韓國半導體 AI 企業 SemiAI 代表池泰權近日表示，將 AI 引入半導體製造工藝後，在數千片晶圓數據中建立並驗證超過 300 萬條假設僅需 4 小時，若由人工逐一確認則需數月時間。該公司開發的缺陷預測與原因診斷軟件「SMILE」，通過 AI 分析半導體製造過程中產生的大量數據，定位缺陷原因並支持良率改善，核心在於將原本依賴工程師經驗與判斷的工藝分析自動化，從而縮短分析時間、降低成本。
池泰權曾在 Intel、泛林研究、ASML、Samsung 電子、SK 海力士等全球半導體企業任職，在現場工作中直接體會到良率分析的困難。他指出，在龐雜的工藝數據中查找缺陷原因並驗證改善條件，很大程度上取決於工程師個人的經驗與能力。為解決這一問題，他於去年 1 月創立 SemiAI，目標是打通工藝、設備與量測數據，並以 AI 自動完成工程師建立假設並驗證的過程。
SemiAI 將 AI 技術應用於半導體製造過程中
SemiAI 的技術競爭力在於將半導體製造現場積累的工藝知識與 AI 相結合。由於半導體製造數據屬於企業核心營業秘密，外部企業難以充分獲取實際工藝數據，AI 訓練與技術驗證因此受到制約。該公司利用「虛擬晶圓廠」技術，基於池泰權積累的工藝知識及物理、數學原理，以虛擬數據模擬實際製造現場可能出現的多種情況，降低對真實工藝數據的依賴，使 AI 學習各類缺陷發生條件與模式。
同時，公司藉助 AI 代理分析工藝、設備與晶圓數據之間的關係，推導並驗證缺陷原因假設，不僅尋找數據相關性，還進一步推斷引發缺陷的原因。池泰權表示，半導體製造 AI 的可信度並非僅靠收集大量客戶數據就能獲得，公司通過反映工藝知識的虛擬晶圓廠學習多種條件，並與實際晶圓廠測量值比對，以確認合成數據遺漏之處，從而提升可信度。
長期來看，SemiAI 計劃實現半導體超人工智能，使 AI 能夠超越工程師的分析能力，自主發掘複雜的良率問題，並按工藝環節連接預測與原因分析，在工程師批准下測試改善方案。
