半导体厂的人工智能进程

在工业4.0的浪潮下，身为高科技产业龙头的半导体产业自然不能自外于这趋势。撇开工业4.0的人文面不谈，使用最多的技术之一自然是AIoT。但是在半导体业的工业4.0进程之中，却出现迥异于其他产业的风貌。

其他产业在安排机器之间交换数据时，一般会碰到的一个棘手问题是，不存在开源码与通用平台。譬如医疗产业的三大仪器厂商GPS(General Electrics、Philips、Siemens)，或者机器手臂的四大厂商(ABB、Faunc、Kuka、Yaskawa)，它们各讲各的语言，没有互通的通信协议，也少有开源码容许使用者自己定制化的操作。克服这些山头之间的鸿沟、做到vendor neutral的应用就是很大工夫，而这工夫产生价值，譬如做医疗影像的TOMTEC去年就被Philips收购。

幸好半导体设备有个聪明的Semicon协会，很久以前就在机器设备之间规划好共同规格。远在一个时代之前，第一个晶圆厂还未盖起之时，一本厚厚的产业共识规格书早已问世。特别是在300mm时代，由于晶圆盒太重，晶圆盒的传输用OHT(OverHead Transport)自动化上载、下载于机器设备，相应的生产数据流也很顺畅连通，因此晶圆购买合约中要求个别晶粒生产数据10年的可追溯性(traceability)是常见作法。

在这样的产业环境下，300mm厂已具有现在工业4.0中生产自动化与信息交流的特色，现在进一步将功夫花在生产环境中的传感器布建，这是由于制程演进所引发于原先设计之外的需求，以及人工智能(AI)的云端运算、认知运算(cognitive computing)，用于譬如良率提升、预防性维护等目的。

但是200mm仍然是重要的生产平台，许多新材料新元件的最先进制程－譬如用于功率元件的SiC或者用于MOSFET的GaN－都尚在200mm以下的晶圆厂研发，有些元件－譬如传感器或功率元件－在200mm以下的晶圆厂制造也较有经济效益。但是200mm乃至于150mm厂先天的规格就远不如300mm厂，这些尺寸的晶圆盒都还依赖人工手推车运送，因此这些晶圆厂于工业4.0的过程中较需要全面性的加工，布建更多的传感器、机器手臂等，提高自动化的程度，方便生产数据的交换、收集，以利云端运算以及认知运算。

另一个Semicon的化外之地是厂务设施水、电、气、化学品等，包括300mm厂。这些晶圆厂的生命元素在日益严谨的环保及安全要求下，自动化与安全监控需求必须与时俱进。这也需要更多的传感器甚至机械手臂的布建。

半导体在AI的应用除于生产制造的工业4.0外，还有AI研发、AI设计等，这些措施能在整体上提升台湾半导体产业竞争力。特别目前在人力资源供应日益匮乏、又有外流的压力下，这些措施可以保留领域知识、减少对人力资源的需求。