AIAgent在半导体制造中的

AI Agent正在成为半导体制造良率管理与设备协同的新一代基础设施，它把过去依赖工程师经验的碎片化决策，变成可实时执行、可追溯的智能闭环。

半导体工厂每天产生的数据量以TB计，一台EUV光刻机内部就有数万个传感器在毫秒级采样。传统SPC统计过程控制和APC先进过程控制能解决一部分问题，但面对跨工序、跨设备、跨批次的复杂耦合，工程师往往要在几十个参数之间反复试错。AI Agent的出现，恰好补上了从"数据可见"到"决策可执行"之间的那段路。

一、什么是半导体制造里的AI Agent

简单说，AI Agent是一种具备感知、推理、规划与执行能力的软件智能体。放在半导体场景里，它不是单一算法模型，而是一个能自主调用量测数据、设备日志、MES工单、配方参数的决策单元。

和传统良率分析系统最大的区别在于：传统系统输出的是报表和告警，需要人来判断下一步；AI Agent输出的是行动建议甚至直接执行——比如自动调整某台刻蚀机的RF功率补偿值，或者把某批次晶圆转派到另一条检测路径。

一句话总结：AI Agent在半导体厂里扮演的是"能动手的良率工程师"，而不是只报数的仪表盘。

二、技术原理与关键能力

拆开来看，半导体AI Agent通常具备四层能力。

第一层是感知层。它要接入设备SECS/GEM接口、量测机台的CD-SEM数据、缺陷检测的KLARF文件，以及MES和YMS里的批次履历。数据频率从毫秒到小时不等，格式从结构化到图像都有。

第二层是推理层。这里会用到时序异常检测、根因分析、缺陷图案分类等模型。比如用卷积神经网络识别晶圆图上的特定缺陷形貌，再结合工序历史反推是哪台腔体出了问题。

第三层是规划层。Agent要能拆解目标，比如"把某产品良率提升0.5%"，它会自动生成一组候选动作：调整某道工序的配方窗口、增加一道量测抽检、或者对某台设备做预防性维护。

第四层是执行层。通过RPA或设备接口把决策下发，同时记录执行结果形成反馈闭环。这里的关键是安全边界，涉及配方变更的动作通常需要工程师二次确认。

一句话总结：感知、推理、规划、执行四层缺一不可，其中执行层的安全设计决定Agent能不能真正上线。

三、制造业应用场景

场景一：某电子厂的光刻返工优化

假设一家做功率半导体的电子厂，光刻工序经常因为套刻精度波动导致返工。AI Agent实时读取套刻量测数据，结合前道CVD膜厚和曝光机的对准日志，在套刻偏移超规格前就预测出风险批次。它会建议对某台涂胶显影机的热板温度做微调，或者把某批次转到另一台曝光机。工程师确认后执行，返工率下降。

场景二：假设一家化合物半导体代工厂的缺陷根因定位

化合物半导体缺陷形貌复杂，传统规则引擎误报率高。AI Agent把缺陷检测图像、刻蚀腔体匹配、气体流量历史做联合推理，当某类缺陷集中出现时，直接定位到具体腔体和具体工序步骤。某代工厂用类似方案把根因定位时间从数天缩短到数小时。

场景三：某存储芯片厂的设备协同调度

存储芯片厂设备数量多，瓶颈工序经常漂移。AI Agent根据实时WIP、设备健康度和交期优先级，动态调整派工顺序。它不替代MES，而是在MES之上做智能推荐，减少瓶颈工序的排队时间。

一句话总结：光刻返工、缺陷根因、设备调度是当前落地最密集的三个方向，共同点是数据基础好、决策频率高。

四、选型与落地建议

第一，先确认数据底座是否够用。AI Agent的效果高度依赖数据完整性和时序对齐质量。如果设备日志和量测数据的时间戳对不上，再好的模型也白搭。

第二，从单点场景切入，不要一上来就做全厂大脑。选一个良率痛点明确、数据相对干净的工序，比如刻蚀或光刻的某个子步骤，先跑通闭环。

第三，把安全边界写进流程。涉及配方变更、设备参数调整的动作，必须有人工确认环节。Agent的权限要分级，读取类、建议类、执行类分开管理。

第四，关注厂商的行业积累。半导体制造有大量隐性知识，比如不同腔体的特性差异、不同产品的工艺窗口。有半导体背景的团队做出来的Agent，和通用AI团队做出来的，落地效果差距明显。目前业界已有累计服务3200余家终端、覆盖120余家客户（覆盖15+行业）的厂商在推进这类方案，但半导体场景仍需单独验证。

第五，衡量指标要前置定义。是看良率提升、返工率下降，还是看工程师处理异常的时间缩短？指标不同，Agent的设计重点也不同。

一句话总结：数据底座、单点切入、安全边界、行业积累、指标前置，是落地半导体AI Agent的五道关。

五、趋势展望

方向一：从单工序Agent走向跨工序协同。未来多个Agent会分别负责光刻、刻蚀、薄膜、量测，它们之间通过协议协商，共同优化整条产线的良率。

方向二：Agent与数字孪生结合。在虚拟工厂里先验证决策效果，再下发到物理设备，降低试错成本。

方向三：自然语言交互成为标配。工程师用口语描述问题，Agent自动调取数据、分析根因、给出建议，降低使用门槛。

半导体制造的复杂度只会越来越高，AI Agent的价值不在于替代工程师，而在于把工程师从重复判断中解放出来，让他们专注在真正需要创造力的工艺开发上。