從「自動化」進化成「智動化」——智慧製造是半導體產業的未來趨勢

本文轉載自宜特小學堂〈矽光子可靠度驗證該依循哪個規範？當老規範GR-468遇上新科技，系統如何順利Bring-up？〉，如果您對半導體產業新知有興趣，歡迎按下右邊的追蹤，就不會錯過宜特科技的最新文章！

矽光子晶片量產元年已在眼前，但業界至今仍缺乏一套專屬標準，最權威的依據是問世逾廿年的經典規範「Telcordia GR-468」。面對日新月異的矽光子與 CPO 技術，這套「老規範」是否還能扛得起驗證重任？

台積電在 2026 年技術論壇中明確指出，隨著製程邁入 2 奈米奈米片（Nanosheet）時代，AI 算力的延續必須仰賴《晶片版三層蛋糕論》，涵蓋運算、異質整合與 3D IC，以及最關鍵的「光子（Photonics）」。誠如台積電高層所言：「談到運算能力，電子無可匹敵；但談到訊號傳輸，光子則更勝一籌 。」

未來資料中心的傳輸勢必由電子轉向光學，而台積電的矽光子先進封裝平台 COUPE（緊湊型通用光子引擎，Compact Universal Photonic Engine） 也已搭載到基板上，並宣告今年將進入量產階段。NVIDIA、Intel、Broadcom 等大廠也爭相搶進 CPO（Co-Packaged Optics，共同封裝光學）賽道。

然而，當光電元件從「獨立模組」轉向「高度整合」的晶片封裝時，可靠度驗證的複雜度已不可同日而語。

面對工程師最常問的：「那規範在哪裡？」

實務上，目前業界針對 CPO 或矽光子產品還沒有單一且完全專屬的標準，最權威的依據仍是經典的 Telcordia GR-468。但在高度整合的趨勢下，這套傳統驗證邏輯正迎來前所未有的挑戰。

之前我們已從矽光子元件組成與決定效能的關鍵（閱讀更多：「光」革新突破半導體極限　矽光子晶片即將上陣），進而分享對應的解決方案（閱讀更多：矽光子開發遇到什麼瓶頸？），以及如何突破矽光子量產的核心難關（閱讀更多：矽光子CPO量產見曙光！從「漏電」到「漏光」如何迎刃而解？）。

亦針對光子積體電路（PIC）的五大關鍵部件，詳細剖析其常見故障模式（閱讀更多：為什麼 AI 晶片需要「光」？拯救超貴晶片的「矽光子眼科醫生」大解密！）。
本文將從光通訊規範 Telcordia GR-468 的角度，分享如何終端系統應用，回推到模組、元件與製程層級，矽光子系統如何順利 Bring-Up（啟動調試）與量產導入。

一、Telcordia GR-468 究竟是什麼規範？還堪用嗎？

電信級　Telcordia GR-468　是由通訊權威機構　Telcordia Technologies （前身為為美國貝爾通訊研究公司 Bellcore）於 2004 年釋出的核心規範（GR-468-CORE）。儘管它問世已久，但其嚴謹的測試架構，至今仍是全球矽光子元件進入 AI 伺服器供應鏈時，最被系統客戶採用的可靠度驗證依據。

Telcordia GR-468 這項規範的核心價值在於其「跨領域的覆蓋力」。

（一） 涵蓋完整光電鏈：包含雷射二極體（Laser Diode，簡稱 LD）、光電二極體（Photodiode，簡稱 PD）、電吸收調變器（Electro-Absorption Modulator，簡稱 EA Modulator）和 LED 等相關光電元件。

（二） 封裝層級延伸：GR-468 依「組裝完成度」將待測物分為多個封裝層級（Assembly Level），測試對象可從晶圓到單一晶片，延伸至次模組，仍至整顆光模組，從不同層級對應不同測試條件與驗證深度。

（三） 環境模擬：GR-468 規範嚴格區分機房溫控環境（Central Office，簡稱 CO）與戶外無空調環境（Uncontrolled Environment，簡稱 UNC），不同環境對應不同溫度範圍與應力條件，讓驗證條件貼近真實系統場景，這正是系統端最在意、也最容易在早期被低估的風險來源。

例如，應用於資料中心機房的設備，長期處於溫控環境，溫度與濕度波動小，應力條件相對溫和，驗證重點在於長時間的穩定運作。而隨著 AI 應用場域的擴張，例如：馬斯克計畫將 AI 運算中心送入外太空，若設備處於戶外或無空調環境（Uncontrolled Environment, UNC），將面臨劇烈的溫度波動、濕熱與高環境應力，極端溫差將嚴苛考驗封裝材質與光學對位的穩定度。

（四） 定性與定量並重：Telcordia GR-468 除了可藉由「定性測試（Qualitative Tests）」判別是否符合規範（Pass 或 Fail）、是否可量產導入，亦可透過「定量測試（Quantitative Tests/ Aging Tests）」進行壽命推估（EOL）、可靠度模型建立與系統設計優化。

以上這些 Telcordia GR-468 的設計，讓可靠度驗證能隨產品成熟度逐步展開，非常符合矽光子系統 Bring-Up 與量產導入節奏。

二、為什麼矽光子元件跑完規範，系統還是掛了？

看來 GR-468 規範仍然寶刀未老，但為何在實際應用中，許多跑完規範的矽光子系統仍無法順利運作呢？
宜特觀察發現，即便產品通過了 GR-468 規範中的環境應力測試，開發者在系統 Bring-up 或長期運作時，依然會頻繁遭遇莫名的訊號衰減。

這是因為在 CPO 架構下，光、電、熱、機械四者間的交互影響極其複雜。傳統「通過/不通過（Pass/Fail）」的判定邏輯，已不足以偵測高度整合後產生的深層失效模式。

以下是矽光子走向系統整合時，最令工程師頭痛的兩大硬傷：

（一） 熱力學矛盾與 ELS（外置光源）的妥協：

負責核心運算的 GPU（圖形處理器）屬於高功耗熱源，運作溫度動輒攀升至 100°C，這與對熱極度敏感、工作溫度需壓制在 70°C 以下的光傳輸元件（雷射光源）產生了嚴重的熱力學矛盾。雷射光源受熱會導致啟動閾值電流指數型增加、波長變長（紅移），並加速元件內部缺陷擴散而縮短壽命。

為了化解這項矛盾，業界傾向 ELS（External Laser Source，外置光源），將雷射光源像電池一樣外掛。但這衍生了以下風險 ：

1. 高功率運作的老化（Aging under High Power）：

ELS 需供應極高光功率給多個矽光引擎，雷射在極高驅動電流下運作，內部的晶格缺陷會隨時間與高溫擴大，形成「暗線缺陷（Dark Line Defects）」，導致發光效率劇降。

宜特建議可執行HTOL（高溫操作老化測試）。在 85°C 或更高溫下持續通電數千小時，觀察光功率衰退曲線，以推算出產品是否能支撐 10 年以上的系統壽命。

2. 連接介面的脆弱性：

ELS 增加了連接介面，保偏光纖（PM Fiber）的過度凹折，或是接頭沾染微塵、插拔產生機械微裂痕，都會導致插入損耗（IL）升高，成為系統潛在的故障點。

（二） 異質整合的「應力」拉扯（CTE Mismatch，熱膨脹係數失配）：

矽光子晶片內含矽、三五族化合物、玻璃光纖與金屬，這些材料受熱後的膨脹程度（CTE）差異極大。例如矽晶片（2.6）與 PCB 板（15）甚至 UV 光學膠（50~100）之間巨大的應力差，在發熱時會產生劇烈拉扯：

1. 次微米級的對位挑戰：

光纖陣列（FA）與矽光晶片耦合時，對位精度要求在次微米級。一旦受熱產生Warpage（翹曲）或應力拉扯，輕則光路偏移，重則導致結構 Delamination（剝離）。
宜特建議可透過 TC（溫度循環測試）。在 -40°C 到 +85°C 之間劇烈變換，確認光學膠是否裂開，並嚴格監控 IL（插入損耗）是否超標，而非僅看元件是否能通電。

2. 膠材劣化與水氣滲透：

高溫高濕環境會導致固定用的 UV Epoxy（光學膠）發生老化、膨脹或潛變，直接造成訊號損失。
宜特建議可執行 THB（溫濕度偏壓測試，即85/85測試）。在 85°C/85% RH 環境下施加電壓 1000 小時以上，確保膠材在極端環境下的結構強韌度。

隨著矽光子與 CPO 架構的快速發展，可靠度驗證不該只是為了拿一張合格證書，而是要支撐系統長期的穩定運作。

目前的 Telcordia GR-468 規範環境要求, 主要分成機房溫控環境（簡稱 CO）與戶外無空調環境（簡稱 UNC），但在光通訊業者對故障經驗實務累積下, 以及未來更嚴苛的 AI 運算環境（例如太空軌道資料中心）需求下，現有標準已漸顯不足，IPEC 協會 2025 年可靠度執行協議針對光模組納入抗硫化、鹽霧、落塵等更嚴苛的環境測試，以滿足對可靠度的極致要求，相關供應鏈必須及早做好準備。

本文出自 www.istgroup.com

想打入熱門的車用半導體供應鏈，對沒有自家晶圓廠的 IC 設計公司來說，最大的挑戰就是：如何向一線車廠證明自家的晶片具備零缺陷（Zero Defect）的頂級品質？答案就藏在 AEC-Q004 車用零缺陷框架裡！只要掌握這套品質管理核心，沒晶圓廠也能脫穎而出，順利拿到進軍車用供應鏈的黃金門票。

本文轉載自宜特小學堂〈 IC設計如何進入車廠供應鏈？一次搞懂 AEC-Q004 車用零缺陷框架〉，如果您對半導體產業新知有興趣，歡迎按下右邊的追蹤，就不會錯過宜特科技的最新文章！

近年來，車用半導體市場熱度持續發燒，許多 IC 設計業者（Fabless）都想搶攻這塊大餅。然而，在傳統消費型電子中，設計歸設計、製造歸製造。但在車用晶片（Automotive IC）領域，一點點微小的瑕疵（Defect）都可能導致嚴重的安全事故，跨入車規市場的門檻可說極高。

自 2018 年起，以 BMW、Volkswagen、Audi 為首的歐系車廠開始積極推動「零缺陷（Zero Defect）」理念，要求半導體供應鏈從設計、製造到測試皆須以風險思維貫穿。Tier 1 供應商與車廠OEM（Original Equipment Manufacturer，原始設備製造商）對產品可靠度與異常回覆速度的要求亦不斷提升，車用晶片不僅要能滿足長達 15 年（或約 1 萬小時以上）的壽命要求與 -40°C 至 +125°C 的極端溫度考驗，還需應對嚴格的外包供應鏈追蹤與客戶稽核。

具備設計與製造一條龍能力的 IDM（Integrated Device Manufacturer，整合半導體元件製造商），因擁有自家晶圓廠，通常已取得IATF 16949 這張認證，也就是進入汽車供應鏈的「門票」；但對於沒有晶圓廠的 IC 設計業者（Fabless）來說，在缺乏自有製程的情況下，該如何向車廠證明自己的產品具備車規級的零缺陷品質呢？

這時候，AEC-Q004《Automotive Zero Defect Framework》（車用零缺陷框架）就是幫助大家順利通關的終極武器！它可解決「設計和製造溝通斷層」的問題，讓供應鏈上下游能用同一套邏輯說話。本文將帶大家搞懂，如何透過 AEC-Q004 的框架，在產品交付給客戶前，把所有潛在的失效因子通通攔截下來。讓 IC 設計公司能從「被動應付測試」轉向「主動品質管理」，正式從消費級晶片商升格為車規級供應商。

一、什麼是 AEC-Q004？它跟其他規範的關係如何？

自 2018 年起，歐系大車廠（如 BMW、Volkswagen、Audi）開始強力推動零缺陷（Zero Defect）的品質文化。為了具體落實這個目標，AEC 在 2020 年發布了 AEC-Q004。
AEC-Q004 並非用來取代既有標準，而是作為 AEC-Q100 等車用元件可靠度驗證標準的延伸品質指南，用以補強車用半導體在量產階段（Production Phase）的 Zero Defect 管理機制。

在實務上， AEC-Q004 常與下列體系共同運作：AEC-Q100 / Q101 / Q102（元件可靠度驗證）、IATF 16949（汽車供應鏈品質管理系統）、ISO 26262（功能安全要求）（衍生閱讀：了解三大面向，順利取得IATF 16949汽車品質管理系統證書、最新車規AEC-Q100改版速讀　揭示車用晶片可靠度驗證關鍵）

AEC-Q004將車廠極度要求的「零缺陷」文化，具體化為好懂的「六大管理面向（industry interpretation）」，包含：設計防錯、外包製程監督、測試與良率分析、應用程度評估、持續改善，以及問題解決。這六大管理面向能對應到 IATF 16949 的核心工具（如 FMEA、SPC、PPAP 等），成功消除了「設計端」與「製造端」之間的斷層。（衍生閱讀：車規最新 探索AEC-Q004零缺陷的世界）

宜特科技指出，AEC-Q004 的「統計防錯」基礎也跨度整合了 AEC-Q001 (Part Average Testing, PAT) 與 AEC-Q002 (Statistical Yield Analysis) 兩項核心規範，用來過濾異常樣本（Outlier）與管控異常良率批次（SYL、SBL），確保隱性不良品不會流入車廠。

有了這套標準，再加上 ASP 外包治理機制，即使是沒有自有工廠的 IC 設計業者（Fabless），也能無縫對接代工廠（Foundry）與封測廠（OSAT）。宜特
專家團隊認為，這不僅能確實滿足車規嚴苛的壽命與可靠度要求，更能帶領企業穩健邁向系統化的零缺陷管理。

二、AEC-Q004抓出隱形壞品的「統計防錯機制」

(一) 三層防錯架構：

根據我們的實務驗證經驗，AEC-Q004 為了將零缺陷管理從設計端一路延伸至量產與改善階段，特別將六大管理面向（industry interpretation）橫向展開，並縱向打造了「三層防錯架構」，形成一個從實體特徵、電性行為到統計監控的全流程風險防控循環：

1. 實體層（Physical）：
   關注物理與結構上的控制，包含製程能力、SPC（統計製程管制）、OCAP（異常行動計畫）。
   
2. 電性層（Electrical）：
   確保電性行為符合預期，包含 EDS (Electrical Die Sort，晶圓針測) 與 Test Coverage（測試覆蓋率）。
   
3. 統計層（Statistical）：
   運用強大的數據分析抓出隱形瑕疵，包含 PAT、SBL、SYL 以及異常樣本管控（Outlier Control）。

為了讓大家更好理解這套立體的防護網，AEC 建立了一個清晰的交叉矩陣，確保六大管理面向（industry interpretation）在每個層次都能被徹底落實。

(二) 跨標準的「統計攔截失效機制」：

在這三層防線中，最核心且最具威力的就是「統計層」。簡單來說，就是透過統計數據來抓出潛在的不良品。AEC-Q004 為了有效防堵失效，特別跨度整合了 AEC-Q001 與 AEC-Q002 兩項核心規範，建立起強大的「統計防錯機制」，精準過濾異常批次與產品：

1. PAT（Part Average Test）抓出異常樣本（Outlier）：
   在同一批晶片中，即使某顆晶粒的測試數據「符合規格」，但若其電性參數 明顯偏離該批次的統計分佈（statistical distribution），仍可能被判定為 Outlier 並予以篩除。透過這種 Outlier Screening（PAT），可提前攔截可能導致早期失效（Early Failure） 的潛在不良晶粒流入車廠。
   
2. SYL（Statistical Yield Limit）剔除低良率批次：
   當某批次整體的測試 bin 分佈或良率表現明顯偏離長期統計趨勢（例如低於統計下限） 時，即可能觸發 SYL (Statistical Yield Limit) 機制。這代表該批產品可能存在製程、材料或設備異常，因此必須啟動調查並可能暫停出貨，以避免潛在缺陷流入車廠。
   
3. SBL（Statistical Bin Limit）調查假性高良率：
   當某個測試 bin 的比例異常增加（高於統計上限）時，可能代表測試條件設定異常、測試覆蓋率不足，或潛在缺陷未被正確篩出。此時需啟動 SBL（Statistical Bin Limit）調查，以確認是否存在測試逃逸（Test Escape）或測試條件偏移的風險。透過這套結合了實體、電性與統計攔截的「防錯機制」，半導體業者就能有效拉起防線，將不良品阻絕於車廠之外。

三、管好你的代工好夥伴（ASP 外包治理）

宜特長期觀察發現，在實務上，許多車廠會要求 Fabless IC 公司建立 Automotive Service Package（ASP），以確保代工廠（Foundry）與封測廠（OSAT）的製程與品質管理符合車用品質要求。

身為 IC 設計公司，產品需要交由代工廠（Foundry）與封測廠（OSAT）生產。為了確保代工製程符合車規的穩健性，建議業者必須依循 AEC-Q004 要求，建立完善的 ASP (Automotive Service Package) 制度。

透過設計–製造–測試的「三層防線（實體層、電性層、統計層）」，IC 設計業者可以嚴格監督外包夥伴。例如：要求代工廠的製程能力指標 Cpk 必須大於等於 1.67、強制實施 OCAP（異常行動計畫）與 PAT 統計攔截，並且簽訂車用品質協議（Automotive Quality Agreement）以釐清品質責任。

隨著 Tier 1 與車廠對可靠度的要求越來越高，AEC-Q004 已經成為 IC 設計業者跨入車規市場、與車廠對話的關鍵橋樑。它不僅僅是一份文件，更是一個強大的協同機制。只要掌握了這套零缺陷的通用語言，沒有晶圓廠的 IC 設計公司也能以「設計防錯、製程監督、統計防錯」三位一體的方式，成功打入車用半導體供應鏈。
我們建議往零缺陷方向努力的供應商，通過 AEC-Q100 只是起點，能通過車廠對「零缺陷」的嚴苛稽核才是真正的考驗。

如果您想更清楚 AEC-Q004 與各標準間的對應關係，我們已製作一張精美圖表，歡迎來信索取， Email: marketing_tw@istgroup.com

本文出自 www.istgroup.com。

人類駕駛會疲勞、需要休息，但完全自駕車卻能 24 小時在路上奔馳，對車用晶片來說，這場長達 15 年的『無間斷馬拉松』，究竟現行的晶片規範夠用嗎？如果研發出的車用晶片只需拿到 Pass 報告，卻說不出它何時會失效，這就是潛在的災難。在車用世界講求「零缺陷」的賽道上，唯有精準掌握產品『何時失效』與『為何失效』，才能守住全球車用供應鏈的最後一道防線。

本文轉載自宜特小學堂〈AEC規範沒寫的，就不用測嗎？當車用 Pass 報告已不足以拿到訂單怎麼辦？〉，如果您對半導體產業新知有興趣，歡迎按下右邊的追蹤，就不會錯過宜特科技的最新文章！

邁入 2026 年，全球汽車產業正視的「Zero Defect （零缺陷）」 已不再僅是標語，而是車廠在法律責任與品牌存續間的唯一防線。隨著各國相關法規陸續將 L3-L5 級以上（指由系統監測駕駛環境的高階自動駕駛階段）的事故責任歸屬於車企（OEM），「系統失效」的成本已從單純的召回費用，演變成企業必須承擔的法律責任。

對工程師而言，最嚴峻的挑戰在於，現行的 AEC-Q 系列等通用標準，在面對 L3-L5 自動駕駛 Mission Profile（任務剖面）時已顯得捉襟見肘。

當車輛不再受限於人類駕駛的生理疲勞，實現完全自主行駛時，日運行時間可能從 2 小時拉長至 20 小時。隨之而來的是，車載半導體的工作壽命時間將是現行 AEC 規範的 4 倍或更多。

但傳統的「Pass/Fail」測試僅能保證出廠品質，要達成 Zero Defect 必須跨越傳統驗證的舒適圈。本期小學堂將從實驗室的第一線視角，解析如何在研發初期透過深層的技術驗證，跨越傳統的「Pass/Fail」測試，鋪設這條通往零缺陷的安全之路。

一、車用晶片封裝脫層是誰的錯？跟我無關還要了解嗎？

宜特實驗室長期觀察發現，面對先進封裝動輒數百到數千個微小接點，高達 64% 的問題其實是出現在 OSAT（委外封測代工廠）的製程中。

為了防範未然，IC 設計公司不能只看 OSAT 提供的良率報告，而是必須主動出擊，應把破壞性物理分析（DPA）作為常態性的生產監控工具。從封裝後的結構切開檢查（Cross-section），哪怕每天或每月只抽樣1到2顆晶片，都更能幫助揪出隱藏在封裝製程中因物理性缺陷所引發的失效問題，從源頭守住品質防線（閱讀更多：車用工程師惡夢！為何晶片通過ATE測試仍遭退貨?）

二、遵循AEC-Q007完成試驗後該做什麼?

目前 AEC-Q 規範大都要求執行 1,000 小時測試，早在 2017 年起就有國際一線車廠提出「現行AEC-Q規範已不足以應對未來真實需求」。隨著自動駕駛技術逐漸推進到 L3-L5 階段，車輛運轉時間將至少是現有規範的4倍或更多。因此，AEC-Q 規範首次以「累積失效模式」取代過去「有限時間」的測試方法，了解產品在全生命週期中的失效分布狀態。

（一） 失效累積63.2%的數據背後，核心價值是「壽命預測」

在 AEC-Q007 的板階溫度循環測試（TC Test）中，要求測試必須進行到「累積失效達63.2%」或「完成3000 個循環無失效發生」為止。進而採用韋伯分佈（Weibull Distribution）分析，以獲得產品在全生命週期中（浴缸曲線）的失效分布情形 (閱讀更多：最新 AEC-Q007 規範搶先看 車用Board Level驗證手法大公開)。
如果研發工程師的目標，僅僅是為了拿到 Pass 結案，就完全喪失了可靠度測試的初衷。做測試的真正目的，是要回答一個最核心的課題：「所開發的產品到底何時會失效？」

（二） 如何透過數據精準「預測」晶片的失效期？

真正的領先者會將AEC-Q007測試得出的失效數據，帶入韋伯分佈模型進行深層分析，從中獲取以下關鍵情報：

1. 定位浴缸曲線（Bathtub Curve）階段：
   經由韋伯分析，可取得產品特徵壽命（Characteristic life – η）和失效分布「形狀參數（Shape parameter, β）」，即可判斷產品失效是屬於製程缺陷導致的「早夭期失效」，或使用期間的「隨機失效」，還是材料自然退化所造成的「老化期失效」。若早夭期過長，代表產品存在著設計或製程問題；若老化期發生在設計壽命期內，那將是一場災難。
   
2. 是否滿足任務目標需求（Mission Profile）：
   從產品的「首次失效點（First Failure）」，可推算產品在多使用幾年後會出現失效，同時也可以計算出在保固期（N年）內會發生缺陷率的比例，以做為市場備料參考依據。當然，也可藉由韋伯分析結果，来確認產品是否真能滿足車廠任務目標（Mission Profile）與客戶期待。
   
3. 精算安全備援（Redundancy）設計：
   對於車用系統而言，任何失效都可能危及人命。當我們能精準預測產品幾年後會壞，設計者才能計算系統需要多少顆晶片來做「冗餘（Redundancy）」設計，以確保在主系統在發生問題時，備援系統能即時接管，達到汽車運行時的絕對安全。

三、目前AEC-Q007板階可靠度存在著不足

汽車使用年限長達 10 至 15 年，且必須在極為複雜且嚴苛的環境應力下正常運轉，除了大自然氣候環境應力外，還必須確保在長期振動與機械衝擊的環境下能正常運作。而目前 AEC-Q007 僅針對溫度循環進行要求，因此板階可靠度必須增加震動與機械衝擊試驗，才能貼近汽車電子真實所遇到的環境，不能因為標準沒有要求，而忽略去了解震動與機械衝擊試驗在板階可靠度上的關鍵影響性。

在過去，IC設計業往往側重於功能性設計（Design for function）；但在汽車電子領域，可靠度設計（Design for Reliability）與可製造性（Design for Manufacturing）更為重要，同時從失效機制的角度出發，才能在「零缺陷」的賽道上逐步前進，進而贏得客戶的長期信任與訂單。

若想看完整 AEC-Q007 文件，請點此觀看。

本文出自 www.istgroup.com。

• 文／曾繁安

台灣擁有傲視全球、成熟完整的半導體產業聚落，在世界科技領域中扮演舉足輕重的角色。這個國家的經濟命脈，經過全自動化的時代後，即將迎來另一次生產技術的大變革——智慧製造。

當訂單越來越多，人力卻不夠，半導體業者該怎麽辦？

半導體產業包含了矽晶圓^［註］、相關化學品與氣體及導線架等封裝材料，其中又以晶圓厰為大宗，例如台積電便是全球規模最大的晶圓代工厰。素有「現代科技應用的大腦與心臟」之稱的半導體，是現代多數電子產品的核心單元，因為各項產品正是利用半導體電導率變化的特性來處理資訊。然而，目前半導體製造業卻面臨人力資源跟不上產量需求提高的挑戰。

一般半導體廠場域面積大，人力短缺使企業面臨管理人手吃緊，再加上人員進出無塵室的過程繁瑣耗時，也是另一大負擔。與此同時，在廠內儀器參數比對和規劃生產計劃上，傳統人力也可能有出現誤差的風險。疫情時代也促成在宅經濟和 5G 應用的高速發展，各領域對晶片的需求大增，造成半導體產業出現產量需求高，但人力短缺的現象。

因此對不少業者而言，可有效緩解人力不足、大幅提升作業效率的數位轉型（Digital Transformation），可謂勢在必行。

從「自動化」升級到「智動化」的智慧製造

那半導體產業的數位轉型，該怎麽做？所謂數位轉型，不僅僅只是將資料或作業數位化，還包括導入人工智慧（Artificial Intelligence，簡稱 AI）與數位科技，來改變企業的整個營運生產模式。AI 指的是電腦程式可模擬人類思維過程的能力，而在 AI 概念下的機器學習（Machine Learning，簡稱 ML），即為機器可以根據已收集的大量數據，經由建立模型對新數據進行推測，學習找出最佳解、改善效能。

結合 ML 的製造執行系統，需搭配裝置在工廠各處的多個傳感器（Sensor），來收集與回傳各樣的生產數據。它們與工廠設備的相互連接，即是運用了物聯網（Internet of Things）的技術。有賴於 5G 科技的發展，數據可以達成高速率傳輸與低延遲，使得機器與機器之間可以達成溝通，在整合分析各方數據資訊後，有效率地完成各種指令操作，可以比自動化製造系統，更進一步為人類代勞工廠運作的大小事務。

舉例來説，當工廠的生產過程出現問題，自動化系統只會跳出異常通知，還是需要仰賴人員來進行手動排除；但換作應用 ML 系統的話，便可透過自我學習，來自動調整製作流程以解除異常狀況，無需人力介入便可自主解決，提升良率，達成「智動化」智慧製造（Smart Manufacturing）的最終目的。

懂得精益求精、提高品質產量的智慧工廠

一座運用智慧製造的半導體工厰，不但能自主克服製程中的疑難雜症，更能幫助提高晶圓的產量品質。在研發方面，AI 可以協助理解高複雜、高維度的製程開發挑戰，也可與 ML 軟體分析感測資料和檢測影響，進行品質管理與缺陷檢查。

此外，數據治理和數位分身，也是智慧製造的關鍵策略。對企業整體的數據進行管理和控制，以提高數據的價值，將因為數據產生的成本風險降到最低，是數據治理（Data Governance）的核心精神。

在兼顧資訊安全下，數據治理的體系能使跨部門間的數據共享更為方便暢通。輔以 AI 及 ML 的運算，便可以使業務部門的客戶需求、供應鏈管理等資料，與工廠生產部門的設備控制與品管等流程，有更迅速緊密的配合，規劃好合適的未來生產計劃，指導人員進行相關作業。

如同我們可以在電玩游戲或社交媒體上，按照自己的個人形象，來打造自己的虛擬化身，工厰也能藉助現今的科技，來為產品的物理實體，在資訊化平臺或系統的虛擬空間中，打造一個類比實物的數位分身（Digital Twin）。

數位分身也是物聯網的應用之一，半導體廠中，由傳感器所收集到的晶圓製造數據，在 AI、ML 和軟體分析的協助下被整合，對映成數位空間中「雙胞胎」的存在。這位孿生兄弟不僅能夠隨物理實體的變化而即時做出相應變化，還可以提供無法在實體產品上測試計算的數據。

理想情況下，數位分身可以經由機器學習，分析過去的歷史資料或多重來源的數據，來推估實體的未來情境。因此在危機或異常事件發生前，業者便可預先進行預測性的設備維護與產品的良率分析，比起傳統人力的判斷更加精確，降低技術風險，大大提高生產效率。

工業 4.0 浪潮來襲，智慧製造是產業未來趨勢

運用通訊科技、資料庫和電腦系統達成全自動化生產，已不是新鮮事，如今人類社會正迎來第四次工業革命的新一波浪潮。主打網絡與機械相互連接的核心精神，導入人工智慧、機器學習、物聯網感測與大數據分析等人機協作的智慧製造，是因應多變市場需求的時下趨勢。

在半導體領域中，企業龍頭台積電可説是數位轉型的成功案例，從二十年前的全自動化製造系統，如今致力於打造組織內部友善 AI 的工作環境，努力向智慧製造全面轉型。數位轉型的技術支援不能沒有半導體產業製造的晶片，而如今數位轉型也有望帶領半導體產業突破產能吃緊、人才短缺的困境，走向智慧製造的新紀元。

以台灣在地企業的智慧製造覆蓋率而言，就已在短短 6 年內成長 50％。舉全台最大的國際半導體展 SEMICON Taiwan 為例，智慧製造相關的展商在近六年內的成長幅度也同樣攀升了 50%。

今年高科技智慧製造特展將以歷年最大規模之姿登場，與全台最大半導體盛宴 SEMICON Taiwan 2022 國際半導體展同期同地舉辦，匯集橫跨高科技製造業智慧製造解決方案業者、系統整合、軟硬體商及智慧製造需求端業者，如盟立自動化、倍福自動化、家登精密、攝揚企業、日商 JEL 等不容錯過。

因應疫情下數位轉型成為全球企業的重要任務，今屆展覽中的「高科技智慧製造論壇」將由美光科技、 Lam Research、 Rockwell Automation、Siemens 等知名企業專家以人工智慧工廠為主軸，探討 GEC 技術藍圖，內容包含五個部分包含數據管理、智能分析、數位分身預測等重點實務經驗分享，從晶圓厰到設備製造商和解決方案提供者的角度，讓參與者得以探究 AI 智能工廠的前景和挑戰，跟上數位轉型的步伐。

除了智慧製造議題，展覽期間共有超過 20 場重磅級的國際趨勢論壇，豐富主題涵蓋先進製程、異質整合、化合物半導體、車用晶片、永續製造、半導體資安及人才。論壇將在今年 9 月 13 日率先開幕，展覽則於 9 月 14 日至 16 日於臺北南港展覽館一館盛大開場，規模創歷年新高，届時將有 700 間國內外指標性大廠共襄盛舉，現場將有 2,450 個攤位展出，完整串聯全球半導體供應鏈，目前展會參觀與論壇皆已開放報名，參與席次有限，有興趣者趕快手刀至官網報名起來！

註：晶圓（Wafer）是半導體晶體圓形的簡稱，是從半導體材料如最常見的矽，經過拉製、提煉等一系列處理過程，製成的圓柱狀半導體晶體經過切片、抛光而來。這些圓形薄切片被用於積體電路製程中的載體基片，也可用來製作太陽能電池。

參考資料

1. 半導體是什麼？晶片產業一次看懂
2. About SEMI Smart Manufacturing initiative
3. 【獨家披露】台積電數位轉型的下一步，靠AI推動全面轉型（上）
4. 【獨家披露】台積電數位轉型的下一步，靠AI推動全面轉型（下）
5. 泛科學：每分鐘 15 次的駭客攻擊，5G 世代的臺灣資安挑戰——資安所王仁甫策略總監專訪
6. Data Governance – 臺灣人工智慧行動網
7. 「數據治理」：人工智慧企業的基本功
8. 科技大觀園：從全自動化製造邁向智慧製造
9. 聯剛科技股份有限公司
10. 【新興領域：9月焦點8】數位分身（Digital Twin）技術發展趨勢與不同層次應用模式
11. 半導體資安的新挑戰！後疫情時代，如何全面打造半導體供應鏈數位韌性
12. 工業4.0大全，從淺到深一篇搞懂它！