英特爾專家最近撰文稱，英特爾Foundry正在推動半導體製造從傳統的自動化生產，進一步走向自主工廠，在更多環節更多的利用AI技術。

文中提到，在SEMICON West 2026上，英特爾Foundry展示了14項相關研究成果和技術方案，重點涉及先進計量、缺陷檢測、AI分析、先進封裝、晶片測試以及工廠自動化。

英特爾認為，隨著晶片製造和先進封裝越來越複雜，僅依靠單點最佳化已經難以滿足未來需求，製造系統需要具備更強的感知、分析和自主決策能力。

英特爾Foundry半導體研發、先進封裝技術與製造副總裁Lalitha Immaneni 表示，半導體製造正在從孤立最佳化轉向互聯智能。真正的工廠自主化也不能只依靠 AI，還需要建立在可信測量、互操作平台和先進測試基礎設施之上。

計量正在從事後檢查變成即時控制

過去，計量更多承擔製造過程中的質量檢查工作。如今，英特爾希望通過持續測量和監控，把計量資料直接用於預測性工藝控制。

隨著晶片工藝越來越複雜，材料、裝置、化學品、封裝材料以及生產環境之間的相互影響越來越明顯。一些問題可能直到製造後期才被發現，最終造成良率下降和成本增加。因此，英特爾正在利用更連續的測量和資料分析，更早發現潛在缺陷和良率問題。

這種思路也正在從晶圓製造延伸到先進封裝。

隨著Chiplet、混合鍵合、HBM 以及2.5D/3D封裝快速發展，晶圓製造和後端封裝之間的界限越來越模糊。英特爾認為，先進封裝同樣需要具備奈米級精度、嚴格的過程控制和質量管理能力。

在測試環節，英特爾還在推進Advanced Chiplet Test 服務，希望通過從晶圓到系統的測試，儘可能提前發現問題，並篩選出已知良好裸片，在晶片進入昂貴的封裝流程之前提高整體良率。

AI開始進入缺陷分析和工程決策

英特爾此次展示的一個重要方向是自動缺陷分類（ADC）。

目前，不同工藝節點和製造工廠需要管理大量缺陷分類規則和配方，工程師需要花費大量時間分析日誌、尋找歷史資訊、調查根因和檢查配方。

英特爾正在引入基於AI Agent的工作流程，讓AI協助完成這些任務，並通過人工稽核機制控制最終決策。

這意味著AI在晶圓廠中的角色正在從單純的資料分析工具，逐步成為工程師處理製造問題的智能助手。

英特爾還在探索將AI與傳熱物理模型結合，通過物理資訊神經網路預測晶片內部的熱傳遞情況。相比單純依賴大量資料訓練，這種方法可以利用物理規律提高預測能力，並減少對訓練資料的需求。

對於功耗越來越高的AI晶片來說，熱管理和可靠性已經成為製造和測試環節的重要問題，這一場景也非常有價值。

軟體定義自動化，是實現自主晶圓廠的另一塊基礎設施

英特爾還提到，傳統製造系統往往存在供應商鎖定和資料孤島問題，不同裝置之間的資料難以互通，這會限制整個工廠的資料可見性，也會拖慢工程決策。

因此，英特爾正在推動硬體無關的自動化架構、互聯資料系統以及 AI 驅動的邊緣計算。最終目標是讓裝置、生產資料、AI分析和自動化系統連接起來，使工廠能夠進行預測性維護、自動質量檢測，並縮短工程響應周期。

想做到這點，行業標準同樣重要。英特爾還參與了SATAS產業聯盟。該聯盟由日本 NEDO 和經濟產業省（METI）支援，目前有40多家機構參與，目標是推動半導體組裝和測試領域的開放標準、互操作架構以及自動化框架。

英特爾認為，如果不同廠商的裝置和軟體無法互相理解，即使單個工廠擁有先進的 AI 和自動化技術，也很難真正實現大規模的自主製造。

因此，未來的自主晶圓廠可能不僅是一套 AI 系統，更是一套由計量、資料、AI、自動化、先進封裝、測試以及行業標準共同組成的製造體系。(費曼的AI實驗室)