这条路径并非只在单一检测点上做识别。在硅片全链路质检方面,算法已渗透到拉晶、成型、清洗、外延、抛光等环节,针对形态相近的缺陷实现精准识别,并直连MES系统完成不合格品的自动拦截与根因追溯;在核心机台改造方面,哥瑞利通过LOFA远控、自动化流程代操与AI视觉协同,实现自动调机、缺陷寻址与自动量测,打通出货前的最后一道人工关卡。

　　需要说明,这些能力的落地以工厂既有系统为前提。哥瑞利采用"增强而非替代"的思路,AI承担的是原本需要人员盯屏、调参、判图的部分,并不重写整个CIM体系。

　　数据:把经验转化为可执行策略

　　如果说视觉解决的是"看得见",数据应用要解决的则是"看得懂、做得出决策"。

　　王辉将数据管理方案概括为接入、治理、分析、应用四个环节的闭环,并介绍其沉淀了近20年的半导体数据模型。他以拉晶场景举例:过去依赖工程师凭经验调炉,过程波动难以量化;如今数据把经验转化为可执行策略,AI模型一次成晶率从人工的57.8%提升至85%。在良率分析场景,工程师用自然语言提问,系统即可自动完成归因并给出结论与措施。王辉将这一进化路径总结为DTT框架,即数据可信(Data)、模型可信(Training)、决策闭环(Thinking)。

　　长期积累,支撑一次公开分享