在AI領域,資料中心成為科技巨頭競逐的新戰場,帶動記憶體與儲存的需求激增,開啟全球記憶體產業的黃金時代。近期,美國記憶體大廠美光(Micron)亦陸續啟動新一波的擴產計畫。
然而,在踏上擴產賽道之前,美光早已整備比拚量產及良率的競爭力,2014年就啟動AI轉型,成為半導體產業AI應用的先行者。不過,當時全球AI技術發展正值從實驗室走向商業化,應用尚未成熟與普及化,美光為何會早一步採取行動?美光智慧製造與人工智慧部門企業副總裁巴克(Koen De Backer)道出原委。
10年AI轉型,產品良率、生產效率雙提升
巴克表示,過去的半導體製造隨著記憶體製程不斷演進,面臨複雜度日益攀升的挑戰,像是在晶圓製造過程中,會產生大量數據,超出人工審查的負荷,導致關鍵洞察容易被遺漏、早期預警信號常被錯過或識別太晚等,進而影響品質控管的即時性和有效性。此外,人工審查高度依賴個人經驗及專業知識,亦讓品質判斷標準不一致。
所以,美光為了解決這些痛點,2014 年起投資AI基礎建設,從新加坡廠區20人試點團隊開始導入AI,接著逐步擴大AI人才規模、建置必要的基礎設施,並持續累積數據資產,預計在今年完成公司全組織轉型,形成「AI優先」(AI First Company)的戰略定位。
而台灣,正是美光關鍵的製造基地之一。負責DRAM製造與先進封裝測試的台灣美光,則自2016年起參與美光全球AI轉型,在智慧製造、生成式AI跨部門應用等領域,進行AI賦能。
「現在的半導體製程站點暴增至1、2000個,每個站點的資料愈來愈多,已經沒辦法做人工控管,必須要用AI來處理。」台灣美光前段晶圓製造暨營運副總裁鍾聯彬強調。走進台灣美光廠區,每一條產線都部署大量的相機鏡頭、感測器,應用AI檢驗晶圓品質、收集機台參數。
由於製程和機台的不確定性,會造成晶圓表面出現劃痕、蝕刻殘留、膜層不均、顯影不完全等各種瑕疵。以往,台灣美光檢測晶圓的缺陷,光靠設備商所提供的軟體,搭配人工判斷,仍出現分類不精確、效率低落、人力負擔重等問題。
讓AI向工程師學習!學習速度比以前提高1倍
於是,台灣美光團隊收集1萬多張缺陷影像,訓練AI模型學習實際缺陷類型,並設計後處理邏輯,提升分類準確率與判斷一致性後,最終開發出AIADC 技術(AI-based Automatic Defect Classification),只要0.1秒就能自動辨識晶圓的每張影像,相較經驗豐富且熟練的人工辨識需時2秒,速度提升20倍,分類準確率也高達90%以上。
有了AI代勞檢測後,需要由人工判斷的缺陷影像,則由原本約40%下降至12%,每年可節省超過1萬工時,並且省下購買軟體授權的昂貴費用。
除了這項AIADC專案外,台灣美光另一項導入AI的經典案例,則是利用AI學習工程師調整製程參數的方式與邏輯。在機台參數發生錯誤時,由AI直接自動介入處理,讓機台生產妥善率增加2.6%,人工調整參數時間每周減少40個小時。此外,AI還會自動優化排程,集中生產排程相同的產品,避免頻繁轉換不同排程所造成的機台參數調整,使機台參數設定錯誤率下降 40%。
如此一來,AI不僅深挖台灣美光的創新潛力,還為AI智慧製造立下里程碑。
鍾聯彬提及導入AI的好處,「第一,它的速度很快;第二是很精準,人會疲勞,它不會疲勞;第三是它能幫工程師分類晶圓缺陷,而且歸類得很好。」他也坦言,半導體製程愈來愈複雜、開發週期愈來愈長,面對每一個新世代的技術與產品,團隊的學習速度必須要更快,「現在只能用以往的一半時間來學,如果沒有導入這些AI,我們是做不到的。」
全員AI賦能,高階主管開始上「AI領導學」
台灣美光導入AI的應用場景不光在製程,工程師的日常工作也同步實現智慧化轉型,包括使用Copilot撰寫英文專案報告、開發自動化腳本標準化測量流程,為新進工程師省去大量適應時間,例如透過 AI代理過濾組訊、搜尋檔案,減少重複耗時工作等。
「每個工程師都用AI,AI把他們變得更強!」鍾聯彬說,在領導階層的支持下,公司開設AI相關的多元學習平台、工作坊、技術講座等,加上員工資源團體 (ERG)舉辦AI主題的研討培訓及論壇,均能快速協助包括台灣美光在內的全球逾5萬名員工,參與訓練並負責任地使用AI工具。
當應用AI成為美光全員的基本能力後,公司治理也必須相對應。鍾聯彬說,今年美光針對管理階層將推出類似「AI領導學」的內訓課程,引導管理者以新思惟模式,帶領團隊成員與AI協作,跟著公司一起成長、變得更強大。
百強AI應用心法
「AI很多時候的投資,不會馬上立竿見影,但若不投資,則一定不會有回報;再來就是找到對的人才,他們必須同時具備AI及IT技術,同時也要知道開發出來的AI會為公司帶來用處;最後透過AI的應用,完成『簡單化、標準化、自動化 』的目標。」—台灣美光前段晶圓製造暨營運副總裁鍾聯彬
公司:台灣美光
成立:1994年
AI應用領導人:美光智慧製造與人工智慧部門企業副總裁巴克(Koen De Backer)
AI應用項目: AI自動辨識晶圓缺陷、精進晶圓製造效率
AI應用成效:
1. AIADC (AI-based Automatic Defect Classification)專案利用AI自動辨識晶圓多種缺陷,分類準確率逾90%、分類速度提升20倍、人工判斷比率由40%降至12 %,每年節省工時超過1萬小時
2. 晶圓製造的離子植入製程部分,機台生產妥善率增加2.6%、人工調整參數時間每週減少 40小時、機台參數調整錯誤率降低40%
3. 工程師經驗知識數位化,降低對個人經驗的依賴,並由AI主動預防機台參數發生錯誤,提升整體製程穩定性,以及建立可複製的AI解決方案架構,加速技術擴散