三星、SK 海力士搶推晶圓廠 AI agent:由睇數據行到控制設備
Tech News

三星、SK 海力士搶推晶圓廠 AI agent:由睇數據行到控制設備

圖片:via TechNews 科技新報 — https://technews.tw/2026/08/13/samsung-sk-hynix-ai-agent-kpi/
TechLab 編輯部(譯)·

公開資料暫時集中喺監察、建議同試產驗證

三星同 SK 海力士據報正加快將 AI agent 放入晶片生產設備。TechNews 科技新報引述產業消息話,SK 海力士已喺清州後段製程產線分階段試用,預計今年底完成評估;三星就據報要求新訂設備將 AI agent 列做標準功能。相關設備、模型表現同良率改善幅度仍未公開,兩項消息暫時都未有公司公告直接確認,所以現階段較適合當成產業部署方向,未到可以宣佈自主工廠成事。

一部設備每秒吐出大量數據,agent 要識得串埋一齊睇

晶片廠本身一早有自動化,機器會按配方控制溫度、壓力、氣體流量、電流同加工時間,異常時亦識得響警報。傳統系統多數靠工程師預先寫好門檻,例如壓力超出某個範圍就停機;問題係設備會老化、維修後狀態會變,原材料同環境亦有波動,固定規則好容易報錯,甚至將正常晶片攔低。AI 可以同時睇多組 sensor 時序,先學習每部機器正常運作嗰條曲線,再搵出細微偏差。

預測故障亦唔只係估部機幾時壞。模型可以發現真空泵電流、腔體壓力同溫度開始一齊偏移,估算邊個部件最可疑,再按生產排程建議提早保養。良率出問題時,agent 就要將缺陷圖像、晶圓批次、設備紀錄、製程配方同維修時間線串埋,逐步收窄原因。三星公開嘅 GTC 2026 資料提到,佢哋正用 AI 處理設備警報、製程異常同良率偏差,再提供診斷建議,呢類跨系統追查先係 agent 較有用嘅位置。

三星同 NVIDIA 展示 AI 用喺晶片研發、設計、預測維修同自主工廠嘅路線圖

圖片:Samsung Semiconductor

「AI agent」三個層次,廠商講法未必指同一樣嘢

第一層係監察同預測,模型發現異常後通知工程師;第二層會自行查紀錄、模擬幾個處理方案,再建議點改;第三層先會直接控制設備、調校參數,再按結果決定下一步。前兩層其實由預測維修、虛擬量測同製程 AI 演變而來,相關技術已用咗一段時間。**真正分水嶺落喺模型有冇權改動產線,同埋出錯時有咩硬性限制。**現有官方資料主要講偵測、建議、數碼分身同未來自主工廠,未足以證明大規模閉環控制已經投入量產。

SK 海力士過往確實公開過較具體案例。公司喺 2023 年話,Gauss Labs 嘅 Panoptes VM 會用薄膜沉積設備嘅壓力、溫度、氣體量同電流等數據,預測每塊晶圓嘅薄膜厚度同折射率,再將結果交畀進階製程控制系統。公司自述初期應用令製程波動平均減少 21.5%,但呢個數字來自 SK 海力士同合作公司,亦屬虛擬量測方案,唔可以直接當成今次 AI agent 試產嘅成效。今次真正新增嘅能力,要睇佢可唔可以跨設備規劃工作同自主執行。

Panoptes VM 用薄膜製程嘅氣體、壓力、溫度同電流數據預測晶圓薄膜結果

圖片:SK hynix

算力要留喺廠內,設備成本亦會先升

晶片製程數據涉及配方同良率機密,生產網絡通常高度分隔,亦唔適合將每次判斷交去公有雲端再等答案。模型推論、資料庫同監控系統大多要放喺廠內或設備端,仲要保證低延遲、斷線照跑同結果可以追溯。咁代表新機器可能要加 GPU 或其他加速器,舊機亦要補 sensor、運算節點同軟件整合。設備商如果每款機各自做一套 agent,數據格式、權限控制同驗證成本會再上升,三星要求「標配」背後,其實亦係想逼供應商一早處理呢堆整合問題。

對記憶體供應有幫助,唔代表零售價即刻平

良率高少少,同一批晶圓就可以交付多啲合格晶片;意外停機少咗,昂貴設備亦可以跑多啲時間。咁樣可以用現有廠房造多啲合格晶片,見效通常快過由頭起一座新廠。SK 海力士自己亦指出,新廠由規劃到投產要多年,而 HBM 生產同先進封裝又會吃掉更多資源。不過 AI 系統會先增加設備、算力同驗證開支,記憶體價格仲受需求、產品組合同廠商投資周期左右,手機、電腦 RAM 或企業 SSD 成本會唔會下降,只可以視作中長期可能出現嘅間接效果。

下一步要睇 SK 海力士年底有冇公開試產數據,包括誤報率、停機時間、良率變化,同埋 agent 實際可以控制到邊個程度。冇呢幾組資料,「自主工廠」仍然只係方向;如果模型真係獲准改設備參數,事故責任、模型飄移同人工接管紀錄亦要一併交代。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook