借力国网中心H100运算能量 百威雷用AI为光罩盒精密制造品质把关

PowerArena HOP AI防错防呆，把关半导体精密制造。PowerArena

在半导体产业高度竞争的环境下，如何确保精密零组件的组装品质，已成为供应链厂商的关键挑战。百威雷科技透过国网中心提供的H100高效能运算资源，成功开发出结合大型AI模型的智能制造监控系统，为光罩盒等高价值产品的品质管控带来突破性进展。

百威雷科技总监黄子魁指出，光罩盒这类「高价值、低产量」产品在组装与制程管理上面临严峻挑战。首先，采用Cell Production模式的工站作业步骤繁琐易错，单一工人往往需负责10至30个组装步骤，任何一个关键环节出现疏漏，都可能导致后续制程良率大幅下降。

其次，部分组装错误无法从外观察觉，需等到产品进入后段制程或功能验证阶段才会被发现。传统物件侦测方法难以精准分辨细微差异或连续动作，如「放置后旋转」、「定位后确认」等复杂操作，导致误判或漏判风险居高不下。

第三个挑战是高端人力资源成本负担沉重。由于流程细致且错误代价高昂，过去必须仰赖现场主管亲自巡查或反覆观看影片确认，大幅占用管理人力，每位主管往往仅能监看一至两个工站，严重限制管理效率。

导入生成式 AI 与大型模型  建构智能制造现场的动作识别中枢

针对痛点，百威雷科技决定引进大型AI模型技术，让系统看懂产线人员的动作，主动判断是否违反标准作业程序，这是以往判别式模型无法达成的部分，并且透过生成式AI补足难以大量收集的罕见错误型态。

该公司先前已建构完整的模块化系统，涵盖大型语言模型（LLM）用于操作语意理解、视觉语言模型（VLM）协助实时识别作业画面、Video-based多帧推论模块分析连续操作逻辑、Diffusion Model生成模块等核心技术。考量到部署的需求，也开始建构Knowledge Distillation等训练技术，例如使用Teacher-Student训练架构。

在国网中心提供的H100 GPU算力支持下，百威雷得以重新训练整个大型模型，或进行多层参数微调，克服本地设备仅能进行部分微调的限制。系统现已支持整段影片的连续推论，有效解决传统系统无法判断连贯动作的问题。

百威雷的系统已在台湾两个实际案场导入，其中包括光罩盒产线，均已上线或接近结案阶段。在光罩盒组装作业中，目前是以判断式模型辅助分析工人是否正确完成每道标准作业步骤，并于异常时实时警示主管查看对应片段，未来会将应用Video-based视觉语言模型进行更进一步的推论，达到主动判断的目的，更一步精准地抓出异常，减少使用者需要介入的部分。

在实际应用效益方面，现场主管得以从原本的「一人监看一站」模式，提升至同时监控5～6个工站，大幅节省人力资源，主管无需全程盯场，只需依警示回查，组装品质更趋一致，错误率明显下降。

面对数据稀缺的瑕疵检测情境，百威雷系统能从少量瑕疵影像生成大量高品质的合成瑕疵数据，有效解决无法取得足够异常样本的长期挑战，进而提升模型在少样本环境下的识别准确率。

目前百威雷正积极评估推广至其他Cell Production制程的可能性，包括与封装测试厂等制造流程单位接洽合作，这类同样采用单一工人完成多道作业模式的产线，对标准作业步程序的正确性判断有高度需求。此外该公司也规划将系统商品化，以AI辅助作业行为监控系统形式推广至更多半导体供应链夥伴，支持更广泛的生产场域品质管控需求。

黄子魁表示国网中心的算力与服务，是此次专案成功的关键之一，百威雷也期待未来国网中心可提供更多资源、开放更多自定义执行环境与框架支持，让模型开发流程更贴近产业应用需求，协助台湾制造业建构更智能、更精准的品质管控模式，为产业升级注入新动能。