江苏
在泛半导体工厂里,一位资深工艺工程师最宝贵的资产,往往是他脑子里那套“遇到某种异常该怎么查”的判断路径。这些路径过去多停留在个人经验层面,难以复制、传承,也难以被智能系统调用。近日,在Doris Summit 2026数据智能论坛上,哥瑞利产品总监杨凡发表“从工业大数据到业务闭环:哥瑞利iDEP基于Apache Doris的泛半导体AI实践”主题演讲,重点介绍了iDEP如何通过分析SOP和“大模型加小模型”分工机制,把工厂经验真正沉淀为可复用、可复核的智能能力。
杨凡指出,要让经验从个人能力变成组织能力,第一步是把分析过程标准化。iDEP把资深工程师处理典型问题的思路拆解成可执行步骤,编排成分析SOP:明确要解决什么类型的问题、调取哪些数据、按什么维度对比、设置什么判定条件、输出什么形式的结论。比如面对一次良率下滑,SOP会按“锁定异常批次—对比关键参数—识别异常工序—关联设备状态—提出改善方向”推进,每一步输入输出清晰可追溯,分析不再依赖个人灵感和习惯,结果可复核、过程可复用。
在SOP执行层面,杨凡重点介绍了“大模型加小模型”分工机制。大模型的优势在于理解业务语言、调度分析流程、生成可读的解释结论——它能听懂工程师用工作语言描述的问题,判断调用哪条SOP,并把结果组织成清晰结论。但大模型不适合处理图像和高精度专项判断,这些工作交给专门训练的小模型完成:智能图像比对、自动缺陷分类、晶圆图形关键特征提取、超分辨率图像重建、智能采样等都由对应的小模型负责,确保结果准确、稳定、可复现。
当SOP和模型能力标准化后,iDEP把经过反复验证的完整分析方法封装成“业务胶囊”,每一个“业务胶囊”对应一类典型业务问题,打包了SOP流程、数据接口、模型调用顺序和结果输出格式,调用方给出输入就能得到可靠输出。基于这些“业务胶囊”,哥瑞利正式发布DataAgent(PIE助手),以自然语言作为统一任务入口,工程师描述问题后智能体自动理解、调用对应“业务胶囊”、完成多步分析并输出改善建议,大幅降低数据使用门槛。
能够把经验沉淀做到这种程度,离不开哥瑞利在AI能力上的长期场景化投入。区别于行业里“重概念、轻落地”的做法,哥瑞利坚持从产线真实问题出发打磨AI,搭载四大自研AI引擎——智能图像比对、自动缺陷分类、超分辨率图像重建、智能采样,覆盖质量管控、缺陷识别、量测优化等一线场景。在此基础上推出的GloryIGI行业大模型与LOFA黑灯工厂助理形成“平台大模型+现场智能助理”的双轮驱动:平台层负责全局决策,现场层承担设备代操、视觉识别、异常处理等一线工作。截至目前,LOFA已在半导体前道与先进封装后端累计落地24项细分场景应用,完成从试点验证到规模化商用的跨越。
从分析SOP到大模型小模型分工,再到“业务胶囊”与DataAgent,杨凡呈现的经验沉淀路径,回答的是“工厂经验如何真正变成组织智能”这道难题。哥瑞利将持续把一线工程师的判断方法沉淀为标准化产品能力,让每一次质量分析都能被复用。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
