在半导体产业的发展进程中，智能化转型已成为不可阻挡的时代潮流。在SEMICON China 2025期间，与非网记者通过走访展台和参加论坛等形式看到，格创东智正在这一浪潮中积极探索，深入推动 AI 与半导体制造CIM的融合，全面展示其在先进封装CIM、设备智能控制、CIM管理引擎、AI智能装备等领域的突破性成果，为行业发展带来新契机。

图 | 格创东智在SEMICON China 2025期间展出“AI+智能装备解决方案”；来源：格创东智

半导体制造，经验驱动型模式难以为继半导体行业在迈向自动化和智能化的道路上，面临着诸多挑战。传统的经验驱动制造模式难以为继，技术迭代加速使 “试错迭代” 逼近极限，经验积累速度难以跟上工艺升级需求。 比如，在缺陷管理方面，“人工复检” 成本高昂，形成成本黑洞；同时，由于技术迭代太快，有非常多的缺陷要处理，由此带来了良率爬坡困难，而“黑箱效应” 又导致了知识传承断层；此外，设备 “黑箱化” 使千亿资产的运维陷入被动局面，人才断层现象突出，工厂 “工艺大师” 退休与技术代际鸿沟加大，供应链韧性不足，呈现 “脆弱平衡” 状态。 而AI 技术的兴起为突破这些困境带来了曙光。在半导体制造中，走进现代化的晶圆厂，你会发现人工智能已渗透到生产的每个环节——从原料到芯片成品，AI正在重新定义"智造"的标准。 比如，计算机视觉可用于缺陷检测与分类，来提升检测精度和效率；强化学习可实现设备自治与自适应控制，优化排产调度；而生成式 AI则可以破解数据稀缺难题，探索工艺路线。 更值得关注的是，AI赋予了设备"未卜先知"的能力。通过时序预测模型，工程师们可以提前数小时预判设备故障，将风险扼杀在萌芽状态。而在工艺优化前线，机器学习正与人类专家形成"黄金搭档"，不断突破制程精度的极限。“CIM+AI”，是半导体AI落地的最佳路径？在这样的大背景下，格创东智联合阿里云、TCL集团及半导体头部企业代表，举办了一场“大模型×Agent半导体AI智造进化论”落地路径与实践案例的专题研讨，深度解读了半导体领域内化AI的机会点、攻克路径、可行方案与落地用例。

图 | 格创东智副总裁、半导体事业群负责人肖长宝；来源：格创东智

“AI不等于大模型，CIM+AI是半导体AI落地的最佳路径、对垂直行业的工厂场景深刻理解是AI成功落地的关键”，格创东智副总裁、半导体事业群负责人肖长宝在开场致辞中如是说。

图 | 格创东智CTO MK Koh；来源：格创东智

对此，格创东智CTO MK Koh表示认同，并透露2025年会是半导体融合AI智造的拐点。他认为，过去5-8年，用AI来优化制造其实大部分是在做自动化，而今天半导体制造CIM正经历“经验驱动” 向 “数据驱动+AI赋能”跃迁， 从“流程自动化”到“智能决策中枢”的重构；同时，新一代AI技术大模型智能体，可为半导体工厂 CIM体系提供全链重构的价值创新；并通过生态合作解决工厂CIM数据、算力及模型界限，最终实现半导体CIM-AI框架的全面革新。

图 | 半导体CIM-AI框架图；来源：格创东智

基于机上理念，格创东智深度整合自研软件套件能力、章鱼AI平台以及TCL工研院自研的工业垂域大模型，全面升级为章鱼Agentic AI平台，该平台提供包括数据编排、业务能力编排、模型编排以及Agent编排等融合的一站式自主Agent开发能力。 据悉，章鱼Agentic AI平台目前已经全面应用在销售、财务、制造、智能装备等不同业务领域，可支持一线工程师通过自主数据集成、知识库构建、功能插件集成等方式快速开发面向不同场景的Agent应用。 说到格创东智的know-how能力，就不得不提到TCL集团。事实上，格创东智是7年前TCL战略孵化的一家AI驱动的工业智能解决方案提供商，背靠TCL，格创东智拥有40多年的制造基因，同时推出的产品又有TCL华星和TCL中环打磨过，在落地层面更具实用性和可靠性。

图 | 武汉TCL集团工业研究院总经理刘阳兴博士；来源：格创东智

因此，在本次论坛上，作为TCL集团工业大模型的重要技术专家，武汉TCL集团工业研究院总经理刘阳兴博士也来站台，他表示：“TCL集团于2023年发布的显示行业首个星智X-Intelligence大模型专家系统，对格创东智自主可控的AI平台3.0——章鱼Agentic AI平台已形成技术托力，贡献了垂域开发框架、模型集成与调用、大模型RAG等核心功能。” “此外，星智与章鱼将通过交互集成、数据互流，不断拓宽其场景瓶颈与Agent开发性能。目前，星智X-Intelligence大模型专家系统已在智能助手、员工培训、issue解析、AI仿真平台发挥出实效价值，其中issue解析准确率已高达95%，解析时间由数月缩短至一周。” 刘阳兴补充道。

半导体行业AI实践，格创东智在路上AI在半导体行业的落地，我们看到格创东智正凭借一系列创新解决方案，成为半导体 AI 变革的引领者。 例如，格创东智通过AI - FDC Machine Insight 解决方案，攻克传统 FDC 误报率高、建模低效等难题，具备智能自主建模、故障精准识别分类以及故障预测等卓越优势。通过AI - EAS Equipment Intelligent 解决方案通过自动解析设备手册、构建设备知识图谱以及实现与设备对话，显著提升设备自动化水平，降低专业门槛，提高工作效率。 当然这仅仅是一个开端，因为AI 驱动半导体 CIM 重构并非坦途，面临着诸多挑战。 在数据治理方面，数据孤岛与碎片化严重，MES、IAP、SPC 等系统数据格式不统一，数据质量不足，“脏数据” 占比高，且实时性要求严苛。 在AI 建设技术上，模型泛化能力不足，设备 “黑箱化” 受限，进口设备核心参数锁定，AI 优化空间有限。设备与工艺依赖方面，工艺知识隐性化，核心工艺参数缺乏数字化沉淀，组织协作壁垒高。 在人才层面，复合型人才短缺，中国半导体 AI 人才缺口大，数据工艺双通算法者不足 1%。成本与收益平衡方面，ROI 量化困难，AI 项目与工艺改进、设备升级效果难以分离，初期投入高昂。

图 | 《半导体AI实践解码》圆桌论坛现场；来源：与非网摄制

为应对这些挑战，在会议期间，格创东智举办了一场题为《半导体AI实践解码》的圆桌论坛，该论坛由格创东智首席战略官党毅斐主持，同时邀请到了锐杰微科技集团运营高级副总裁鲁明朕、阿里云智能工业研发总经理许呙兢、TCL中环IT流程与自动化中心CIO缪苗、格创东智CTO MK Koh参与讨论。

TCL中环缪苗：理性对待AI

TCL中环IT流程与自动化中心CIO缪苗表示：“我们要理性对待AI，想清楚到底要用AI做什么，因为使用AI的目标就是提升企业ROI，而将智造做到极致并不意味着能赚钱，同时由于没有共享数据训练模型，所以极致制造所用的AI也不会发展太快。” 关于在实践中如何操作，缪苗补充道：“立足当下，我们会从几十个或者上百个场景中选择几个重点突破，而在选择中考量的重点有三个：一是有重复性劳动或规划性的场景；二是经验性的工作，通过大模型+小模型的形式，实现业务场景输出；三是在高时效情况下可以获得多为数据的场景，从而赋能公司决策。总的来说，就是要技术可实现，和业务又有相当的契合度，从而提升公司的竞争力。”

阿里云许呙兢：再不导入AI就要错失红利

阿里云智能工业研发总经理许呙兢表示：“在接下来2-3年，企业再不导入AI就要落后，错失AI红利了。而导入AI的第一步是要接受AI，并为迎接大模型做好准备，包括了解AI，做好性价比评估，听取专业人士的建议，做好匹配和规划工作。值得庆幸的是，中国市场体量大，在供应商成本方面拥有价格优势，更适合批量落地。” 许呙兢还强调：“大模型适用于知识密集、数据密集、交互密集、创作密集、变化密集的场景。对于半导体产业来说，行业模型不一定要调，反而需要将更多的精力聚焦在服务本身，然后把技术栈的通用数据库、算力、AI服务平台、工业客户等广域资源与半导体行业连接共享起来，才能形成有效合力，加速AI+制造全栈平台与解决方案的构建与赋能。” 据悉，阿里云和格创东智在对齐工业需求场景上，将加强工业数据标注，沉淀和训练工业算法模型，融合机理模型、传统AI模型和大模型能力，共同迭代章鱼Agentic AI平台的核心竞争力。

锐杰微科技鲁明朕：算力芯片国产化有助于AI系统降本

锐杰微科技集团运营高级副总裁鲁明朕表示：“当前，AI更多的是聚焦在规则性、重复性、批量性的工作辅助上，以3D模型标尺寸为例，传统人工标注需要1周的时间，并且需要依赖工程师的经验积累，而交给AI就可以大大缩短时间，这件事情在芯片设计领域已经非常成熟。” “事实上，AI到现在还没有真正意义上的创新。未来我们希望将半导体专家系统与AI结合，通过不断学习，把从前死的知识库盘活，实现相当于中级工程师或资深工程师对的能力，在实际项目中，实现更好的预判和微调。不过，在这之前需要提前上一堆系统，也会带来短期内成本的上升。值得一提的是，在这个过程中，算力芯片的国产化可以大大降低AI系统的成本，从而更好地赋能半导体智能制造，这算是一种反哺。” 此外，在讨论过程中，从格创东智两位高层的发言中，我们看到，格创东智已经制定了全面的应对策略。 其中，短期内，格创东智将构建标准化数据源以解决数据孤岛问题，开展联邦学习试点提升模型泛化能力，推进国产设备联合开发打破设备 “黑箱化” 限制，通过内部配置与外部引进相结合缓解复合型人才短缺问题，采用 A/B 测试验证 ROI。 长期来看，格创东智将实施全厂数据资产化管理，建立跨厂区知识共享平台，打造自主可控设备生态，构建生态伙伴联合培养体系，将因果推断模型制度化，以实现半导体 CIM 全链重构的可持续发展。