制造芯片的復(fù)雜程度超過制造火箭。閱讀本案例研究，了解美光如何率先在制造、物流和業(yè)務(wù)流程中應(yīng)用 AI，并將其大規(guī)模部署，從而實(shí)現(xiàn)技術(shù)優(yōu)勢地位。

美光在利用人工智能 (AI)技術(shù)方面絕不僅限于空談。公司將數(shù)據(jù)分析和 AI 應(yīng)用于自身制造流程，真正做到了言行一致。美光將 AI 融入業(yè)務(wù)運(yùn)營的核心，通過業(yè)界前沿內(nèi)存和存儲解決方案，彰顯其賦能技術(shù)的卓越價(jià)值。

智能制造是自動化的更高階段。其關(guān)鍵在于大規(guī)模智能感知、決策與優(yōu)化。智能制造涵蓋內(nèi)容廣泛，從仿真和預(yù)測分析，到機(jī)器學(xué)習(xí)和生成式 AI 等。這是一項(xiàng)更廣泛的企業(yè)戰(zhàn)略，其中感知 AI 和智能體 AI 發(fā)揮著關(guān)鍵作用：感知 AI 通過計(jì)算機(jī)視覺、聲學(xué)監(jiān)聽和熱成像等技術(shù)，使機(jī)器能夠“看到、聽到、感覺到”周圍的環(huán)境。智能體 AI 系統(tǒng)能夠解讀這些輸入信息并自主行動，持續(xù)學(xué)習(xí)、在復(fù)雜的工作流程中進(jìn)行協(xié)調(diào)。

這些能力相結(jié)合，為美光的制造戰(zhàn)略轉(zhuǎn)型提供了支撐，使智能系統(tǒng)能夠?qū)崟r(shí)檢測異常、優(yōu)化流程并靈活適應(yīng)新變化。智能制造帶來了諸多優(yōu)勢：更高的良率、更安全的工作環(huán)境、大幅提升的效率、更短的產(chǎn)品上市時(shí)間，以及更可持續(xù)的業(yè)務(wù)。本案例研究探討美光如何利用 AI 技術(shù)來應(yīng)對全球最復(fù)雜的工程挑戰(zhàn)之一：在硅晶圓上制造內(nèi)存。

復(fù)雜的制造工藝

美光的制造工廠在基于硅晶圓開發(fā)內(nèi)存技術(shù)時(shí)需要使用高度復(fù)雜和精密的工藝，耗時(shí)數(shù)月，涉及約 1,500 個(gè)步驟。出錯(cuò)和浪費(fèi)的可能性很高。利用數(shù)據(jù)分析和 AI，有助于降低這種可能性。如果僅依靠人類警覺性來發(fā)現(xiàn)和跟蹤缺陷、機(jī)械問題和其他潛在問題領(lǐng)域，公司將會損失時(shí)間和金錢。而通過利用當(dāng)今的前沿 AI 技術(shù)來提高準(zhǔn)確性和檢出率，就可以避免這些損失。

美光智能制造和人工智能企業(yè)副總裁 Koen de Backer 表示：“我們在這里打造的東西完全與眾不同，能夠?qū)崿F(xiàn)更高水平的準(zhǔn)確性?，F(xiàn)在，我們可以將產(chǎn)品上市速度加快一倍，同時(shí)每年節(jié)省 100 萬工時(shí)。這確實(shí)是革命性的成就。”

美光如何將晶圓轉(zhuǎn)化為先進(jìn)內(nèi)存

制造先進(jìn)內(nèi)存的起點(diǎn)是二氧化硅——一種經(jīng)提純后純度高達(dá) 99.999% 的沙子。這種電子級硅原料先被熔鑄成硅錠，再切成厚度僅為 0.67 [BG1] 毫米 [E]2] 的超薄晶圓。美光從專業(yè)供應(yīng)商處采購電子級晶圓，然后通過先進(jìn)的制造系統(tǒng)進(jìn)行加工，最終生產(chǎn)出高性能內(nèi)存芯片。

通過擴(kuò)散工藝，晶圓上的涂層能夠均勻分布。添加涂層材料時(shí)，每個(gè)晶圓都在高速旋轉(zhuǎn)（有時(shí)在超熱環(huán)境中），材料在離心力的作用下沿著表面擴(kuò)散。

在美光的尖端制造工廠中，這些采購而來的晶圓將經(jīng)歷一系列精密設(shè)計(jì)的加工步驟——每個(gè)環(huán)節(jié)都旨在將電子級硅原料轉(zhuǎn)化為智能內(nèi)存，加工精度可達(dá)微米級別。

拋光：去除從硅錠切割下來的初始晶圓表面的微小瑕疵，確保形成后續(xù)加工所需的光潔表面。

光刻膠涂覆：涂覆光敏材料，以便能夠通過光刻技術(shù)刻印精密電路圖案。

光刻：利用紫外線將設(shè)計(jì)好的精密電路逐層轉(zhuǎn)印到晶圓上，類似于相片曝光的過程。

摻雜與金屬化：加入離子化等離子體（摻雜）來改變晶圓的電學(xué)特性，并添加導(dǎo)電金屬層以形成互連結(jié)構(gòu)。

添加防護(hù)層：用薄膜密封晶圓，以便在測試和搬運(yùn)過程中保護(hù)其中的電路。

檢驗(yàn)與檢測：通過 AI 增強(qiáng)成像和分類系統(tǒng)驗(yàn)證功能性和結(jié)構(gòu)完整性，并檢測人眼無法察覺的缺陷。

整個(gè)制造過程在無菌制造室（稱為潔凈室）中進(jìn)行，以防止微小的灰塵污染原始晶圓。然而，盡管采取了這些預(yù)防措施，晶圓仍然可能存在瑕疵。微小的劃痕、保護(hù)膜下的氣泡、細(xì)微的結(jié)構(gòu)缺陷等——若未及時(shí)檢出，這些小缺陷可能導(dǎo)致整批產(chǎn)品報(bào)廢。

這些瑕疵通常很微小，肉眼完全看不見。即使可見，檢測人員在掃視每片晶圓的 30 到 40 張照片時(shí)，也可能會因?yàn)檠劬ζ诨驎簳r(shí)走神而未注意到缺陷。眨眼之間，瑕疵品便流向了下一個(gè)環(huán)節(jié)。

如果到測試階段才發(fā)現(xiàn)問題，就會浪費(fèi)大量時(shí)間和金錢。這些瑕疵的根源問題不僅僅只影響一片晶圓，而可能影響成千上萬片晶圓。

在生產(chǎn)中還有其他方面也可能會出現(xiàn)問題。設(shè)備零部件磨損；管道危險(xiǎn)化學(xué)品泄漏或滴落到產(chǎn)品或員工身上。我們必須及早發(fā)現(xiàn)這些問題并予以糾正。一旦停工，往往就要付出很高的代價(jià)，導(dǎo)致收入損失并錯(cuò)失生產(chǎn)良機(jī)。由于半導(dǎo)體制造的復(fù)雜性，恢復(fù)生產(chǎn)需要耗費(fèi)大量的時(shí)間，這可能會使真實(shí)成本達(dá)到數(shù)百萬美元。并且，還存在很多與員工受傷相關(guān)的風(fēng)險(xiǎn)。最后，為踐行美光對可持續(xù)發(fā)展和卓越運(yùn)營的承諾，我們應(yīng)當(dāng)盡力實(shí)現(xiàn)每個(gè)流程的高效節(jié)能、穩(wěn)定可靠。

及時(shí)檢測出產(chǎn)品和機(jī)械問題，對于生產(chǎn)效率、效能和安全至關(guān)重要。遺憾的是，人難免會犯錯(cuò)。即使是最專業(yè)的員工也未必總能察覺出細(xì)微的問題跡象。

這正是 AI 大顯身手的領(lǐng)域。AI 系統(tǒng)能以激光般的精度和速度檢測出人類不易覺察的異常，比如劃痕、氣泡、設(shè)備磨損等，其能力遠(yuǎn)遠(yuǎn)超過人類。AI 系統(tǒng)會從超過 590,000 個(gè)源收集 PB 級的制造數(shù)據(jù) [JB1]——這些數(shù)據(jù)持續(xù)流入美光的云分析環(huán)境，以供優(yōu)化生產(chǎn)流程以及實(shí)時(shí)發(fā)現(xiàn)問題。這些系統(tǒng)包括計(jì)算機(jī)視覺、聲學(xué)監(jiān)聽和熱成像，當(dāng)機(jī)器具備了這些感知 AI 能力，便能夠感知周圍環(huán)境。

計(jì)算機(jī)視覺讓制造過程“被看見”

美光的 AI 制造基于圖像分析技術(shù)。Koen 解釋道：“圖像在半導(dǎo)體制造工藝中具有強(qiáng)大的作用，我們可以分析每個(gè)工藝步驟的詳細(xì)圖像?！?/p>

他還表示：“通過利用 AI 計(jì)算機(jī)視覺并分析每個(gè)階段的圖像，我們可以快速識別發(fā)生的任何偏差。所有過程都完全采用自動化方式。這種分析涵蓋各個(gè)方面，包括前道、封裝與測試?！?/p>

在整個(gè)晶圓廠和制造工藝中，美光通過 AI 計(jì)算機(jī)視覺尋找微觀層面的潛在瑕疵。

除了圖像，美光還采用視頻分析來消除封裝和測試中的質(zhì)量問題。您也許會認(rèn)為視頻的數(shù)據(jù)量太大，因而不太可行。但是，美光同樣使用了 AI，來確定需要分析的關(guān)鍵時(shí)間點(diǎn)。AI 會適時(shí)啟動和停止視頻流，僅捕獲關(guān)鍵過程，從而控制數(shù)據(jù)量的大小。美光的一大優(yōu)勢是，同時(shí)生產(chǎn)內(nèi)存和存儲設(shè)備，確保這些寶貴數(shù)據(jù)能夠被采集、保存并隨時(shí)可用。

圖像和視頻非常有用，因?yàn)榫A瑕疵有很多種形式。大多數(shù)瑕疵屬于以下這些常見類型：晶圓邊緣附近有小孔，或外層薄膜上有劃痕和氣泡。在晶圓制造過程中，光刻機(jī)在晶圓上蝕刻電路時(shí)，其攝像頭會捕獲一些圖像，美光的 AI 系統(tǒng)使用計(jì)算機(jī)視覺技術(shù)在這些圖像上識別上述缺陷。

根據(jù)工程師的指示，系統(tǒng)會自主掃描晶圓邊緣的小點(diǎn)（孔），或者連續(xù)或輕微斷開的線條（劃痕），也可以根據(jù)深淺不同的斑點(diǎn)來發(fā)現(xiàn)顏色變化。某些缺陷能以近乎實(shí)時(shí)的速度檢出，在拍攝圖像后數(shù)秒內(nèi)觸發(fā)警報(bào)。在照片存儲幾分鐘后的二次掃描中可能會發(fā)現(xiàn)其他缺陷。所有這些過程都依賴于 AI 系統(tǒng)對數(shù)據(jù)庫環(huán)境中存儲的數(shù)百萬張圖像進(jìn)行比較和對照。

事實(shí)證明，這些結(jié)果比工程師的評估要準(zhǔn)確得多，因?yàn)?AI 計(jì)算機(jī)視覺具有更高的準(zhǔn)確性和效率。最重要的是，工程師們現(xiàn)在可以專注于數(shù)據(jù)采集以及根本原因的解決。

美光的 AI 自動缺陷分類 (ADC) 系統(tǒng)進(jìn)一步簡化了這項(xiàng)工作。技術(shù)人員和工程師不再需要手動對晶圓缺陷進(jìn)行分類。借助深度學(xué)習(xí)技術(shù)，AI-ADC 每年可對數(shù)百萬個(gè)缺陷進(jìn)行分類和歸類，并能夠自主學(xué)習(xí)，在迭代中不斷提升準(zhǔn)確率。這種機(jī)器學(xué)習(xí)方式按類型對缺陷進(jìn)行聚類處理，可幫助工程師追溯缺陷產(chǎn)生的根本原因，并使 AI 系統(tǒng)能夠自主發(fā)現(xiàn)缺陷及優(yōu)化結(jié)果。

監(jiān)聽聲音

美光除了將 AI 成像作為制造工藝的核心外，還利用聲學(xué)監(jiān)聽來預(yù)防問題。異常聲音往往表示部件存在磨損或即將發(fā)生故障。

美光的 AI 系統(tǒng)可以通過聲學(xué)傳感器監(jiān)聽工廠機(jī)械的異常情況。這些傳感器通常有計(jì)劃地安裝在機(jī)器人執(zhí)行裝置或泵設(shè)備附近。這些麥克風(fēng)可以連續(xù)數(shù)周對正常工作狀況錄音，軟件將檢測到的頻率轉(zhuǎn)換為圖形或圖表，以視覺數(shù)據(jù)來描述聲音。當(dāng)出現(xiàn)新的音高或頻率時(shí)，系統(tǒng)會發(fā)出警報(bào)。很多情況下，系統(tǒng)甚至可以辨別出發(fā)生異常的原因。

搜索這些龐大的數(shù)據(jù)庫可能非常耗時(shí)。但當(dāng)機(jī)器有可能發(fā)生故障時(shí)，工廠經(jīng)理又需要立即知曉情況。相比基于 CPU 的系統(tǒng)，將數(shù)據(jù)發(fā)送到由 GPU、加速器以及美光的內(nèi)存和存儲設(shè)備組成的 AI 系統(tǒng)可以更快獲得智能結(jié)果。這些 AI 系統(tǒng)具有數(shù)十萬個(gè) GPU 核心和高帶寬內(nèi)存，可以同時(shí)協(xié)同工作，瞬間優(yōu)化結(jié)果，幾乎無需人工干預(yù)。此外，它們還可以在每次迭代中改進(jìn)診斷機(jī)制。

熱成像感知

并不是每種故障都會發(fā)出聲響。在制造環(huán)境中，寂靜無聲也可能隱藏著致命危險(xiǎn)。有時(shí)候，唯一的預(yù)警信號是溫度的變化。直到最近，檢測溫度驟升的方法仍然只有觀察紅光、火花或煙霧。當(dāng)這些狀況出現(xiàn)時(shí)，意味著事態(tài)已進(jìn)入危險(xiǎn)階段，工廠需要盡快疏散員工。

因此，除了圖像分析和聲學(xué)監(jiān)聽外，美光還使用熱成像技術(shù)測量關(guān)鍵器件的溫度。

Koen 解釋道：“測量變壓器的溫度是防止過熱的關(guān)鍵。及早發(fā)現(xiàn)問題也許只需要進(jìn)行簡單的修理，而如果錯(cuò)過了時(shí)機(jī)，可能就只能更換整套昂貴的設(shè)備?！?/p>

最終，這些用于采集圖像、聲音和溫度的 AI 傳感器將直接影響公司的利潤。Koen 補(bǔ)充道：“這些傳感器在提高質(zhì)量和效率方面表現(xiàn)出色，在成本節(jié)約方面同樣作用巨大。它們能夠?qū)崿F(xiàn)細(xì)粒度的能源計(jì)量，從而顯著節(jié)約原材料和能源。”

數(shù)據(jù)

美光通過 590,000 個(gè)傳感器生成 1 億張晶圓圖像，涉及到 4.36 億個(gè)控制點(diǎn)。所有這些數(shù)據(jù)每周都會通過 AI 模型進(jìn)行處理。此外，已存儲 77 PB 數(shù)據(jù)，并且每天捕獲 58 TB 的新數(shù)據(jù)。

AI 的大規(guī)模采用可支持多種應(yīng)用，包括良率分析、數(shù)字孿生規(guī)劃、物聯(lián)網(wǎng) (IoT) 和圖像分析、優(yōu)化和高級算法、過程自動化以及移動應(yīng)用。

結(jié)果1毋庸置疑：

制造工具可用性提高 4%

每年勞動生產(chǎn)率增加 100 萬工時(shí)

新品上市時(shí)間縮短 50%

產(chǎn)品報(bào)廢率降低 50%

其效益不僅限于晶圓廠。從銷售和市場營銷，到人力資源、業(yè)務(wù)運(yùn)營、研發(fā)及業(yè)務(wù)系統(tǒng)——AI 現(xiàn)已融入美光運(yùn)營的方方面面。

Koen 表示：“這是整個(gè)企業(yè)層面的轉(zhuǎn)型，而不僅僅是車間改造。我們已將 AI 應(yīng)用于公司內(nèi)部所有業(yè)務(wù)流程?！?/p>

生態(tài)系統(tǒng)合作伙伴關(guān)系

美光不僅在內(nèi)部優(yōu)化制造工藝，在與供應(yīng)商直接合作時(shí)也使用 AI，向他們提供與產(chǎn)品相關(guān)的詳細(xì)反饋，以確保盡可能提高能效。美光同這些供應(yīng)商一起協(xié)調(diào) DIMS（數(shù)據(jù)攝入美光系統(tǒng)），盡可能提高數(shù)據(jù)攝取的頻率。美光工程師會實(shí)時(shí)監(jiān)控這些攝取狀態(tài)，同時(shí)持續(xù)進(jìn)行精益求精的校正和優(yōu)化。

此外，美光還使用遙測數(shù)據(jù)來衡量旗下產(chǎn)品在供應(yīng)商數(shù)據(jù)中心內(nèi)的效果。這些數(shù)據(jù)與美光內(nèi)部數(shù)據(jù)相結(jié)合，可支持實(shí)時(shí)協(xié)作，以便改進(jìn)產(chǎn)品，使其滿足特定工作負(fù)載的需求。

美光也會密切監(jiān)控這些模型的表現(xiàn)。使用 AI 處理傳入的數(shù)據(jù)并進(jìn)行反復(fù)訓(xùn)練，工程師能夠?qū)Ｗ⒂谧詣踊瘷C(jī)器學(xué)習(xí)的流程。如果不使用 AI，可能數(shù)據(jù)科學(xué)家永遠(yuǎn)無法騰出手來推動技術(shù)發(fā)展，他們將忙于研究那些已經(jīng)發(fā)生的各種事件。

這些計(jì)劃得到了內(nèi)部數(shù)據(jù)科學(xué)學(xué)院的支持，同時(shí)公司也在內(nèi)部數(shù)據(jù)科學(xué)家、工程師和解決方案架構(gòu)師方面進(jìn)行了持續(xù)投資。通過這些資源以及美光的公民數(shù)據(jù)科學(xué)模型，職能專家能夠有效利用 AI 支持的工具和見解。

行業(yè)領(lǐng)導(dǎo)力

如今，美光正在將豐富的核心工藝知識與 AI 出類拔萃的效率相結(jié)合。數(shù)據(jù)專家們創(chuàng)建了大型良率管理平臺，公司內(nèi)有 14,000 名員工正在使用這些平臺。與此同時(shí)，以前專注于日常良率優(yōu)化的專業(yè)團(tuán)隊(duì)正在快速集成周期中構(gòu)建新的原型。團(tuán)隊(duì)成員經(jīng)常會應(yīng)用這些原型來優(yōu)化主要平臺。

得益于美光團(tuán)隊(duì)成員的敬業(yè)精神及其開發(fā)的 AI 增強(qiáng)型先進(jìn)制造工藝，公司在多代內(nèi)存技術(shù)的采用過程中均實(shí)現(xiàn)了創(chuàng)紀(jì)錄的良率。憑借最新創(chuàng)新成果，美光的近幾代技術(shù)能夠比前幾代更快達(dá)到成熟良率，彰顯出公司的工程研發(fā)與卓越運(yùn)營能力，并進(jìn)一步鞏固了美光的技術(shù)優(yōu)勢地位。

美光針對產(chǎn)品制造不斷優(yōu)化 AI。AI 已不僅是一種工具，更是一種智能系統(tǒng)，徹底改變了生產(chǎn)流程。而真正讓美光在 AI 應(yīng)用領(lǐng)域脫穎而出的，則是通過大規(guī)模應(yīng)用 AI 來重塑整個(gè)企業(yè)。從仿真與預(yù)測分析，到機(jī)器學(xué)習(xí)、生成式 AI 以及實(shí)時(shí)工藝優(yōu)化，美光的 AI 戰(zhàn)略已滲透至業(yè)務(wù)的每個(gè)角落。新技術(shù)不僅不會取代團(tuán)隊(duì)成員的工作，反而會為團(tuán)隊(duì)助力和賦能，讓他們無需再忙于獲取數(shù)據(jù)并進(jìn)行大量基礎(chǔ)分析?，F(xiàn)在，他們可以專注于自己擅長的事情——通過創(chuàng)新來開發(fā)行業(yè)前沿產(chǎn)品及良好業(yè)務(wù)實(shí)踐。

1改進(jìn)結(jié)果基于美光 2016-2025 年收集的內(nèi)部數(shù)據(jù)和分析

本文作者

Dan Combe

全球傳播與營銷部門營銷活動經(jīng)理