Edge AI 賦能半導體產業創新 Part 1

提升半導體製程的生產效率與品質

半導體產業趨勢概覽

半導體產業發展趨勢

半導體製造產業正快速成長並持續轉型，主要受到數位轉型、物聯網（IoT）、人工智慧（AI）、5G、電動車（EV）以及高效能運算（HPC）等應用需求的推動。這些新興應用對晶片的運算效能、能源效率與功能整合提出更高要求，也促使半導體製造技術朝向以下幾個重要趨勢發展：

先進製程技術持續突破

市場對高效能、低功耗晶片的需求持續增加，推動半導體製程節點不斷演進，例如 3 奈米（3nm）與 2 奈米（2nm）製程的開發及量產。這些先進製程大幅提升電晶體密度與運算效能，但也同步帶來更高的製造成本與技術複雜度。

為克服這些挑戰，半導體製造商積極導入極紫外光微影（Extreme Ultraviolet Lithography，EUV）等先進製造技術，以提升生產能力、改善製程效率，並滿足持續成長的市場需求。

異質整合（Heterogeneous Integration）成為主流

隨著傳統製程微縮逐漸接近物理極限，單純依靠縮小製程節點已難以持續提升晶片效能。因此，異質整合（Heterogeneous Integration）已成為半導體產業的重要發展方向。

異質整合是將不同製程技術、不同功能，甚至不同材料所製造的晶片，透過先進封裝技術整合至同一封裝中，讓各元件能發揮最佳效能。相較於單一晶片設計，此方法不僅可提升整體運算能力，也能改善能源效率、縮短產品開發週期，並降低整體系統成本。

目前，2.5D／3D 封裝、Chiplet（小晶片）架構，以及晶圓級封裝（Wafer-Level Packaging，WLP）等技術正快速普及，成為支撐人工智慧、高效能運算（HPC）、資料中心及車用電子等高階應用的重要基礎。

先進封裝技術的成熟，使半導體製造商能以更具彈性的方式整合不同功能模組，在不受單一製程限制的情況下，持續提升系統效能與產品競爭力。

AI 與機器學習推動智慧製造升級

人工智慧（AI）與機器學習（Machine Learning，ML）正逐漸成為半導體製造流程中不可或缺的核心技術。透過大量製程數據的即時分析，AI 能協助製造商提升生產效率、改善產品良率，並降低整體營運成本。

在晶圓製造過程中，AI 可應用於多個關鍵環節，包括晶圓缺陷檢測（Wafer Defect Inspection）、製程監控（Process Monitoring）、設備健康管理（Equipment Health Monitoring）以及預測性維護（Predictive Maintenance）。藉由深度學習與電腦視覺技術，系統能快速辨識微小缺陷，減少人工檢測誤差，並即時發現製程異常，避免不良品持續產生。

此外，AI 也能分析設備感測器所蒐集的大量運轉數據，預測設備可能發生故障的時間點，讓工程人員能提前安排維護作業，降低非預期停機時間，進一步提升設備稼動率（Equipment Uptime）與整體生產效率。

隨著 AI 模型持續優化，以及邊緣 AI（Edge AI）運算能力快速提升，越來越多智慧製造應用開始從雲端轉移至生產現場，在設備端即可完成即時分析與決策，大幅縮短資料傳輸延遲，並提升製程控制的即時性與可靠性。

永續發展要求

隨著全球對碳中和與環境保護的重視日益提升，半導體製造商正積極提升生產過程中的能源效率，並致力於降低碳排放。綠色製造與再生能源的應用，已成為企業競爭力的重要指標。

整體而言，半導體製造產業正持續受到先進技術發展與多元化應用需求的雙重驅動。在技術突破、產業政策、市場應用需求及永續發展等多重因素的共同推動下，半導體市場預期將持續成長，同時帶來更多創新機會與挑戰。

企業必須緊跟市場發展趨勢，持續投入研發（R&D），並優化供應鏈管理，才能在全球市場中維持競爭優勢。

全球市場規模預測

根據市場預測，全球半導體需求在未來幾年將持續穩定成長，整體市場規模預計於 2035 年達到約 1.2 兆美元。

從市場需求結構來看，資料中心與高效能運算（HPC）將占據最大的市場比重。此外，電動車（EV）及相關功率元件的需求預期將大幅成長，成為成長速度最快的應用領域之一。雖然智慧終端裝置，例如智慧型手機與穿戴式裝置的成長速度可能趨緩，但穩定的市場需求仍將支撐可觀的出貨量。

另一方面，工業自動化與智慧製造的發展，將持續帶動嵌入式晶片與感測器的需求成長。多元化的市場需求顯示，半導體製造的應用範圍正持續擴大，也凸顯企業必須針對不同應用情境優化技術，才能因應市場挑戰並掌握成長契機。

半導體的多元應用

半導體是現代科技發展的重要基石，其應用涵蓋消費性電子、工業自動化、車用電子、通訊與網路、人工智慧（AI）、高效能運算（HPC）、醫療科技，以及航太與國防等眾多領域。從日常使用的智慧型手機、筆記型電腦，到智慧製造、機器視覺檢測等工業應用，乃至高精度雷達與衛星導航等軍事國防系統，半導體技術無所不在，持續推動全球產業創新與科技進步。

在汽車產業領域，半導體技術是推動智慧化與電動化轉型的核心。先進駕駛輔助系統（ADAS）、自動駕駛技術，以及電動車（EV）中的功率管理系統，都高度依賴高效能半導體元件，以提升車輛安全性、能源效率與整體駕駛體驗。隨著車聯網（Connected Vehicles）與智慧交通系統快速發展，半導體在車用電子領域的重要性將持續提升，並成為未來汽車產業創新的關鍵推動力量。

在通訊與網路領域，半導體技術是推動高速連線與數位轉型的關鍵。5G、Wi-Fi 6/7 以及未來 6G 通訊技術的發展，皆仰賴高效能半導體元件，以實現更快的資料傳輸速度、更低的延遲，以及更高的網路可靠性。此外，半導體也支援雲端運算、邊緣運算（Edge Computing）及物聯網（IoT）基礎架構的發展，使各類智慧裝置能夠實現即時連線與資料交換，進一步推動智慧城市、工業自動化及數位服務的創新應用。

在人工智慧（AI）與高效能運算（HPC）領域，半導體技術是支撐先進運算與資料處理能力的核心。隨著生成式 AI、機器學習（Machine Learning）及大規模資料分析需求快速成長，市場對高效能處理器、AI 加速器與先進半導體元件的需求持續增加。高效能半導體能夠提供更強大的運算能力與更高的能源效率，使資料中心、雲端運算平台及邊緣 AI 應用能夠更有效率地處理大量資料，推動智慧製造、自動駕駛、科學研究及各類智慧化應用的發展。

在醫療與健康照護領域，半導體技術正推動醫療設備與診斷系統的智慧化發展。高精度感測器、可穿戴式裝置（Wearable Devices）以及先進影像處理技術，使醫療人員能夠進行更精準的健康監測、疾病診斷與治療分析。此外，人工智慧（AI）結合半導體技術，也正在提升醫療資料分析能力，協助醫療機構加快診斷流程、改善治療效果，並促進個人化醫療（Personalized Medicine）的發展。

半導體製造流程

上游：IC 設計、材料與設備

上游產業涵蓋 IC 設計、半導體材料與製造設備。關鍵材料包括矽晶圓、光罩、光阻材料、蝕刻劑以及封裝基板等，這些材料會直接影響晶片的良率與效能。

重要製造設備則包含光微影設備、蝕刻設備、薄膜沉積設備以及離子佈植設備等。IC 設計是其中的核心流程，企業會先定義晶片架構、邏輯功能與電路設計，再將設計送往晶圓製造階段進行生產。

中游：晶圓製造

晶圓製造是半導體製造流程的核心，包含光微影（Photolithography）、蝕刻（Etching）、薄膜沉積（Thin-film Deposition）、離子佈植（Ion Implantation）、化學機械研磨（CMP）以及金屬互連形成等複雜製程。

整體流程可分為兩個階段：

中游：第一階段－晶圓生產

矽材料純化（Purification）：
從石英砂（SiO₂）中提取半導體級矽，並透過純化程序取得超高純度多晶矽。

晶體成長（Crystal Growth）：
使用柴可拉斯基法（Czochralski，CZ）或區熔法（Zone Refining）技術，成長出單晶矽。

晶棒拉製（Ingot Pulling）：
利用 CZ 法或浮區法（Float Zone，FZ）技術形成矽晶棒。

晶圓切片（Wafer Slicing）：
使用鑽石線鋸將矽晶棒切割成薄型晶圓。

研磨與拋光（Grinding & Polishing）：
晶圓表面必須達到極高程度的平滑度。透過化學機械研磨（Chemical Mechanical Planarization，CMP）去除殘留雜質並降低表面粗糙度，確保晶圓可進入光微影製程。

中游：第二階段－晶圓製程

沉積（Deposition）：
透過沉積製程形成不同薄膜層，以建立絕緣層、導電層或功能性結構。

光阻塗佈（Photoresist Coating）：
利用旋轉塗佈（Spin Coating）製程，將感光性聚合物均勻塗覆於晶圓表面。

曝光（Exposure）：
透過光微影設備將電路圖案轉移至光阻層上。先進製程節點（2nm 以下）採用極紫外光（EUV，Extreme Ultraviolet）技術，而較成熟製程則使用深紫外光（DUV，Deep Ultraviolet）。

顯影（Developing）：
顯影液會依據光阻類型選擇性溶解曝光區域或未曝光區域，使電路圖案顯現，以便進行後續蝕刻製程。

蝕刻（Etching）：
透過乾式蝕刻或濕式蝕刻技術，移除未受保護的材料，以形成電路結構。

光阻去除（Photoresist Stripping）：
在蝕刻製程完成後，移除殘留的光阻材料。

下游：IC 封裝與測試

晶圓製造完成後，晶片會進入封裝與測試階段。封裝可保護晶片，並確保電氣連接，通常是透過金屬線（Wire）或矽穿孔（Through-Silicon Vias，TSV）將裸晶（Bare Die）接合至基板上。

傳統封裝形式包括雙列直插式封裝（DIP，Dual In-Line Package）與四方扁平封裝（QFP，Quad Flat Package）；而先進封裝技術，如覆晶封裝（Flip-Chip）、扇出型封裝（Fan-Out）以及 3D IC 封裝，則可進一步提升晶片效能與整合度。

測試階段則包含功能測試與可靠性測試，以確保晶片在各種操作條件下皆能維持符合要求的效能與穩定性。

邊緣 AI 如何實現更智慧、更高效的晶圓製造

隨著半導體製程日益複雜，晶圓製造面臨更高的精密度要求、更嚴格的品質控制，以及提升生產效率的需求。傳統製造流程依賴大量人工檢測與集中式資料分析，已逐漸難以滿足先進製程對即時性與準確性的要求。

邊緣 AI（Edge AI）透過在生產設備端直接執行人工智慧模型，使資料能夠在靠近資料來源的位置進行即時分析與決策，降低資料傳輸延遲，並提升製程控制能力。

在晶圓製造中，邊緣 AI 可應用於缺陷檢測、製程監控、設備預測性維護以及生產參數最佳化等關鍵環節。透過 AI 演算法分析大量製造數據，製造商能夠更快速地識別異常狀況、改善良率，並降低生產成本。

此外，邊緣 AI 具備即時運算能力，可協助晶圓廠在不依賴雲端環境的情況下完成快速判斷，提高資料安全性與系統可靠性，進一步推動半導體製造朝向智慧化與自動化發展。

晶圓清洗：基於視覺的定位系統（Wafer Cleaning: Vision-Based Positioning System）

晶圓清洗是影響良率與製程穩定性的關鍵流程。透過化學藥劑與超純水（Ultrapure Water）去除光阻、有機化合物、金屬殘留物及微粒污染，使晶圓表面達到平整並為後續製程做好準備。

清洗製程約占整體半導體製造週期的三分之一，對於降低缺陷與控制污染具有重要作用。

當晶圓從 FOUP（晶圓盒，Wafer Pod）取出後，機械手臂與控制演算法會負責晶圓的精準定位。然而，重新定位的過程可能造成時間延遲。

為了解決此問題，製造商將機器視覺（Machine Vision）與運動控制系統（Motion Control System）整合至製程中。視覺系統可即時偵測晶圓偏移（Wafer Offset）與翹曲（Warpage），並提供精確資料，以引導定位與清洗動作。

此外，視覺系統也能最佳化清洗參數，避免過度處理或造成晶圓損傷。這不僅提升製程精度與效率，也能更有效去除微小粒子，同時維持晶圓表面完整性。

最佳化運算效能： 支援最新 Intel^®Core™ 處理器、PCIe Gen5 與 M.2 擴充插槽，可整合高效能元件，如影像擷取卡（Frame Grabber）、GPU（例如 NVIDIA^® GeForce RTX™ 4070）或 AI 加速器（例如 Hailo）。

整合式機器視覺與運動控制系統： 可即時偵測晶圓偏移與翹曲，實現精準定位，並協調清洗作業流程。

高頻寬記憶體： 支援最高 128GB DDR5 記憶體，可滿足多路影像處理及即時 AI 推論需求。

高效率資料管理： 支援 RAID 的 SATA 連接埠，可提供大量影像資料儲存能力，並加快資料存取速度。

完整連接能力： 配備 2.5GbE 網路埠、USB 3.2 Gen 2 與多組序列埠，可輕鬆整合各項子系統。

即時監控： 提供 HDMI^®、DisplayPort（DP）及 VGA 等多螢幕輸出介面，便於即時監控製程狀態及視覺化調整。

工業級可靠性： 採用堅固耐用的 4U 機箱，搭配 80 Plus Gold 電源供應器，可支援長時間、高負載的穩定運作。

第二部分：邊緣 AI 如何革新 IC 封裝與測試的品質與效率

在市場需求持續成長的帶動下，半導體產業正穩定擴張。隨著先進製程與封裝技術不斷演進，這些技術進展不僅提升了晶片效能，也推動 AI 技術加速落地應用。當前產業正處於關鍵轉折點，技術創新與市場需求正同步突破既有界限。Edge AI 為提升下列半導體後段製造流程的效率與品質，帶來了具轉型潛力的新契機：

（A）晶粒分類：加速晶粒檢測週期

晶粒探針測試與分類是品質控管及提升製造效率的重要環節。這些製程可識別不良晶片、進行品質分級，並協助製造商執行缺陷修復，進而降低成本、提高良率並維持市場競爭優勢。先進的晶粒分類設備整合機器視覺、AI、邊緣運算及多軸運動控制系統。

視覺系統會檢測晶片的表面品質、位置與尺寸，並將即時資料傳送至運動控制系統，以精準控制晶片的取放、旋轉、分類與置放作業。運動控制系統則可確保晶片在高速移動過程中維持穩定，減少定位偏差及振動所造成的問題。透過上述技術整合，可縮短檢測週期、降低人為錯誤，並提升生產可靠性。

（B）晶圓切割：以高精度視覺定位提升切割準確度

Edge AI 系統可在晶圓切割過程中提供精準且高效率的檢測。透過 Edge AI 執行自動校正，不僅能提高切割精度，也能降低對人工操作的依賴。

在典型的系統架構中，工業相機會在輔助光源下擷取晶圓切割位置的影像，再透過網路交換器將影像傳送至 Edge AI 系統。AI 會分析定位準確度；若偵測到位置偏移，系統便會啟動自動校正指令，調整切割刀片的位置。

（C）晶粒接合：透過視覺與運動控制同步實現高精度固晶

晶粒接合是 IC 封裝中的關鍵製程，會直接影響晶片的效能與可靠性。固晶機必須從晶圓上精準拾取晶粒，並使用環氧樹脂黏著劑將其放置於基板上。為確保電氣連接與熱傳導的完整性，設備必須具備高速且達微米等級的定位精度。

傳統光學對位系統已難以滿足現代製程的精度需求。因此，高效能固晶機開始整合運動控制與機器視覺系統，以進行即時偵測與動態補償。

視覺系統會判定晶片的位置與角度，並計算晶片相對於基板的置放位置。補償資料隨後傳送至運動控制系統，由系統動態調整動作，避免偏差持續累積，進而維持次微米等級的置放精度。