强化半导体产业竞争优势 瑞德感知打造台湾自主芯片设计AI平台

瑞德感知CEO陈硕鸿。DIGITIMES摄

AI技术在芯片设计领域的应用正面临关键转折点，在处理复杂设计需求时，传统EDA工具的局限日益明显。瑞德感知科技携手国网中心，运用H100 GPU高效能运算资源，成功开发针对芯片RTL与时序设计的专用基础模型（Foundation Model），为台湾半导体产业建构自主AI设计平台，开创芯片设计与制程优化的全新技术路径。

瑞德感知CEO陈硕鸿指出，当前芯片设计与制程导入AI的主要痛点，源于深度学习与强化学习技术与传统EDA工具之间在流程上的本质差异。传统EDA软件仰赖固定演算法处理RTL、布局与优化，弹性与推论能力相对有限。

他强调，AI在软件领域已展现潜力，但芯片设计领域需满足更高的准确率与时序验证要求，不能出现语言模型常见的「幻觉」问题。RTL设计与时序验证必须建立在确定性逻辑与精准预测上，目前一般大型语言模型尚无法直接应用于此类任务。

此外，主流EDA工具公司多使用累积数十年的旧有程序码基础，导入新型AI工具的整合与兼容性亦是一大挑战。同时，由于晶圆厂数据具高度机密性，导入AI须特别考量数据脱敏与保密性设计。在晶圆缺陷检测、OPC修版与布局优化等任务中，具备高精准率的模型更是必备条件。

结合国网中心算力与自主AI模型  瑞德感知开启芯片设计新时代

导入国网中心提供的8颗H100 GPU与1.15TB存储器算力资源后，瑞德感知显着提升AI研发能量。目前团队已完成自训20至40亿参数等级的基础模型，并针对芯片RTL与时序设计任务进行专属训练。

在技术价值方面，该平台可针对晶圆厂数据进行小样本精调（few-shot fine-tuning），提供高度定制化的推论解决方案，同时有效降低数据全量外泄的风险。此外，透过结合图像、基因等非语言型数据进行训练，已打造具备跨领域扩展能力的多模态基础模型。

在产线应用层面，晶圆缺陷检测的准确率已有显着提升。陈硕鸿指出，对于产能庞大的半导体产线而言，即便仅提升1%的识别精度，也足以创造可观的经济效益。该模型可有效补足传统EDA工具在缺陷预测与制程修正方面的不足，进一步提供更精准的光照模型建议与修版依据。

陈硕鸿进一步表示，瑞德感知早期从动态逃生与医疗影像分析起家，后续应用扩展至基因判读、NGS定序分析等领域。因应晶圆厂客户需求，开始切入晶圆缺陷检测与设计辅助领域。

目前最具指标性的应用场景为晶圆缺陷侦测，模型能精准找出晶圆上微小缺陷，对可疑区域进行高信赖度标注，辅助人员进行后续检测与处置。在与晶圆厂的合作中，客户回馈集中在AI可补足现有EDA工具的不足，并对提升缺陷检测准确度表达正面肯定。

瑞德感知已建立明确的跨场域应用布局，除了在芯片制造端与多家晶圆厂合作，深入布局优化、缺陷预测与OPC修版等流程，也规划进一步推展至3nm、Chiplet与封装等先进制程；同时在医疗领域，亦与多家医疗机构合作，导入低剂量CT影像判读与基因定序分析，展现模型的多元应用潜力。

在商品化方面，瑞德感知正积极推动基础模型模块化，致力将大型模型拆解为可嵌入不同客户系统的小型推论模块；考量传统EDA工具封闭且历史包袱沉重，选择直接服务终端晶圆厂与设计客户，提供「模型即服务」（Model-as-a-Service）的弹性部署模式。

陈硕鸿表示，透过国网中心算力支持与产学合作，瑞德感知不仅提升了技术研发效率，也为台湾建构自主AI技术平台奠定基础。未来，随着技术持续精进与应用场域扩展，将进一步强化台湾半导体产业的国际竞争力。