图片来源@视觉中国

文 | 四分仪Quadrant，作者 | 李威

工业智能化浪潮正在加速洗牌。风口之下，是制造业玩家重新卡位的关键时刻，赢家抢占蓝海，慢者淘汰出局。

今年的华为全联接大会上，华为轮值董事长孟晚舟在主题演讲中提出了全面智能化（All Intelligence）战略。孟晚舟表示当数据爆炸式增长，智能技术突飞猛进，人类加速进入智能世界，需要抓住AI这一历史性的战略机遇，加速千行万业的智能化转型。

无独有偶，IDC也发布报告预计，中国ICT市场未来5年由新兴技术所带动的ICT投资会超过整个ICT投资的一半，也就是2万亿美元。这些份额中将有相当一部分会来自于制造业对数智化转型的需求。将无处不在的AI融入到无处不在的日常生产环节中，正在成为制造业日益紧迫且不可回避的新课题。

一方面，中国制造业已经发展到需要借助数智化提升自己价值链地位的时间节点，夹在欧美与新兴制造业地区之间，"智造升级"迫在眉睫，不进则退；另一方面，中美脱钩备份的压力以及东南亚、印度、拉美等新竞争者的出现，也在迫使越来越多的企业寻求通过数智化手段实现降本增效，提升经营韧性。

制造业与AI的融合应该如何去实现？孟晚舟在对全面智能化战略的拆解中，明确了三个目标：让所有对象可联接；让所有应用可模型；让所有决策可计算。四分仪认为，这三个指标某种程度上可以作为近期新型智造转型的通用借鉴，用以测量制造业面向未来AI趋势的转型阶段、转型路径和转型效果。

这次的参照案例，我们选取了台积电。作为先进制造业的代表，台积电将AI看作是第三阶段智能制造和数字化转型的重要一环，计划在技术发展、智能制造、工作场所现代化、数字供应链管理、团队协同创新等方面大量且深度地运用AI工具，并力图主动拥抱下一代AI技术趋势，多维度融入日常生产体系。数字化与自动化是联接的基础有海外科技媒体指出，2011年台积电就已经将AI技术导入生产实践中。在此之前，该公司已经耗费了大量精力和资源在推进数字化和自动化进程上，也是其能够快速实现对大数据、AI技术应用的基础。

台积电前运营效率部门主管彭建文2001年加入公司时，就见证了很多内部系统已经实现了数字化和自动化，大部分可以自动生成生产报表。这样的做的最大动力就是提升效率。半导体制造工艺复杂，往往包含上千个制程，每个都需要进行精准控制。为了掌握所有制程的细节，提升制造的良率，台积电的每个工厂都必须能够充分收集和掌握数千台机台每天所产生的数以百万、千万计的数据，然后才有机会实现制程参数的优化。

数字化进程的提速，优化了台积电的交付标准，原本需要5天的光罩制程，最后可以被缩减到2天。数字化与自动化在增强台积电产线管理能力的同时，还减少了工厂内部的人力需求，分摊一部分人才招聘的压力。这也帮助该企业在全球建立了工厂一致性优势。每一个工厂背后都有一座数据中心，来自不同数据中心的数据，借助2012年开始建设的大数据分析能力和整合平台，得以实现联接，并让数据产生更大的价值。

为了提升生产效率，台积电利用先进机台控制、即时缺陷侦测、工程资料探勘、中央管理制造平台，实现了机台、制程和良率的优化。当一个新的制程出现时，台积电首先在初始厂区实现成功量产，然后将所有参数、流程、制度、IT软件和建厂知识等全部复制到二厂，降低跨厂管理难度，节省来回调整的隐形成本。数字化和自动化水平的提升，使得台积电更容易实现这些数据资料的导入，保持全球不同工厂、不同机台的一致。

疫情的到来让台积电在2020年开始加速数字化建设。原来总部每建一个工厂，都会建设一座数据中心，并派驻一队IT运维人员。现在，台积电基础架构团队运用各种新的基础架构技术，把数据中心通过软件定义转型成为真正的私有云，并持续导入了5G、IoT、AIOps等技术，来支持应用基础架构持续创新。例如，在软件开发团队的协助下，台积电打造了厂务IoT平台。这是一个端到端的垂直整合应用，由传感器全天候收集生产环境资料数据，然后利用Hadoop来训练这些数据，建立AI模型，支持本地边缘运算更好实现实时监控，同时，云端大数据也会被用作后续的良率分析。跑在程序上让应用可模型所有应用可模型，即通过大模型范式，让智能应用快速惠及每个人、每个家庭，以及每个组织。

对于制造业而言，这个目标是将敏捷开发和智慧理念在大模型时代进行了新的延展。从台积电的实践来看，其实就是将大模型的范式，融入到其已经在不断深化的IT革新中，将“The Fab Runs on Code（跑在代码上的晶圆厂）”升级为“The Fab Runs on Model”。台积电有着一系列自建系统，被称作软件产品。一类是工厂运营相关的产品，包括制程良率分析、品质管理、厂务、MES（制造执行系统）、设备控制、设备自动化、IT维运平台、资安、资料等；另一类则与业务相关，包括CRM、ERP 、eBusiness、Product Data Master、供应链、人资、供应商管理等。

台积电在2015年的财报中透露，经过几年探索，已经将大数据和AI技术融入软件产品，实现了从自动化到智能化的发展，开发出了先进资料分析、智慧诊断、自我反应引擎和生产知识等。其中，制品与生产线管理系统已经能够在精准控制在制品水位的同时，配备有弹性化的需求/产能模型系统。在软件产品功能性提升背后，台积电的软件团队不断在通过云原生、开源技术的引入，提高软件产品的开发迭代速度。

一位台积电软件开发部门的主管曾向媒体表示，台积电在从传统的瀑布型开发流程转型成DevOps模式。新模式的应用将新产品的发布周期从过去的2-3月一次，提升到了每周、甚至每天一次。这被认为是台积电IT系统的数字化转型。敏捷开发让IT可以有效承担在公司内部越重要的责任，达到提升员工技能和公司生产力的目标。用台积电CIO林宏达常讲的话来说就是：“不只是制造自动化会影响整个台积电的运营形态，而是运用软件协助芯片厂的制造转型Scale Digitally。”

AI大模型的爆发，也让台积电看到了提升效能的新路径。今年5月，台积电推出了自己开发的智能对话机器人tGenie，用来帮助员工编写程序、翻译以及生成工作报告。此外，tGenie还被台积电用于根据虚拟资料预测良率、库存、价格及员工离职率等，协助台积电在生产、物料、销售、人资等部门做出最佳化管理。这是台积电召集上百名工程师投入半年时间的开发成果。台积电在2017年时就已经开始培养AI人才，举办内部培训课程，并引入专家参与模型开发，建立知识库。到2018年，台积电已经拥有1000位IT人才和300位机器学习专家，在排程与派工、人员生产力、机台生产力、制程与机台控制、品质防御以及机器人控制等方面都已经实现了AI应用。

智能化工厂让决策可计算台积电智能制造中心副处长黄楙智在接受海外财经媒体采访时表示，借由资料采集达到标准化，是半导体制造迈向智慧化的第一步，接着在大规模的资料搜集、分析之后，以软件执行生产排期、品质管理、异常预测与制程优化，即可达到控制实体机台的虚实结合作用，实现智慧制造。联接所有对象，让应用可模型的最终目标是为决策提供支持，通过算力的提升释放出数据更大的潜力。到2020年底，台积电已经在制程、量产、业务、IT运维等不同业务环节中都引入了AI技术作为助力。

制程方面，AI被用于协助高复杂、高维度的制程开发；量产方面，AI被应用于晶圆缺陷的管理分析，优化生产。在台积电，AI被认为是7nm和5nm制程背后的英雄。7nm制程的控制因素是28nm的21倍，5nm制程的控制因素则是28nm的48倍，数据复杂度不断提升，只靠人类工程师已经很难实现对机台和设备的调试。这需要机器的协助，到5nm制程，已经是都是电脑在负责调试。机台调试之外，台积电的派工命令也是在通过系统与算法的结合实现更精确地决策。一个月产30万片的晶圆厂拥有3000台机器，每天可以产生出800万派工命令，在大户数据和AI加持下，系统可以在一分钟内计算出最佳的生产排列组合，且准时交货率能够达到99.5%，生产周期可以达到1-1.2天。生产过程中，台积电开发的先进封装厂专用MES可以提供即时的晶粒级信息、实时调度和转移指令、全面的缺陷拦截和分类、自动产量预测和优化。

台积电在工艺流程中实施了高级缺陷分类（ADC），使产量和质量防御控制自动化，以拦截和分类缺陷。而使用HITL和先进算法的良率分析引擎可以检测出缺陷，并精确隔离缺陷材料。台积电在新竹的先进封测六厂是当前台积电在智慧工厂建设上的集大成者。在这座工厂里，台积电从派工、人员生产、机台生产、制程和机台控制上整合AI技术，实现了全面的智慧化生产。同时，在硬件方面，台积电在这个工厂安装了智能移动装置、IoT和移动式机器人，配合AI实现智能物料搬运。

在AI时代到来时，“让工厂更智能”这一命题不仅包括了自动化的实现，还包括在数字化基础上让机器、流程和人都能有与其工作内容相匹配的助手。如林宏达所说，当下的制造业数智化已经不能仅仅是拼凑式的IT构建，而是要从一家软件公司的视角去思考如何打造一家工厂，进而帮助整个供应链和生态圈继续扩大规模。

面向未来，更多工厂需要以软硬一体的整合式思维提炼制造实践，改善制造实践，推动制造实践，拥抱下一代AI技术趋势和业务管理升级。