人工智能與半導(dǎo)體制造的深度融合
這是SugarTalk第一期活動的第三場演講，由美國國家儀器大中華區(qū)工業(yè)物聯(lián)網(wǎng)與人工智能行業(yè)經(jīng)理郭翹帶來。通常人工智能應(yīng)用都是由互聯(lián)網(wǎng)公司來講，實際上人工智能在工業(yè)應(yīng)用領(lǐng)域也已經(jīng)開花結(jié)果，但工業(yè)應(yīng)用中的人工智能畢竟與互聯(lián)網(wǎng)應(yīng)用有所不同，郭翹就以半導(dǎo)體制造為例，闡釋了人工智能在工業(yè)上的應(yīng)用。以下為演講實錄，略有刪改。NI成立于1976年，總部在美國德州的奧斯汀。NI公司一直立足于工業(yè)，提供一個開放的軟硬件平臺，來給各行各業(yè)提供測試、測量或者監(jiān)測控制等方面的應(yīng)用。2017年NI營收大約為13億美金，全球大概有7000多名員工，中國是NI的最重要的市場，所以NI在中國有強大的研發(fā)團隊以及在各大城市都設(shè)有辦事處。無論是交通運輸，還是工業(yè)生產(chǎn)，機器設(shè)備時刻都在產(chǎn)生大量的數(shù)據(jù)，人工智能應(yīng)用的前提就是要有大量數(shù)據(jù)作支撐。NI在工業(yè)領(lǐng)域提供模塊化、開放式的平臺，幫助每個工業(yè)客戶更方便地獲取工業(yè)大數(shù)據(jù)。我們同時也會提供相應(yīng)的工業(yè)軟件，把各種信號處理或者機器學(xué)習(xí)算法部署在邊緣側(cè)，最終完成對工業(yè)大數(shù)據(jù)的價值實現(xiàn)。NI是處于OT（Operational Technology，操作技術(shù))端的玩家，我們并不是IT端，IT類公司是亞馬遜、谷歌、百度、微軟等等，但NI的開放平臺可以非常好地和各大主流IT廠商無縫集成?；氐桨雽?dǎo)體，今天我的主題是半導(dǎo)體，所以先簡單介紹一下NI在半導(dǎo)體行業(yè)提供的一些方案。視頻里看到的是一個臺架，里面裝的是NI的模塊化儀器，無論是上游的半導(dǎo)體制造，還是下游的封裝測試，都可以用同一個架構(gòu)的NI半導(dǎo)體測試解決方案。NI的方案能夠為客戶提升效率，降低總設(shè)備擁有成本，保留最大可擴展性。
今天主要是談NI的半導(dǎo)體解決方案，當然也會談到NI如何將人工智能技術(shù)運用到半導(dǎo)體領(lǐng)域。這里我引用人工智能學(xué)術(shù)界享有盛名的吳恩達先生的一句話，他說人工智能就是新時代的電力（AI is new electricity）。我覺得他說的這這句話非常好，幾百年前工業(yè)革命剛開始時，我們還沒有意識到電對人類這么重要，但到現(xiàn)在，無論是家用或者是工業(yè)里面，電力無處不在。如今吳恩達已經(jīng)預(yù)言，在未來AI就像工業(yè)社會的電力一樣重要?，F(xiàn)在很多互聯(lián)網(wǎng)應(yīng)用背后核心技術(shù)其實都是AI，有些也許我們感覺不到，但也有很多我們能夠感受到，比如電商推薦商品，背后就是人工智能、機器學(xué)習(xí)的算法。
回到工業(yè)，人工智能到底可以給工業(yè)帶來什么價值？在談這個問題之前，我給大家先重溫一下人工智能的基本概念，它背后的數(shù)學(xué)原理。人工智能最重要的是機器學(xué)習(xí)算法，機器學(xué)習(xí)有幾大關(guān)鍵詞，首先，必須有海量的數(shù)據(jù)。如果沒有數(shù)據(jù)，人工智能就無從談起。比如Alpha Go擊敗了柯潔，但第一代Alpha Go利用了大量的歷史棋譜，在過去成百上千萬的棋譜里面學(xué)習(xí)別人下棋的邏輯。在工業(yè)場合，第一要素也是要有大量的歷史數(shù)據(jù)。
2
第二個關(guān)鍵詞。大家可能不知道機器學(xué)習(xí)背后在做什事情，簡短概括一下的話，機器學(xué)習(xí)其實就是做數(shù)學(xué)最優(yōu)化的求解。不知道大家大學(xué)有沒有上過最優(yōu)化的課程，比如線性擬合，它其實就是最優(yōu)化的問題。機器學(xué)習(xí)有非常多的算法，每個算法背后都有未知的參數(shù)在里面，我們可以用數(shù)學(xué)最優(yōu)化的辦法擬合求解的參數(shù)，這是機器學(xué)習(xí)做的事情。
一旦訓(xùn)練好，模型確立，這個模型就是代表該算法的數(shù)學(xué)表達式。我們的目的是利用該訓(xùn)練好的模型，對新輸入的數(shù)據(jù)做出更加智能的決策，將數(shù)據(jù)的潛在價值挖掘出來。比如圍棋里面下一步應(yīng)該往哪里走，比如工業(yè)里面設(shè)備未來運行的狀況預(yù)測，這是人工智能給我們帶來的好處。
很多企業(yè)都在談人工智能，每個企業(yè)通常都是從自己擅長的模式作為出發(fā)點去談，大家聽到的人工智能講座更多的是由互聯(lián)網(wǎng)公司來講。但應(yīng)用于工業(yè)的人工智能與互聯(lián)網(wǎng)人工智能畢竟還有很大差異。這里我給大家簡單總結(jié)一下工業(yè)人工智能與互聯(lián)網(wǎng)人工智能之間的差異。
首先要強調(diào)，兩者數(shù)據(jù)量有非常大的差異，互聯(lián)網(wǎng)或者金融行業(yè)數(shù)據(jù)量，絕對遠超工業(yè)人工智能場景，這是一個很大的區(qū)別。還有一點要強調(diào)，在分析結(jié)果精度要求上，互聯(lián)網(wǎng)和工業(yè)也有非常大的差異性。剛剛我提到的電商推薦相關(guān)商品，有時候它推薦錯了，大家也覺得無所謂。
據(jù)我所知，在某知名電商舉辦的大數(shù)據(jù)推薦商品人工智能算法比賽中，如果推薦準確率在10%以上，就可以拿到冠軍，但10%的準確率，在工業(yè)應(yīng)用中絕對不能接受。工業(yè)里的人工智能必須利用算法告訴用戶，設(shè)備是不是真的要壞了需要檢修，如果預(yù)測準確率只有10%，那還不如去做定期保養(yǎng)與定期維護。所以，這兩點我想強調(diào)的工業(yè)和互聯(lián)網(wǎng)應(yīng)用的最大區(qū)別。
回到半導(dǎo)體，半導(dǎo)體是NI今后的幾大重點方向之一。半導(dǎo)體產(chǎn)業(yè)非常復(fù)雜，上游有原材料，半導(dǎo)體主要用硅片，面板廠可能用玻璃片，原材料之后就是設(shè)計、制造與封測，半導(dǎo)體設(shè)計、制造與封測的每一環(huán)節(jié)都有很多玩家，也有英特爾這樣設(shè)計、制造、封測全部覆蓋的廠商，我們稱之為IDM（整合元件制造商）。
人工智能到底可以給半導(dǎo)體行業(yè)哪些玩家?guī)硎裁礃拥暮锰?？接下來我希望給大家來做一些介紹。
對于半導(dǎo)體來說，不管封測廠還是晶圓廠，最關(guān)心的只有兩點，首先是提升制造過程的良率，然后在保證一定良率情況下如何減少測試時間，從而縮短上市時間，讓產(chǎn)品上市更加及時。
物聯(lián)網(wǎng)思維讓芯片更新?lián)Q代周期越來越快。幾年前還想不到共享單車這么普遍，其實所有共享單車里面也有一塊物聯(lián)網(wǎng)芯片。出現(xiàn)這么多共享單車，對芯片制造廠家和半導(dǎo)體上下游廠家來說，減少測試時間是最重要的一個考核點，怎么用人工智能提升良率或者減少測試時間，這是所有半導(dǎo)體廠家都關(guān)注的問題。
但是半導(dǎo)體制造又有和其他行業(yè)很不一樣的地方，與其他行業(yè)相比，半導(dǎo)體設(shè)備最昂貴，也最復(fù)雜。一個12寸晶圓廠，要通過化學(xué)、物理的變化，在極為狹小的空間里面，能夠生成出這么多的電路，對于設(shè)備的要求顯然非常高。在半導(dǎo)體制造領(lǐng)域，晶圓廠里面用的很多設(shè)備都是數(shù)百萬美元起的價格。這些設(shè)備通常只是完成一個工序，比如曝光或者化學(xué)沉積過程等，半導(dǎo)體有十幾個這樣的工序，需要十幾臺不同的機器。而且還有一點，制造過程要求也最高，半導(dǎo)體制造環(huán)境需要無塵無菌，任何外來雜質(zhì)都會影響到良率，所以進晶圓廠要穿專用工作服。
還有一點，半導(dǎo)體制造里數(shù)據(jù)量在整個工業(yè)領(lǐng)域是數(shù)一數(shù)二。近幾年由于芯片工藝向前演進到10納米級別，半導(dǎo)體制造過程的數(shù)據(jù)爆炸式增長，以上是區(qū)別半導(dǎo)體和其他行業(yè)非常重要的幾個特點。
所以在半導(dǎo)體生產(chǎn)中實施人工智能與機器學(xué)習(xí)是最具有挑戰(zhàn)的事情，我剛才提到，半導(dǎo)體設(shè)備非常昂貴，也非常復(fù)雜，潛在的故障模式也最多，一臺設(shè)備可能有數(shù)百種故障模式，對高鐵來說可能最重要的就是軸承，一個軸承有4種潛在故障模式，但半導(dǎo)體制造則完全不一樣。作為半導(dǎo)體廠商，當然希望人工智能將這數(shù)百種故障模式都能預(yù)測，提前告訴用戶哪里可能會出問題。
其次，制造過程是動態(tài)變化的，因為制造環(huán)節(jié)有化學(xué)變化，所以制造設(shè)備中會有一些易損件或消耗品，會因為制造工藝不同而變化。
第三，數(shù)據(jù)量很大。但數(shù)據(jù)量大并不意味著一定就能夠帶來人工智能，如何獲取高質(zhì)量數(shù)據(jù)這也是非常重要的過程。所以在傳統(tǒng)工業(yè)人工智能的場合，大量時間會花在數(shù)據(jù)上面，而不是算法上面。
NI現(xiàn)在有廣泛的半導(dǎo)體客戶群體，我們現(xiàn)在看到這樣的趨勢，主導(dǎo)力強的半導(dǎo)體制造廠商，自己配備了人工智能團隊在做上述工作，但像面板廠商在產(chǎn)業(yè)鏈里話語權(quán)不夠強，會被半導(dǎo)體設(shè)備商綁架，在生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)都沒有辦法分享到業(yè)主，如果面板廠商需要添加數(shù)據(jù)獲取功能，設(shè)備商往往會額外收取一筆非常昂貴的費用。
正是這樣比較微妙的關(guān)系，導(dǎo)致工業(yè)里面半導(dǎo)體是人工智能發(fā)展最快的行業(yè)。相比于其他行業(yè)。半導(dǎo)體最早用大量的數(shù)據(jù)做各種提升良率的嘗試，當然NI也服務(wù)了非常多半導(dǎo)體廠商，無論是制造設(shè)備廠商，還是晶圓廠或面板廠，我們都有非常成功的案例。所以NI也有一個生態(tài)圈，以NI在曝光機中的一個應(yīng)用為例來說明，曝光是半導(dǎo)體制造很重要的一個環(huán)節(jié)，NI通過曝光機數(shù)據(jù)獲取，可以提前告知產(chǎn)線現(xiàn)當前曝光過程晶圓或面板質(zhì)量有沒有瑕疵，如果有嚴重瑕疵，就不需要再執(zhí)行之后的工藝步驟，從而增加產(chǎn)出效率，降低成本。蝕刻環(huán)節(jié)也是如此。
最后，從NI的角度來觀察，在半導(dǎo)體制造與人工智能深度融合需要有什么樣的條件，或者說未來如何才能在半導(dǎo)體制造領(lǐng)域發(fā)揮人工智能的作用。
首先，全供應(yīng)鏈數(shù)據(jù)互通非常重要。這點在每個行業(yè)里存在挑戰(zhàn)，汽車也有這樣的問題，汽車現(xiàn)在都面臨著被供應(yīng)商綁架的事情，但這就是發(fā)展人工智能先決的條件，只有全供應(yīng)鏈數(shù)據(jù)的互通，才可以知道現(xiàn)在生產(chǎn)的瑕疵由上游哪個物料造成的，該物料來自哪一家供應(yīng)商，只有這樣，才可以做到更加智能的決策。
還有一些關(guān)鍵技術(shù)的突破。比如半導(dǎo)體制造里面，仿真現(xiàn)在做的相對少，在汽車等其他領(lǐng)域里面，仿真是非常重要的步驟，但是在半導(dǎo)體里面，仿真還需要加強?，F(xiàn)在正是深度學(xué)習(xí)火的時候，如何把深度學(xué)習(xí)技術(shù)用在半導(dǎo)體里面，這也是各大廠商和NI共同探索的事情。
最后有一點我想強調(diào)，關(guān)于人工智能，有時候會聽到比較危言聳聽的判斷，比如什么時候有殺人機器人，或者機器取代人。但是從工業(yè)的角度，我覺得人工智能真正要取代人，還有很長的路要走，因為工業(yè)不同的場合和應(yīng)用完全是不一樣的條件，根本不可能完全用純數(shù)據(jù)驅(qū)動的方式來實現(xiàn)，所以專家知識在人工智能里面還是會發(fā)揮重要的作用，從而加速人工智能轉(zhuǎn)化成可付諸行動的過程。
作為在工業(yè)超過40年的玩家，NI將持續(xù)不斷地針對工業(yè)物聯(lián)網(wǎng)和人工智能推出更好的解決方案，來幫助包括半導(dǎo)體在內(nèi)的各行各業(yè)從原始數(shù)據(jù)獲取分析出發(fā)，到完成整個工業(yè)互聯(lián)物聯(lián)網(wǎng)的鏈路。NI提供的生態(tài)不是一個封閉的生態(tài)，我們不追求做行業(yè)里的唯一玩家，我們期待和上下游共同打造更完善的生態(tài)圈，把人工智能在工業(yè)里面落地，給大家?guī)碚嬲暮锰帯?
下載文檔
