幾週前，我參加了 SEMI 舉辦的 「半導體製造中的 AI 技術」 研討會，地點位於加州米爾皮塔斯。在該活動中，半導體製造商、設備供應商、EDA 廠商及軟體供應商共同分享了將人工智慧應用於實際製造挑戰的經驗。
儘管應用案例各不相同，但幾乎每場簡報中都浮現出一個共同的主題：該產業正從孤立的人工智慧模型，邁向互聯、受管控且日益具備自主能力的系統，這些系統能夠對製造數據進行推理，並協助推動行動。
半導體產業面臨的最大挑戰與機遇
本次研討會傳達的最強烈訊息之一是：半導體製造業並非面臨數據匱乏的問題，而是存在數據分散、工作流程脫節，以及難以將資訊轉化為可付諸行動的知識等問題。
製造知識分散於量測系統、設備感測器、製程配方、工程報告、MES 系統，以及各領域專家的專業知識之中。隨著技術節點日益複雜，要將這些元素串聯起來也變得越來越困難。
「信任」是另一個反覆出現的主題。製造業組織在將人工智慧生成的建議付諸實行之前，必須確保具備可解釋性、治理機制、可重複性以及人工監督。
與此同時，該產業正從預測性分析邁向能夠理解跨資料來源間關聯性、提出行動建議、協調工作流程，並最終縮短從洞察到產生影響所需時間的系統。
研討會中展示的解決方案方法
基於製造業情境的代理式人工智慧
多位講者展示了結合分析、機器學習及大型語言模型（LLMs），並融入製造業專有知識與工作流程的基於代理的系統。
一個反覆出現的主題是「製造情境」的重要性。多場簡報特別強調了運用語義模型與知識圖譜，將製造數據、製程知識及工程工作流程相互連結。相較於僅針對孤立的資料集進行處理，這些方法能讓人工智慧系統針對產品、製程、設備、量測結果以及歷史工程知識之間的關聯性進行推理，從而產生更具相關性且可解釋的建議。
預測性維護與根本原因分析
設備監控與預測性維護是其中一個重點領域。一位講者展示了一種結合預測、異常偵測及自主代理的架構，該架構能夠產生可供操作人員直接採用的建議。
其他簡報則聚焦於因果式人工智慧與根本原因分析，強調必須超越單純偵測異常，進而深入理解製造問題背後的驅動因素。
共同目標很明確：縮短調查時間、改善決策流程，並在品質或生產力受到影響之前，能主動採取干預措施。
人工智慧以現有製造工具為基礎
另一項觀察是，人工智慧並未被定位為現有製造與工程工具的替代品。 傳統分析、統計方法、製程控制系統以及特定領域的應用程式，仍持續為決策奠定基礎。相反地，人工智慧正日益被用來串聯這些功能、加速調查進程、挖掘相關知識，並協調跨多系統的工作流程。在許多情況下，其價值並非主要來自於新的演算法，而是來自於減少從數據到理解、再從理解到行動所需的努力。
這對 PDF 解決方案意味著什麼？
此次工作坊再次強調了支撐 PDF Solutions 願景的三大主題——整合、強化與擴展——的重要性。
整合 是各場簡報中一貫探討的主題。無論應用案例涉及預測性維護、產能提升，還是自主式人工智慧，其成功與否皆取決於能否整合來自多重來源的數據，並提供理解這些數據所需的背景脈絡。圍繞語義模型、知識圖譜及互聯製造數據的反覆討論，凸顯了在人工智慧能創造實質價值之前，建立共同基礎的重要性。
擴展 是隨著業界聚焦於擴展工程專業知識而應運而生的。許多講者並非意在以人工智慧取代工程師，而是希望讓現有的知識更易於獲取、應用與重複利用。對可解釋性與信任度的重視，反映出製造業採用人工智慧的關鍵，不僅在於提升分析能力，更在於支援人類的決策過程。
擴展 這一點反映在人們對「代理式工作流程」日益增長的興趣上。其中一些最具說服力的實例，展示了人工智慧如何協助串聯工具、數據與流程，從而減少從洞察到行動所需的努力。人工智慧並非要取代現有的製造應用，而是越來越多地被用來統籌這些應用，協助工程師應對複雜性，並更有效率地執行工作流程。
令我印象深刻的是，這三個主題並非彼此獨立。該產業似乎正朝著一種模式發展：透過互聯數據使人工智慧能夠強化專業知識，而強化後的專業知識則能促進更有效的自動化與工作流程協調。當前的挑戰已不再主要在於建構個別的人工智慧模型，而是如何創造一個讓數據、知識、分析與行動相互協作的環境。
這個方向與 PDF Solutions 嶄新的「AI 優先」架構——Exensio® Aurora 背後的願景高度契合。研討會中討論的許多挑戰，本質上並非 AI 問題，而是數據與實務應用層面的問題。製造數據分散於各類工具、組織及供應鏈合作夥伴之間。 寶貴的工程知識往往隱藏在報告、工作流程以及領域專家的經驗之中。即使產生了洞見，要將其轉化為值得信賴且可重複執行的行動，仍然相當困難。
Exensio Aurora 正是專為應對這些挑戰而設計。它整合了具備半導體意識的數據基礎架構、能處理 petabyte 級製造數據的可擴展分析能力、整合式 MLOps、工作流程編排，以及基於數十年製造領域專業知識的代理式 AI。同樣重要的是，工作流程作為一種機制，能捕捉工程最佳實踐、保留上下文、提供可解釋性，並建立製造環境中採用可信賴 AI 所必需的防護措施。
從許多方面來看，這次工作坊再次印證，未來的關鍵不在於孤立部署更多人工智慧模型，而在於將資料、分析、領域知識與營運工作流程整合為一個共通系統，藉此在維持信任與治理的同時，加速決策過程。這正是 Exensio Aurora 旨在支持的發展方向。
我們將在 PDF Solutions CONNECT 2026上更深入地探討這些概念，包括可擴展分析、具備製造意識的資料模型、工作流程驅動的自動化，以及代理式人工智慧在半導體製造作業及更廣泛供應鏈中的實際應用。
體驗 Exensio Aurora，並與 開發團隊，並聽取早期採用者分享其部分功能的實用經驗，請立即註冊並參加 PDF Solutions CONNECT ，活動將於10月15日至16日在加州舊金山舉行。
造訪 PDF Solutions CONNECT 2026 會議網站，以進一步了解議程、講者、地點、後勤安排及報名資訊： https://events.pdf.com/connect2026/