從製藥產業的角度看半導體製造 AI 的演進
半導體製造 AI 常被當成單一市場，但它在 fab 內實際扮演的角色差異很大。異常偵測、設備狀態 monitoring、品質預測、故障預測，以及直接改變製程條件的 AI，都在解不同問題。
重要的是，理解製程狀態和改變製程結果之間有很大距離。製藥產業中診斷、monitoring、預防與治療的分工，是理解這個差異很好的比喻。
- 製造 AI 不是單一領域，而可分為診斷、monitoring、預防與類似治療的控制。
- 診斷與 monitoring 幫助理解狀態；要改善 yield、品質與 variation，最終需要對製程條件介入。
- 製程控制會改變真實生產，因此除了 model，還需要驗證、營運、monitoring、update、approval 與 rollback。
- Amfibian™ 是為了讓這種介入更安全、更可重複而設計的 Production AI Platform。
製藥產業可分成診斷、monitoring、預防與治療
診斷找出目前出了什麼問題，monitoring 持續追蹤狀態，預防在問題發生前降低風險，而治療則真正介入並改變結果。每一項都重要，但角色不同。
半導體製造 AI 也需要同樣的區分
診斷包括異常偵測、RCA、SPC、FDC、EDA；monitoring包括 Virtual Metrology、drift monitoring、model monitoring 與 equipment-health monitoring。
預防包括 predictive maintenance、process-window guardrail、excursion prevention 與 risk alert。
類似治療的領域就是製程控制。APC、R2R、feedforward / feedback control 會直接調整可操作變數以產生目標結果。
| 製藥角色 | 半導體製造 AI | 核心作用 |
|---|---|---|
| 診斷 | EDA, SPC, FDC, RCA | 找出異常與原因 |
| Monitoring | VM, drift monitoring, model monitoring | 追蹤狀態變化 |
| 預防 | Predictive maintenance, guardrail, risk alert | 問題擴大前降低風險 |
| 治療 | APC, R2R, feedforward / feedback | 介入製程條件 |
| 治療營運 | 驗證、approval、update、rollback、operating policy | 安全重複運行控制 |
為什麼只有診斷與 monitoring 還不夠
更早找到異常、追蹤設備變化、提早發現品質風險都很重要。但製造越複雜，問題就會從「能不能看得更清楚」進一步變成「為了得到目標結果，應該改什麼」。
要真正改善 yield、品質、均勻性、variation、rework 與 scrap，最終必須介入實際製程條件。
製程控制最困難，但影響也最大
困難不只因為 algorithm 複雜，而是因為它會改變真實生產條件。model 出錯時，不只是 dashboard 數字錯，而可能變成品質或生產損失風險。
- 連到量產是否安全
- 性能下降能否被偵測
- 何時需要 update
- update 出問題能否 rollback
- 工程師能否理解並 approval
- 能否限制在客戶的 operating policy 內
好的 model 和能在量產運行的 solution 不一樣
實驗室裡看起來有希望的候選藥物，不會直接用在所有病人身上。製造 AI 也有相似的 scale-up 問題。
在歷史資料上表現很好的 model
在有限條件下可能有很高預測性能，但這本身不代表能長期量產運行。
在量產環境反覆運行的 solution
還要考慮 data quality、設備狀態變化、process drift、metrology delay、operating policy、工程師 approval 與 rollback。
製程控制 AI 需要逐步驗證：offline modeling → 歷史資料驗證 → Digital Twin → limited deployment → production monitoring。
製程控制不應一開始就直接連到 live production，而要逐步累積信任。
半導體製造 AI 的下一步是控制
過去很多製造 AI 以診斷與 monitoring 為中心。但 fab 越來越複雜，只把狀態顯示得更清楚已經不夠。
從診斷走向 monitoring、預防與控制，business impact 會提高，但 complexity 與 risk 也會一起增加。
下一步是超越狀態理解，為了目標結果安全地調整製程條件。
Amously 的方向
Amously 認為半導體製造 AI 會從診斷與 monitoring，進一步走向安全改變真實製程結果。Amfibian™ 是為這個轉變打造的 Production AI Platform。
未來不會停在顯示更多資料，而是更安全、更可重複、用更少試錯改變製程結果。
本文用製藥產業的結構比喻半導體製造 AI 的演進方向。實際導入方式會依製程、設備、量測與營運 policy 而異。