半導體廠的人工智慧進程

在工業4.0的浪潮下，身為高科技產業龍頭的半導體產業自然不能自外於這趨勢。撇開工業4.0的人文面不談，使用最多的技術之一自然是AIoT。但是在半導體業的工業4.0進程之中，卻出現迥異於其他產業的風貌。

其他產業在安排機器之間交換資料時，一般會碰到的一個棘手問題是，不存在開源碼與通用平台。譬如醫療產業的三大儀器廠商GPS(General Electrics、Philips、Siemens)，或者機器手臂的四大廠商(ABB、Faunc、Kuka、Yaskawa)，它們各講各的語言，沒有互通的通信協議，也少有開源碼容許使用者自己客製化的操作。克服這些山頭之間的鴻溝、做到vendor neutral的應用就是很大工夫，而這工夫產生價值，譬如做醫療影像的TOMTEC去年就被Philips收購。

幸好半導體設備有個聰明的Semicon協會，很久以前就在機器設備之間規劃好共同規格。遠在一個世代之前，第一個晶圓廠還未蓋起之時，一本厚厚的產業共識規格書早已問世。特別是在300mm世代，由於晶圓盒太重，晶圓盒的傳輸用OHT(OverHead Transport)自動化上載、下載於機器設備，相應的生產資料流也很順暢連通，因此晶圓購買合約中要求個別晶粒生產資料10年的可追溯性(traceability)是常見作法。

在這樣的產業環境下，300mm廠已具有現在工業4.0中生產自動化與資訊交流的特色，現在進一步將功夫花在生產環境中的感測器布建，這是由於製程演進所引發於原先設計之外的需求，以及人工智慧(AI)的雲端運算、認知運算(cognitive computing)，用於譬如良率提升、預防性維護等目的。

但是200mm仍然是重要的生產平台，許多新材料新元件的最先進製程－譬如用於功率元件的SiC或者用於MOSFET的GaN－都尚在200mm以下的晶圓廠研發，有些元件－譬如感測器或功率元件－在200mm以下的晶圓廠製造也較有經濟效益。但是200mm乃至於150mm廠先天的規格就遠不如300mm廠，這些尺寸的晶圓盒都還依賴人工手推車運送，因此這些晶圓廠於工業4.0的過程中較需要全面性的加工，布建更多的感測器、機器手臂等，提高自動化的程度，方便生產資料的交換、收集，以利雲端運算以及認知運算。

另一個Semicon的化外之地是廠務設施水、電、氣、化學品等，包括300mm廠。這些晶圓廠的生命元素在日益嚴謹的環保及安全要求下，自動化與安全監控需求必須與時俱進。這也需要更多的感測器甚至機械手臂的布建。

半導體在AI的應用除於生產製造的工業4.0外，還有AI研發、AI設計等，這些措施能在整體上提升台灣半導體產業競爭力。特別目前在人力資源供應日益匱乏、又有外流的壓力下，這些措施可以保留領域知識、減少對人力資源的需求。