶圆制造中的关键环节。当设备出现报警或故障时，不同工程师之间的经验差异往往会影响恢复时间。为此，格罗方德与半导体 AI 解决方案公司 Lavorro 合作开发了一套 AI 系统，用于辅助设备故障排查。

该系统基于过去五年的设备故障日志进行训练，其中包含设备型号、错误代码以及历史维修记录。当工程师输入相关信息时，AI 会根据历史数据给出最可能的故障原因以及建议的解决方案。

格罗方德首席制造官Pradip Singh：“这是一个持续进化的系统。每一次维修都会被记录下来。随着数据库不断扩充，答案会越来越准确。”

该方案即将进行试点测试。Singh 表示，这一系统成熟后将进一步提升设备可用时间，并降低维护成本。

对于格罗方德而言，AI 不仅是技术概念，更是推动制造体系持续优化的能力。通过将先进 AI 与成熟机器学习结合，并在效率、质量与设备管理等环节创新应用，格罗方德正在推进 AI 在工业制造中的规模化实践。

这些实践展示了 AI 在工业场景中创造价值的可能，也将海量历史故障数据转化为技师的“智能搭档”，成为制造业数字化演进的自然延伸。