几周前，我参加了SEMI举办的 “半导体制造中的AI技术” 研讨会，该活动在加利福尼亚州米尔皮塔斯举行。会上，半导体制造商、设备供应商、EDA厂商以及软件供应商分享了他们在将人工智能应用于实际制造挑战方面的经验。
尽管应用场景各不相同，但几乎每场演讲中都显现出一个共同的主题：该行业正从孤立的人工智能模型转向互联、受管控且日益具备自主性的系统，这些系统能够对制造数据进行推理，并帮助推动行动。
半导体行业面临的最大挑战与机遇
本次研讨会传递的最强有力的信息之一是：半导体制造行业并不存在数据匮乏的问题。它面临的问题是数据分散、工作流程脱节，以及难以将信息转化为可付诸实践的知识。
制造知识分散在计量系统、设备传感器、工艺配方、工程报告、MES系统以及各领域专家的专业知识中。随着技术节点的日益复杂，将这些要素串联起来变得越来越困难。
信任是另一个反复出现的主题。对于制造企业而言，在将人工智能生成的建议付诸实施之前，必须确保其具备可解释性、可治理性、可重复性以及人工监督。
与此同时，该行业正从预测分析转向能够理解不同数据源之间的关联、提出行动建议、协调工作流程，并最终缩短从洞察到影响之间的时间间隔的系统。
研讨会期间展示的解决方案思路
基于制造业背景的代理式人工智能
多位演讲者展示了将分析、机器学习和大型语言模型与制造业的特定知识及工作流程相结合的基于代理的系统。
一个反复出现的主题是制造背景的重要性。多场演讲强调了利用语义模型和知识图谱来连接制造数据、工艺知识和工程工作流。与仅处理孤立的数据集不同，这些方法使人工智能系统能够针对产品、工艺、设备、计量结果以及历史工程知识之间的关系进行推理，从而产生更相关且更易于解释的建议。
预测性维护与根本原因分析
设备监控与预测性维护是重点领域之一。一位演讲者展示了一种架构，该架构融合了预测分析、异常检测以及能够生成供操作员直接采用的建议的自主代理。
其他演讲则聚焦于因果人工智能和根本原因分析，强调需要超越单纯的异常检测，进而深入理解制造问题的根本驱动因素。
共同目标很明确：缩短调查时间，优化决策，并在质量或生产效率受到影响之前实施主动干预。
人工智能基于现有的制造工具进行开发
另一项观察是，人工智能并未被定位为现有制造和工程工具的替代品。 传统分析、统计方法、过程控制系统以及特定领域的应用程序，仍然是决策的基础。相反，人工智能正越来越多地被用于连接这些功能，加速调查进程，挖掘相关知识，并协调跨多个系统的工作流程。在许多情况下，其价值更多地体现在减少从数据到理解、再从理解到行动所需的工作量上，而非仅仅依赖于新的算法。
这对PDF解决方案意味着什么？
此次研讨会再次强调了支撑PDF Solutions愿景的三大主题——整合、增强和扩展——的重要性。
集成 是各场演讲中一贯探讨的主题。无论用例涉及预测性维护、良率提升还是自主人工智能，其成功都取决于能否整合来自多个来源的数据，并提供理解这些数据所需的背景信息。围绕语义模型、知识图谱和互联制造数据的反复讨论，凸显了在人工智能能够创造实质价值之前，建立共同基础的重要性。
增强 这一趋势源于业界对扩展工程专业知识的关注。许多演讲者并非试图用人工智能取代工程师，而是希望让现有知识更易于获取、应用和复用。对可解释性和可信度的重视，反映了这样一个现实：制造业中人工智能的应用，既取决于对人类决策的支持，也取决于分析能力的提升。
扩展 这一趋势体现在人们对基于代理的工作流日益增长的兴趣上。其中一些最具说服力的案例展示了人工智能如何帮助连接工具、数据和流程，从而减少从洞察到行动所需的投入。人工智能并非要取代现有的制造应用，而是越来越多地被用于协调这些应用，帮助工程师应对复杂性并更高效地执行工作流。
令我印象深刻的是，这三个主题并非相互独立。该行业似乎正朝着这样一种模式发展：互联数据使人工智能能够增强专业知识，而增强的专业知识又能够实现更有效的自动化和工作流协调。当前的挑战已不再主要在于构建单个人工智能模型，而是更多地在于营造一个让数据、知识、分析和行动协同运作的环境。
这一方向与PDF Solutions全新“AI优先”架构——Exensio® Aurora背后的愿景高度契合。研讨会中讨论的许多挑战，从根本上说并非AI问题，而是数据和落地实施方面的问题。制造数据分散在各种工具、组织以及供应链合作伙伴之间。 宝贵的工程知识往往隐藏在报告、工作流以及领域专家的经验之中。即使产生了洞见，将其转化为可靠且可重复的行动仍然困难重重。
Exensio Aurora 专为应对这些挑战而设计。它融合了面向半导体领域的数据基础架构、能够处理 petabyte 级制造数据的可扩展分析能力、集成化的 MLOps、工作流编排，以及基于数十年制造领域专业经验的代理式人工智能。同样重要的是，工作流作为一种机制，能够捕捉工程最佳实践、保留上下文信息、提供可解释性，并建立在制造环境中采用可信人工智能所需的防护机制。
从许多方面来看，本次研讨会再次印证：未来并非在于孤立地部署更多人工智能模型，而在于将数据、分析、领域知识和运营工作流整合到一个共同的系统中，该系统既能加速决策，又能维护信任和治理。这正是Exensio Aurora旨在支持的方向。
我们将在 PDF Solutions CONNECT 2026上进行更深入的探讨，包括可扩展分析、面向制造的数据模型、工作流驱动的自动化，以及代理式人工智能在半导体制造运营及更广泛供应链中的实际应用。
体验 Exensio Aurora，并与 开发团队，并听取早期用户对其部分功能的分享，请注册并参加 PDF Solutions CONNECT ，10月15日至16日，加利福尼亚州旧金山。
访问 PDF Solutions CONNECT 2026 会议网站，了解更多关于议程、演讲嘉宾、地点、后勤安排及注册的信息： https://events.pdf.com/connect2026/