隨著「代理式人工智慧」的出現，半導體產業正經歷一場範式轉移——而這絕非僅僅是另一個流行詞彙。這種人工智慧的新思維，正從根本上改變我們應對複雜製造挑戰的方式，從良率優化到預測分析皆然。
Agentic AI 的獨特之處何在？
傳統的基於 RAG 的人工智慧系統會回應查詢並提供資訊。然而，代理式人工智慧系統則會採取行動。它們會執行任務、運行程式碼、呼叫 API、管理狀態，並透過回饋迴圈進行迭代。不妨將其理解為：擁有能回答問題的研究助理，與擁有能實際代表你執行專案的研究助理之間的差異。
從本質上來說，人工智慧代理（AI agent）是一種系統，其中大型語言模型（LLMs）能動態地引導自身的運作流程與工具使用方式，並掌控任務的執行方式。然而，當多個代理協同合作時，其真正的威力才會顯現——我們稱之為「代理式人工智慧系統」。
讓房仲脫穎而出的關鍵特點：
個別 AI 代理：
- 任務規劃與分解
- 具備記憶體（包括短期與長期記憶體）的執行管線
- 檔案與 API 存取功能
- 工具整合（ReAct、AutoGen、CrewAI）
代理式人工智慧系統（多代理）：
- 代理人間的合作與任務委派
- 模組化角色與層級結構
- 基於目標的規劃與共享的片段記憶
- 標準化的通訊協定，例如 MCP（模型上下文協定）
- 長期記憶同步與適應性演化
半導體製造中的實際應用
自然語言資料分析
我們目前所見到最直接的應用之一，就是能夠透過簡單的對話來與複雜的製造數據進行互動。工程師現在可以提出諸如「顯示第 12345 批次的良率分佈」或「使用參數化測試數據生成預測性分級流程」等問題，系統便會自動：
- 從請求中擷取相關資訊
- 確定合適的分析工具
- 查詢必要的參數
- 建立所需的数据查詢
- 產生全面的分析與視覺化呈現
自動化機器學習流程生成
代理式工作流程正在徹底改變我們為半導體製造建構機器學習管線的方式。工程師無需手動配置複雜的工作流程，只需以自然語言描述其目標，系統便會：
- 識別合適的目標變數
- 選擇相關的輸入資料來源
- 利用內建的靈活性與可擴展性，自動建立工作流程
- 在整個過程中貫徹 ModelOps 最佳實務
因此，我們現在正逐漸模糊兩者之間的界線：一方面是我們所定義的、完全處於基於大型語言模型（LLM）的代理型人工智慧系統框架內的「代理型工作流程」；另一方面則是我們自行建構、用於執行某些較傳統機器學習任務的工作流程。
智慧型產量診斷
或許最令人印象深刻的是，具代理能力的 AI 能夠透過協調多個專門代理，實現產量問題的自動化診斷：
- 晶圓分選分析代理程式：根據 PCM 及元資料，檢視低良率模式、異常值以及分級/晶圓模式
- 最終測試分析代理程式：將產出問題與測試元資料進行關聯分析
- 根本原因分析代理程式：運用蒙地卡羅方法與啟發式演算法，來評估已識別原因的信號可信度
- 工作流程產生代理程式：建立基於 YAML 的工作流程定義，可透過命令列介面 (CLI) 或 Python SDK 執行
魔術背後的科技
由 YAML 驅動的工作流程
在幕後，代理程式會產生包含分析工作流程結構的 YAML 檔案。這些檔案提供：
- 複雜 UI 操作的文字描述
- 具有清晰連接器的模組化架構
- 系統性創作
- 透過多種介面實現靈活的執行
模型上下文協定 (MCP)
在 Anthropic 的帶領下，MCP 為不同代理程式提供了一種標準化的通訊方式——即使跨越不同供應商的界限亦然。此協議：
- 實現不同系統之間安全且受控的互動
- 降低諸如提示注入等安全風險
- 將檔案存取限制在指定範圍內
- 促進安全且模組化的整合
除了 MCP 之外，還有 A2A，它可能更適合用於代理程式之間的通訊。不過，這些技術所帶來的優勢在於能夠讓不同系統之間進行協作，因此我們可以開始設想，代理程式如何能跨越供應商界限，以及在客戶與供應商之間，透過所有代理程式皆通用的標準化語言進行協作。
看穿炒作
具有能動性的人工智慧究竟是革命性的，還是只是將現有工具重新包裝罷了？老實說，兩者皆是。雖然將應用程式相互連結以完成複雜任務的概念並非新鮮事，但真正的突破在於大語言模型（LLM）技術，它使真正動態且具適應性的工作流程成為可能。
我們在開發工作中親眼見證了這一點。透過使用開箱即用的代理式人工智慧系統，我們的團隊即使只有極少量的先備經驗，仍成功編寫了 Scala 程式碼。結果完美嗎？不。是否讓我們達成了 80% 的進度？大概是吧。這是否需要對該工具的指導與理解？絕對是。
關鍵洞見：天下沒有白吃的午餐。具有自主性的 AI 雖然功能強大，但必須設有適當的防護措施、具備領域專業知識，並謹慎實施。
展望未來：跨產業合作
最令人振奮的潛力，在於各代理能跨越產業界限進行協作。試想，半導體製造代理與供應鏈代理、品質控制代理，甚至客戶需求預測代理攜手合作，共同優化整個價值鏈。
要實現這個願景，需要：
- 可擴展且易於使用的介面 無需具備博士級專業知識
- 安全性與隱私權 針對敏感製造資料的保護措施
- 不依賴特定技術與供應商的 能避免供應商鎖定的解決方案
- 標準化協議 例如 MCP 等，可實現無縫整合
倘若能建立適當的保障機制，讓各個代理程式得以保護其各自所有者的智慧財產權，那麼我們便能開始設想，這些代理程式將如何打破當今阻礙我們的藩籬，並真正推動產業轉型。
業界領袖的關鍵要點
- 範式轉移：主動式人工智慧（Agentic AI）標誌著我們應用人工智慧系統方式的根本性轉變，使其從被動的回應者轉變為主動的工作流程參與者。
- 協作智慧：當多個代理共同合作，解決先前難以企及的複雜、多步驟問題時，真正的力量便會展現出來。
- 自訂工作流程建立：Agentic AI 擅長針對特定的製造挑戰建立量身訂製的工作流程，並具備內建的學習與優化能力。
- 跨界解決方案：未來在於各企業與產業間的代理者攜手合作，共同應對我們面臨的最大挑戰。
總結
具能動性的人工智慧（Agentic AI）不僅僅是又一項人工智慧趨勢——它是一場朝向真正自主且協作型智慧的根本性轉變。對於半導體製造產業而言，這意味著能更快獲得洞見、具備更精細的分析能力，並有望解決長期困擾該產業的良率與品質挑戰。
相關技術已然問世，標準正逐漸成形，而早期採用者已開始見到成效。關鍵不在於「具有自主行動能力的人工智慧」是否會徹底改變半導體製造產業，而在於貴組織能以多快的速度適應並善用其功能。
本文基於 PDF Solutions 在半導體製造領域的代理式人工智慧應用方面持續進行的研究與開發所獲得的洞見。特別感謝共同作者本田智則（Tomonori Honda）、安雅·賈斯蒂（Anya Jasthi）、施里拉姆·桑德（Shriram Sunder）以及妮卡·普圖什金娜（Nika Ptushkina）對本研究所作的貢獻。