輸入無效。不支援特殊字元。
就連最高深的火箭科學都不足以形容——複雜程度遠超過火箭科學。閱讀本案例研究，瞭解美光公司如何不僅率先在製造、物流和業務流程中應用 AI，而且還將其規模化，從而實現技術領先地位。
美光科技並非只是空談人工智慧 (AI)。該公司在自身的製程中運用資料分析和 AI 技術，用實際行動踐行了這一理念。它將 AI 融入到營運的核心——透過產業領先的記憶體和儲存解決方案，展現了其所支援的技術的價值。
智慧製造遠不止於自動化，它關乎大規模的感知、決策和改進的智慧。這包括從模擬和預測分析到機器學習和生成式 AI 的一切。在這一更廣泛的戰略中，感知型 AI 和智慧型 AI 發揮著關鍵作用：感知 AI 透過電腦視覺、聲學監聽和熱成像等技術，使機器能夠「看到、聽到和感受到」周圍環境。智慧體 AI 系統能夠解讀這些輸入並自主行動，不斷學習並協調複雜的工作流程。
這些能力共同支援美光的變革性製造戰略，使智慧系統能夠偵測異狀、最佳化流程並即時適應。好處多多：更高的產量、更安全的工作環境、更高的效率、更快的上市時間和更永續的業務。本案例研究探討了美光公司如何將 AI 應用於世界上最複雜的工程挑戰之一：在矽晶圓上製造記憶體技術。
複雜的製程
美光公司的工廠透過高度複雜和精確的工藝，在矽晶圓上生產記憶體技術，該工藝需要數月時間，涉及約 1,500 個步驟。出錯和造成浪費的可能性很高，但資料和 AI 正在幫助降低這種可能性。過去依靠人工觀察來發現和追蹤缺陷、機械問題和其他故障區域，公司損失了時間和金錢；而如今借助先進的 AI 技術來提高準確性和覆蓋範圍，這些損失是可以避免的。
「我們在這裡打造了一些完全與眾不同的東西，」美光公司智慧製造與人工智慧 (AI) 副總裁 Koen de Backer 解釋說。「我們看到準確率大幅提高。現在產品發佈速度可以提高一倍，每年還能節省 100 萬工時，這真是顛覆性的改變。」
在擴散過程中，晶圓表面會均勻分佈塗層。每片晶圓都在高速旋轉（有時是在過熱的環境下），同時新增材料，使物質在離心力的作用下擴散到晶圓表面。
美光如何將晶圓轉化為領先的記憶體
通往進階記憶體的旅程始於二氧化矽：一種純度高達 99.999% 的沙子。這種電子級矽被熔化成錠，然後切割成厚度僅為 0.67 [BG1] mm[E]2]。美光科技從專業供應商處採購這些電子級晶圓，並透過我們進階的製造系統對其進行加工，以製造高效能儲存晶片。
在美光最先進的製造工廠中，這些採購來的晶圓要經過一系列精密設計的工序——每一步都旨在將電子級矽轉化為具有微觀精度的智慧記憶體。
- 拋光：去除將矽錠切割成晶片時留下的微小缺陷，確保表面光滑，便於後續加工。
- 光刻膠塗層：採用光敏材料，透過光刻技術實現電路的精確圖案化。
- 光刻技術：利用紫外光將複雜的電路設計逐層轉移到晶圓上，類似於照相曝光。
- 摻雜和金屬化：透過引入電離等離子體（摻雜）和新增導電金屬層來改變晶圓的電效能，從而形成互連。
- 保護層：用薄膜密封晶圓，以在測試和處理過程中保護電路。
- 測試和檢驗：利用 AI 增強的成像和分類系統驗證功能和結構完整性，以偵測人眼無法看到的缺陷。
所有這些操作都在無菌製造室（稱為潔淨室）中進行，其設計目的是防止哪怕是最微小的灰塵污染純淨的晶圓。儘管採取了這些預防措施，損害仍然可能發生。如果未能發現微小的劃痕、保護膜下的氣泡或細微的結構缺陷，都可能影響整批產品的品質。
這些缺陷通常是微小的，肉眼完全看不見。即使缺陷肉眼可見，人在掃描攝影成像過程中對每個晶圓拍攝的 30 到 40 張照片時，也可能因眼睛疲勞或一時疏忽而忽略缺陷。一眨眼，缺陷就可能被錯過。
如果直到測試階段才發現問題，就會浪費大量的時間和金錢。而且，導致缺陷的問題很可能影響不止一片晶圓，甚至可能影響數千片。
生產過程中也可能出現其他問題。設備部件磨損；管道洩漏或滴落有害化學物質，污染產品或人員。及早發現並糾正這些問題至關重要。停產成本非常高昂，會導致營收損失和生產力下降。考慮到半導體製造的複雜性，恢復工作所花費的大量時間可能會使實際成本達到數百萬美元。此外，工傷事故帶來的風險也很多。最後，美光對永續發展和卓越營運的承諾促使我們盡可能提高每個流程的能源效率和韌性。
偵測產品和機械中的問題對於提高生產效率、效益和安全性至關重要。不幸的是，人非聖賢，孰能無過，即使是訓練有素的人也並非總能看到、聽到或感覺到那些細微的、不易察覺的異常跡象。
這時 AI 就派上用場了。AI 系統能夠以鐳射般的精度和速度偵測出細微的異狀——劃痕、氣泡、設備磨損——遠遠超出人類的能力。AI 系統從超過 590,000 個來源收集 PB 級的製造資料[JB1]，為美光的雲端分析環境提供資料，以最佳化生產並即時發現問題。這些系統包括電腦視覺、聲學監聽和熱成像——這些傳感 AI 功能使機器能夠感知其環境。
電腦視覺用於觀察
美光公司 AI 製造的基礎是影像分析。「影像在半導體製程中發揮著非常重要的作用，」Koen 解釋道。「您可以分析流程中每個步驟的詳細影像。」
他繼續說：「透過使用 AI 電腦視覺技術並分析每個階段，我們可以快速識別出發生的任何偏差，所有這一切都以完全自動化的方式進行。這種分析涵蓋了所有方面：前端、組裝和測試。」
美光公司的 AI 電腦視覺技術在整個晶圓廠和製程中，從微觀層面尋找潛在的缺陷。
除了影像之外，美光還利用視訊分析來消除組裝和測試中的品質問題。您可能認為視訊的資料量太大，不切實際。然而，美光再次利用 AI 來識別需要分析的關鍵時刻。AI 會啟動和停止視訊流，只擷取必要的過程，從而控制資料大小。幸運的是，美光公司還生產記憶體和儲存裝置，以確保這些寶貴的資料能夠被擷取、儲存並隨時可用。
成像和視訊偵測尤其有效，因為晶圓缺陷有多種形式。大多數情況下，這類問題可歸納為以下幾個常見類別：晶圓邊緣附近的小孔、外膜上的劃痕或氣泡。美光公司的 AI 系統利用電腦視覺技術，在製造過程中，透過光刻相機在晶圓上蝕刻電路時拍攝的影像，來偵測這些缺陷。
例如，工程師指示系統自主掃描晶圓邊緣的微小點（孔），或連續或略微斷裂的線條（劃痕），或指示暗點或亮點的顏色變化。有些缺陷幾乎可以即時偵測到，影像拍攝後幾秒鐘內就會觸發警示。照片儲存後幾分鐘的二次掃描中可能會發現其他缺陷。所有這些過程都依賴於 AI 系統使用儲存在資料庫環境中的數百萬張影像進行比較和對比。
結果表明，AI 電腦視覺比工程師的評估準確得多，因為 AI 電腦視覺具有更高的準確性和效率。最重要的是，工程師現在可以專注於資料收集和解決根本原因。
美光公司的 AI 自動缺陷分類 (ADC) 系統進一步簡化了這項工作。技術人員和工程師不再需要手動對晶圓缺陷進行分類。AI-ADC 利用深度學習技術，每年對數百萬個缺陷進行分類和歸類，而每次反覆運算都會學習和改進。這種機器學習方法按類型對缺陷進行聚類，幫助工程師追蹤根本原因，並使 AI 系統能夠自行發現缺陷並改進結果。
聲學監聽
雖然 AI 成像技術是製程的核心，但美光也採用聲學監聽技術來預先發現問題。異常聲音通常預示著零件磨損或即將發生故障。
美光的 AI 系統透過精心安裝在機器人致動器或泵附近的聲學感測器，偵測工廠機械中的異狀。這些麥克風可以記錄數週的正常活動，軟體會將偵測到的頻率轉換成圖表，以視覺化資料的形式描繪聲音。當出現新的音調或頻率時，系統會發出警示。它甚至常常能夠辨別出異常的原因。
搜尋這些龐大的資料庫可能非常耗時。然而，當機器有發生故障的危險時，工廠管理人員需要立即知道。將資料傳送到配備 GPU、加速器以及（更重要的是）美光記憶體和儲存的 AI 系統，可以比基於 CPU 的系統更快地提供智慧結果。所有這些擁有數十萬個 GPU 核心和高頻寬記憶體的 AI 系統能夠同時協同工作，瞬間改進結果，幾乎不需要人工干預。此外，他們還可以透過每次反覆運算來改進診斷方法。
熱成像技術感受
並非所有故障都會發出聲音；而在製造業環境中，寂靜可能是致命的。有時，唯一的預警訊號就是溫度變化。直到最近，偵測溫度驟升的唯一方法是看到紅光、火花或煙霧。而當這些跡象出現時，問題往往已經進入危險區域，工廠不得不疏散工人。
因此，除了影像分析和聲學監聽之外，美光還使用熱成像技術來測量關鍵部件的溫度。
Koen 解釋說：「對變壓器進行溫度測量是防止過熱的關鍵。及早發現問題可以決定是只需簡單維修還是更換整台昂貴的設備。」
最後，這些用於影像、聲音和溫度的 AI 感應器最終會影響公司的盈利。Koen 補充道：「這些感應器不僅在提高品質和效率方面表現出色，而且還能節省成本。本身能夠實現精細化的能源計量，從而顯著降低能源消耗並節省能源。」
數據概覽
在美光科技，590,000 個感應器在 4.36 億個控制點上產生 1 億張晶圓影像。所有資料每週都會透過 AI 模型進行分析。此外，還儲存了 77 PB 的資料，並且每天擷取 58 TB 的新資料。
這種規模的 AI 應用支援產量分析、數位孿生規劃、物聯網 (IoT) 和影像分析、最佳化和進階演算法、流程自動化和行動應用程式等應用。
結果1 不可否認：
- 製造工具可用性提高 4%
- 每年勞動生產率提高 100 萬工時
- 新產品上市時間縮短 50%
- 產品廢品率降低 50%
而且，這些好處還延伸到製造廠之外。AI 現在為美光營運的各個方面提供支援——從銷售和市場行銷到人力資源、業務營運、研發和業務系統皆涵蓋其中。
Koen 說：「這關乎企業轉型，而不僅僅是車間轉型，我們已經將 AI 引入到公司所有業務流程中。」
生態系統夥伴關係
除了最佳化內部製程外，美光還在與供應商直接合作時使用 AI，向他們提供關於其產品的詳細回饋，以確保最佳的能源效率。透過與這些供應商合作，美光協調 DIMS（資料攝取至美光系統），以便以最高頻率進行攝取。美光工程師即時監控這一攝取過程。同樣，修正和最佳化也在極其精細的層面上不斷進行。
此外，美光還利用遙測資料來衡量其產品在供應商資料中心中的效果。這些資料與內部資料相結合，為即時協作奠定了基礎，從而改進產品以適應其特定的工作負載。
美光公司也密切關注其產品的效能。利用 AI 處理傳入資料並進行重新訓練，可以讓工程師專注於自動化機器學習流程。否則，資料科學家的數量將永遠不足以跟上時代步伐，他們只能追逐已經發生的事件。
這些舉措得到了內部資料科學學院的支援，並持續投資於內部資料科學家、工程師和解決方案架構師。這些資源，加上美光的公民資料科學模型，使職能專家能夠使用 AI 驅動的工具和見解。
產業領先地位
如今，美光科技將深厚的核心工藝知識傳承與 AI 無與倫比的效率相結合。資料專家建立了大型收益管理平台，供公司內超過 14,000 名員工使用。與此同時，專注於日常產量最佳化的專門團隊正在快速整合週期中構建新的原型。這些原型經常被用於最佳化主流平台。
得益於美光團隊成員的奉獻精神及其先進的 AI 增強型製造工藝，該公司在多代記憶體技術中實現了破紀錄的良率。其最新創新成果的成熟良率比前幾代產品更快，凸顯了其卓越的工程和營運能力，並鞏固了美光作為技術領導者的地位。
美光科技已將 AI 在製造業中得到最佳化，它不僅是一種工具，更是一個智慧系統，徹底改變了生產流程。但真正讓這家公司脫穎而出的是，它大規模應用 AI 的方式也在改變著企業。從模擬和預測分析到機器學習、生成式 AI 和即時流程最佳化，美光的 AI 戰略觸及業務的方方面面。這項新技術非但沒有搶走大家的工作，反而增強了團隊的能力，使那些不再專注於獲取資料和進行多項基礎分析的團隊更加高效。現在他們可以專注於自己擅長的領域——創新，開發產業領先的產品和商業實踐。
1 基於美光公司內部資料和分析（收集於 2016 年至 2025 年）的改進
