AI走進造晶片核心 英特爾加速打造「自主晶圓廠」

英特爾(INTC-US) 晶圓代工事業（Intel Foundry）近期撰文指出，隨著晶片製造與先進封裝日益複雜，公司正結合AI、精密計量、測試與自動化技術，推動傳統自動化生產邁向具備感知、分析與自主決策能力的工廠。

在SEMICON West 2026展會上，英特爾Foundry展示14項研究成果與技術方案，涵蓋先進計量、缺陷檢測、AI分析、先進封裝、晶片測試及工廠自動化。

從單點最佳化走向系統整合

英特爾認為，單靠個別製程或設備的最佳化，已難以滿足未來需求，必須讓製造系統各環節相互連結。

英特爾Foundry半導體研發、先進封裝技術與製造副總裁Lalitha Immaneni表示，半導體製造正從各自獨立的最佳化，轉向互聯的智慧系統。

不過，真正的工廠自主化不能只依賴AI，還須以可信賴的量測、可互通的平台及先進測試基礎設施為基礎。

計量從事後檢查轉向即時控制

計量過去主要用於製造過程中的品質檢查，如今英特爾希望透過持續量測與監控，將資料直接用於預測性製程控制，更早掌握潛在缺陷與良率問題。

隨著製程複雜度提高，材料、設備、化學品、封裝材料與生產環境之間的交互影響愈加明顯。部分問題直到製造後期才浮現，最終造成良率下滑、成本增加。更連續的量測與資料分析，正是為了提前辨識這些風險。

這套思維也延伸至先進封裝。隨著小晶片（Chiplet）、混合鍵合、高頻寬記憶體（HBM）及2.5D／3D封裝快速發展，晶圓製造與後端封裝的界線逐漸模糊。

英特爾認為，先進封裝同樣需要奈米級精度、嚴格的製程控制與品質管理。

在測試方面，英特爾正推進Advanced Chiplet Test服務，透過涵蓋晶圓至系統層級的測試，及早發現問題並篩選出已知良好晶片，盡可能在進入昂貴的封裝流程前排除缺陷，提高整體良率。

AI介入缺陷分析與工程決策

自動缺陷分類（ADC）是英特爾此次展示的重點之一。不同製程節點與工廠須管理大量缺陷分類規則及配方，工程師也得耗費時間分析日誌、搜尋歷史資訊、調查根本原因與檢查配方。

英特爾正導入以AI代理為基礎的工作流程，協助工程師完成上述任務，並透過人工審核把關最終決策。AI因此逐步從單純的資料分析工具，轉為協助處理製造問題、支援工程決策的智慧助理。

此外，英特爾也探索結合AI與熱傳物理模型，利用物理資訊神經網路預測晶片內部的熱傳遞。這項方法運用物理定律提升預測能力，減少對大量訓練資料的依賴。

隨著AI晶片功耗攀升，熱管理與可靠性已成為製造及測試的重要課題。

打通設備與資料是關鍵

要實現自主晶圓廠，軟體定義自動化也是重要基礎。英特爾指出，傳統製造系統常面臨供應商綁定與資料孤島問題，設備資料難以互通，限制工廠掌握整體資訊，也拖慢工程決策。

為此，英特爾正推動不受特定硬體限制的自動化架構、互聯資料系統與AI驅動的邊緣運算，讓設備、生產資料、AI分析及自動化系統相互連接，支援預測性維護、自動品質檢測，並縮短工程回應時間。

產業標準同樣不可或缺。英特爾參與的SATAS產業聯盟，由日本新能源暨產業技術綜合開發機構（NEDO）及經濟產業省支持，目前已有逾40家機構參與，致力推動半導體組裝與測試的開放標準、互通架構及自動化框架。

英特爾認為，若不同廠商的設備與軟體無法互通，即使工廠擁有先進AI技術，也難以實現大規模自主製造。未來的自主晶圓廠，將是計量、資料、AI、自動化、封裝、測試與產業標準共同構成的製造體系。