从流程系统到决策系统,哥瑞利LOFA能否让CIM长出AI大脑
后摩尔时代,晶体管微缩的边际成本持续抬升,晶圆厂提升产出与良率的路径,正从"更先进的设备"转向"更聪明的系统"。当制程节点逼近物理极限,同样的机台、同样的工艺,能否少停一次机、少废一批片、少等一小时,往往取决于产线背后那套制造软件。
一、CIM的天花板:能调度,却不会判断
计算机集成制造系统(CIM)长期被视为晶圆厂的"中枢",它把制造执行、设备自动化、物料搬运、良率管理等模块串成一条线,解决的是"让数百台设备协同运转"的问题。国内厂商在这条赛道上追赶多年,哥瑞利是推进较快的本土企业之一。2023年初,公司交付了12寸前道18纳米工艺的全厂全自动化方案,覆盖从生产数据采集、设备互联到数据分析的全链条,成为完成该级别国产替代验证的厂商之一。
但CIM本质上仍是一套流程系统。它擅长记录与执行:设备在做什么、工单走到哪一步、良率是多少,都能被准确追踪。可一旦追问"良率为什么下降",系统往往只能给出报表,把判断留给工程师。跨系统取数、拼表格、对口径,仍是不少工厂工程师的日常。流程系统能"看见"问题,却还不会"解释"问题。
把AI下沉到机台:LOFA做了什么
哥瑞利的解法不是在CIM之外另起炉灶,而是在既有骨架上补一层智能。其核心AI产品LOFA黑灯工厂助理,定位是产线上的"AI数字员工",把能力直接压到机台控制环节。
在缺陷复查环节,晶圆图形复杂、缺陷类型多样,机台对准稍有偏差就会中断流程,需要工程师反复介入。LOFA通过自研的智能对准算法与自动复测逻辑,将缺陷复查串成一条无人闭环,减少人工介入频次。在关键尺寸量测环节,传统图像匹配容易受图形变化与噪声干扰,改用基于特征值的中心定位算法后,定位成功率较常规方案提升约90%,在客户现场稳定运行准确率超过95%。在THK机台建立的量测配方调试中,LOFA黑灯工厂助理借助智能匹配与OCR自动识别技术,可将新品recipe调试时间从20分钟缩短至2分钟,单批次可节省约半小时生产周期。据公司披露,LOFA已在半导体前道与先进封装后端累计落地24个应用场景,从单点试点进入规模化复制阶段。
从"能看"到"会答":数据如何变成决策资产
如果说LOFA解决的是现场执行,那么让数据产生判断力,是更难的一步。哥瑞利的iDEP大数据智能平台做的正是这件事:把分散在制造执行、设备、检测等系统中的数据统一治理,沉淀指标与模型。工程师不再需要先取数、再拼表、再归因,而是可以直接提问"上个月产线良率为什么下降",由系统给出诊断结论与建议,分析效率从原来的天级缩短至分钟级。
在此基础上推出的GloryIGI工业通用智能平台,融合泛半导体工业数据大模型、知识图谱与先进算法,围绕质量、效率、成本三条主线,在设备异常调试、品质根因分析、工艺参数优化等场景中辅助决策,推动系统从流程自动化向认知智能延伸。
仍需时间给出答案
一个值得注意的背景是,2023年至2025年,哥瑞利营收从1.65亿元增至3.00亿元,毛利率从3.4%提升至14.2%,经营质量持续改善,高毛利的智能数据类产品收入占比也在稳步提升,产品结构优化趋势明显。但AI模块从技术验证走向规模化复制,其商业价值能否持续释放,仍需要更多产线周期来检验——这正是哥瑞利当前所处的阶段:方向已清晰,路径已跑通,但规模效应仍需时间兑现。
不过方向是清晰的。当制造软件的角色从"记录发生了什么"转向"建议该做什么",竞争焦点也就从功能完整度转向了数据与场景的厚度。对深耕泛半导体近20年的哥瑞利而言,积累的行业经验与数据模型,是这层"AI大脑"能否真正长出并稳定运转的关键变量。
