旗下微信矩阵：
过去几年,半导体工厂的自动化程度不断提高,但一个矛盾也随之凸显:产线上每天产生海量数据,真正参与决策的却很有限。多数工厂数据仍停留在“被记录”阶段,工程师定位一次异常,往往要在多个系统之间反复导表、拼接、比对,分析以“天”为单位计。当先进制程把制造复杂度推向新高,这种滞后正在成为良率与产能的现实约束。行业普遍判断,半导体制造正从“高度自动化”走向“全面智能化”,数据能否被有效利用,是其中的关键一环。
政策与市场也在指向同一方向。2026年8月,北京经开区发布“AI4Chip”行动计划,明确提出推进人工智能与半导体CIM系统的全域布局与落地应用;据弗若斯特沙利文数据,中国泛半导体智能制造软件解决方案市场销售额预计将从2021年的13亿元人民币增长至2030年的72亿元人民币,2026年至2030年期间的复合年增长率(CAGR)为25.0%。数据的整合与决策能力,正在成为这一市场的主要竞争点。
在这一背景下,哥瑞利的做法值得关注。这家深耕泛半导体19年的智能制造软件解决方案提供商,在2026北京微电子国际研讨会暨IC WORLD大会上,系统阐述了其数据应用方法论——DTT框架,即Data(数据可信)、Training(模型可信)、Thinking(决策闭环)。逻辑并不复杂:先通过统一的数据治理让数据可信,再把专家经验与行业场景沉淀为可复用的模型资产,最终让分析结果直接作用于生产决策。围绕“接入、治理、分析、应用”,哥瑞利构建起数据闭环,并沉淀了近20年的半导体数据模型。
落到具体场景,这套框架的成效有据可查。依托“大模型+小模型+行业AI算子”的协同机制,哥瑞利在缺陷形态自动识别、工艺配方调优辅助等场景中提升了识别准确度与调优成功率;其自研的LOFA黑灯工厂助理平台,通过统一数据治理与数据湖,将传统的“天级”分析周期压缩至“分钟级”。在良率管理上,哥瑞利把路径拆为三步:先以数据治理为智能助手打底,再将专家经验沉淀为数字资产,最后在良率稳定期实现智能问数、智能分析与报告生成,降低工厂的沉没成本。
值得注意的是,哥瑞利并未把人工智能当作独立的展示项目,而是把它嵌入智能制造软件的既有流程之中——这或许正是数据时代制造业应用人工智能的务实姿态。正如哥瑞利产品总监杨凡在公开演讲中所说:“AI让数据可以自己驱动,最终目的是把这些沉默的数据提炼成持续增长的价值。”
当行业跨过“记录数据”的阶段,谁能率先完成从数据到决策的闭环,谁就握住了半导体智能制造下一程的入场券。
