ARTICLE · 1221317
英特尔的晶圆厂里,AI开始从辅助工具走向制造核心
英特尔的晶圆厂里,AI开始从辅助工具走向制造核心英特尔专家最近撰文称，英特尔Foundry正在推动半导体制造从传统的自动化生产，进一步走向自主工厂，在更多环节更多的利用AI技术。 
文中提到，在SEMICON West 2026上，英特尔Foundry展示了14项相关研究成果和技术方案，重点涉及先进计量、缺陷检测、AI分析、先进封装、芯片测试以及工厂自动化。 英特尔认为，随着芯片制造和先进封装越来越复杂，仅依靠单点优化已经难以满足未来需求，制造系统需要具备更强的感知、分析和自主决策能力。 英特尔Foundry半导体研发、先进封装技术与制造副总裁Lalitha Immaneni 表示，半导体制造正在从孤立优化转向互联智能。真正的工厂自主化也不能只依靠 AI，还需要建立在可信测量、互操作平台和先进测试基础设施之上。 过去，计量更多承担制造过程中的质量检查工作。如今，英特尔希望通过持续测量和监控，把计量数据直接用于预测性工艺控制。 随着芯片工艺越来越复杂，材料、设备、化学品、封装材料以及生产环境之间的相互影响越来越明显。一些问题可能直到制造后期才被发现，最终造成良率下降和成本增加。因此，英特尔正在利用更连续的测量和数据分析，更早发现潜在缺陷和良率问题。 这种思路也正在从晶圆制造延伸到先进封装。 随着Chiplet、混合键合、HBM 以及2.5D/3D封装快速发展，晶圆制造和后端封装之间的界限越来越模糊。英特尔认为，先进封装同样需要具备纳米级精度、严格的过程控制和质量管理能力。 在测试环节，英特尔还在推进Advanced Chiplet Test 服务，希望通过从晶圆到系统的测试，尽可能提前发现问题，并筛选出已知良好裸片，在芯片进入昂贵的封装流程之前提高整体良率。 英特尔此次展示的一个重要方向是自动缺陷分类（ADC）。 目前，不同工艺节点和制造工厂需要管理大量缺陷分类规则和配方，工程师需要花费大量时间分析日志、寻找历史信息、调查根因和检查配方。 英特尔正在引入基于AI Agent的工作流程，让AI协助完成这些任务，并通过人工审核机制控制最终决策。 这意味着AI在晶圆厂中的角色正在从单纯的数据分析工具，逐步成为工程师处理制造问题的智能助手。 英特尔还在探索将AI与传热物理模型结合，通过物理信息神经网络预测芯片内部的热传递情况。相比单纯依赖大量数据训练，这种方法可以利用物理规律提高预测能力，并减少对训练数据的需求。 对于功耗越来越高的AI芯片来说，热管理和可靠性已经成为制造和测试环节的重要问题，这一场景也非常有价值。 英特尔还提到，传统制造系统往往存在供应商锁定和数据孤岛问题，不同设备之间的数据难以互通，这会限制整个工厂的数据可见性，也会拖慢工程决策。 因此，英特尔正在推动硬件无关的自动化架构、互联数据系统以及 AI 驱动的边缘计算。最终目标是让设备、生产数据、AI分析和自动化系统连接起来，使工厂能够进行预测性维护、自动质量检测，并缩短工程响应周期。 想做到这点，行业标准同样重要。英特尔还参与了SATAS产业联盟。该联盟由日本 NEDO 和经济产业省（METI）支持，目前有40多家机构参与，目标是推动半导体组装和测试领域的开放标准、互操作架构以及自动化框架。 英特尔认为，如果不同厂商的设备和软件无法互相理解，即使单个工厂拥有先进的 AI 和自动化技术，也很难真正实现大规模的自主制造。 因此，未来的自主晶圆厂可能不仅是一套 AI 系统，更是一套由计量、数据、AI、自动化、先进封装、测试以及行业标准共同组成的制造体系。
