半導體產(chǎn)業(yè)正在駛?cè)?Chiplet 時代。多芯片合封雖顯著釋放性能紅利，卻讓成本控制與良率測試成為新的挑戰(zhàn)：一顆芯片失效即可導致整顆先進封裝報廢，傳統(tǒng)“測后補救”模式在時間與資金兩端均顯吃力。

普迪飛（PDF Solutions）推出的 ModelOps 系統(tǒng)完整版（第一階段），正是為破解這一困局而生，把 AI 模型從“實驗室”快速推向“量產(chǎn)線”，通過端到端平臺實現(xiàn)從訓練到生產(chǎn)監(jiān)控的全流程閉環(huán)支持，提供了系統(tǒng)性解決方案。這一迭代不僅填補了行業(yè) AI 模型工程化落地的空白，更為半導體制造的智能化升級提供了解決方案。

本文將聚焦ModelOps系統(tǒng)在數(shù)據(jù)處理、模型訓練、部署實施等核心模塊的技術(shù)特性與功能細節(jié)，結(jié)合應(yīng)用場景剖析其賦能半導體生產(chǎn)制造的路徑，揭示其在提升效率、優(yōu)化精度等方面的實際價值，為行業(yè)應(yīng)用提供實踐參考。

1

ModelOps系統(tǒng)概覽

作為半導體特定數(shù)據(jù)的基礎(chǔ)設(shè)施，ModelOps 依托 Exensio 平臺全量數(shù)據(jù)——從晶圓分揀、最終測試、工藝控制監(jiān)測參數(shù)，到晶圓廠接入記錄、設(shè)備歷史與缺陷數(shù)據(jù)等，實現(xiàn)了半導體制造全流程數(shù)據(jù)的統(tǒng)一接入與治理。

其目標是解決傳統(tǒng)流程中 “從數(shù)據(jù)到價值” 轉(zhuǎn)化周期過長（數(shù)周甚至數(shù)月）的問題 —— 由于模型價值在首個月最高，過長的轉(zhuǎn)化周期會導致持續(xù)的價值損耗。通過優(yōu)化架構(gòu)與流程，ModelOps系統(tǒng)可將這一周期縮短至分鐘或小時級。

（1）功能與特點

全鏈路功能集成，無縫閉環(huán)：整合模型訓練、部署、執(zhí)行、推理及生產(chǎn)監(jiān)控全流程，實現(xiàn)端到端閉環(huán)支持。

中心化訓練，讓模型 “快準穩(wěn)” 誕生：匯聚所有數(shù)據(jù)于中心位置，便于高效訓練模型；同時支持將訓練好的模型部署到多個端點。

跨系統(tǒng)協(xié)同：與 ERP、MES 等核心系統(tǒng)深度對接（例如實時獲取貨物到達測試站的信息，提前預(yù)處理模型所需數(shù)據(jù)），大幅提升流程效率。

開放兼容特性：支持客戶集成自有算法，實現(xiàn)多系統(tǒng)整合與一站式模型管理。

（2）架構(gòu)與應(yīng)用示例

以 “1個中心工廠 + 1個晶圓廠 + 2個 OSAT 工廠” 的典型場景為例，各節(jié)點部署 DEX 模塊實現(xiàn)與 MES、ERP 等系統(tǒng)的實時集成，動態(tài)調(diào)控數(shù)據(jù)流向，其架構(gòu)與流程特點如下：

架構(gòu)核心：

分布式 DEX 節(jié)點構(gòu)成底層支撐，實現(xiàn)跨廠區(qū)數(shù)據(jù)協(xié)同。

數(shù)據(jù)流轉(zhuǎn)流程：

工程師獲取測試數(shù)據(jù)后，通過 DEX 節(jié)點傳輸至下一環(huán)節(jié)，并同步存儲于云端或中央站點；

中央站點調(diào)用 “模型訓練流水線” 處理存儲數(shù)據(jù)，生成模型對象及元數(shù)據(jù)并回存至模型庫；

明確模型所需特性與測試參數(shù)后，晶圓廠（FAB）、OSAT 等上游數(shù)據(jù)可實時傳輸至中央站點，模型在云端實時獲取數(shù)據(jù)并運行，形成 “數(shù)據(jù)前饋機制”—— 支持邊緣模型在進行 bin 覆蓋時，上游數(shù)據(jù)向下方實時流轉(zhuǎn)。

圖片說明：系統(tǒng)概覽 圖片來源：普迪飛

模型部署與實時推理：

完成數(shù)據(jù)流轉(zhuǎn)配置后，可將模型定向部署至目標場景（如 OSAT 2 的最終測試環(huán)節(jié)）；

模型到達 DEX 節(jié)點后，設(shè)備從容器中心拉取鏡像，自動創(chuàng)建 “動態(tài)測試控制器（DTC）” 與 “機器學習推理引擎（MIE）”，支撐模型與測試人員的實時通信、數(shù)值傳遞及預(yù)測計算，實現(xiàn) bin 覆蓋的實時響應(yīng)；模型加載至 MIE 后立即啟動實時推理。

全時監(jiān)控體系：

模型運行數(shù)據(jù)通過DEX節(jié)點從封測廠實時回傳至中央站點，支持按分鐘/小時級粒度監(jiān)控模型運行狀態(tài)，確保其按預(yù)期輸出結(jié)果。

（3）解決方案與應(yīng)用價值

基于 ModelOps 系統(tǒng)，我們已構(gòu)建多項半導體場景專屬解決方案：

預(yù)測分箱：通過預(yù)判器件失效風險，避免無效封裝與測試，顯著降低多芯片封裝（如 Chiplet）場景下的成本；

預(yù)測老化與測試加速：通過預(yù)判芯片合格性實現(xiàn)測試流程跳步，縮短測試時間；

此外，ModelOps 系統(tǒng)具備多場景適配能力：支持客戶與多家 OSAT 協(xié)同，實現(xiàn)模型在多廠區(qū)的統(tǒng)一部署與標準化應(yīng)用，為半導體生產(chǎn)全環(huán)節(jié)提供高效、精準的 AI 模型支撐。

2

模型訓練的技術(shù)特性

圖片說明：模型訓練架構(gòu)概覽 圖片來源：普迪飛

（1）高效數(shù)據(jù)檢索能力：

深度集成普迪飛大數(shù)據(jù)API，基于 E142 標準實現(xiàn)設(shè)備全制造流程的位置與流向追蹤，確保數(shù)據(jù)溯源的精準性。

支持多數(shù)據(jù)源與測試程序數(shù)據(jù)的統(tǒng)一整合，提升模型訓練的信息完備性；數(shù)據(jù)檢索速率可達每秒700萬+數(shù)據(jù)值，靈活適配大、小數(shù)據(jù)場景。

（2）模塊化架構(gòu)與擴展能力：

采用組件模塊化設(shè)計，支持在篩選、特征工程、建模等核心環(huán)節(jié)替換為用戶自有算法；

依托現(xiàn)有數(shù)據(jù)檢索能力與擴展框架，可快速集成自定義代碼，滿足個性化訓練需求。

（3）動態(tài)計算與效率優(yōu)化機制：

基于 “動態(tài)擴展計算架構(gòu)”：任務(wù)排隊量與分配的計算節(jié)點數(shù)量智能聯(lián)動（任務(wù)量上升時自動增配節(jié)點，反之動態(tài)縮減），既避免計算資源瓶頸，又降低訓練成本。

圖示說明：紅線代表待運行任務(wù)隊列數(shù)量，藍線代表實時分配的計算節(jié)點數(shù)量，兩者動態(tài)匹配 圖片來源：普迪飛

內(nèi)置智能篩選算法：針對數(shù)萬至數(shù)十萬個測試參數(shù)，自動剔除非關(guān)鍵參數(shù)，實現(xiàn)數(shù)據(jù)降維與數(shù)據(jù)規(guī)模精簡，既加速邊緣模型運行效率，又減少訓練資源消耗。

支持并行計算：結(jié)合上述特性，可在分鐘至小時級完成 “數(shù)百萬行數(shù)據(jù) + 數(shù)萬個測試參數(shù)” 規(guī)模的模型訓練，大幅壓縮訓練周期。

（4）用戶界面工作流程

選擇通過大數(shù)據(jù) API 提取的目標數(shù)據(jù)，借助多設(shè)備并行處理機制保障數(shù)據(jù)檢索吞吐量；

數(shù)據(jù)確認后點擊 “運行”，系統(tǒng)按預(yù)設(shè)流程啟動并行訓練；

提供可視化進度跟蹤界面，實時展示訓練進度及模型關(guān)鍵參數(shù)信息。

圖片說明：工作流程圖例 圖片來源：普迪飛

（5）高度通用性兼具靈活拓展性

ModelOps系統(tǒng)具備高度通用性，其模塊化架構(gòu)支持按需替換任意組件，可接入用戶自有算法和模型，允許用戶可將自定義代碼嵌入系統(tǒng)用于模型訓練或運行。

以預(yù)測性分箱（Predictive Binning）為例，其旨在盡早剔除劣質(zhì)芯片，這對多芯片和封裝領(lǐng)域至關(guān)重要，能避免單個不良器件影響多個完好器件。相較于傳統(tǒng)統(tǒng)計解決方案，預(yù)測性分箱與模型運維的效率提升超 20 倍。

圖片說明：預(yù)測性分箱與傳統(tǒng)解決方案對比 圖片來源：普迪飛

系統(tǒng)界面具備交互功能，可幫助用戶定位模型價值最大化節(jié)點；針對預(yù)測性分箱，能展示至die層面，進而了解模型預(yù)測工作流程，還可通過選擇不同晶圓，查看模型在不同時間或晶圓上的性能。

例如下方晶圓圖中，模型預(yù)測結(jié)果與實際結(jié)果存在差異，該界面可呈現(xiàn)模型的優(yōu)勢與待改進之處。若模型結(jié)果滿足預(yù)期，可直接啟動部署流程以實現(xiàn)價值轉(zhuǎn)化。

圖片說明：模型預(yù)測結(jié)果與實際結(jié)果呈現(xiàn) 圖片來源：普迪飛

3

模型部署機制

靈活部署實時推理：從中心站點將模型轉(zhuǎn)移至目標位置（如本例中的最終測試環(huán)節(jié)），為實時推理做準備。

界面設(shè)計直觀簡化：用戶僅需選擇部署位置及對應(yīng)的測試程序，點擊按鈕即可觸發(fā)部署。

后臺自動化操作：模型被打包為規(guī)則，傳輸至測試程序并完成集成，省去人工為模型制作測試程序包裝器的數(shù)周工作量，整個過程僅需幾秒。

模型部署完成后，會在測試操作中心系統(tǒng)的規(guī)則列表中顯示，標志著實時推理功能已具備啟動條件。

4

數(shù)據(jù)前饋（Data Feedforward）體系

（1）核心功能：

從上游測試環(huán)節(jié)采集數(shù)據(jù)，定向傳輸至模型部署位置（如本案例的最終測試環(huán)節(jié)），為模型運行提供實時數(shù)據(jù)支撐。

（2）關(guān)鍵特性：

實時性：可動態(tài)響應(yīng)模型的數(shù)據(jù)需求，實現(xiàn)實時供給。

精準性：僅提取模型與設(shè)備協(xié)同所需的參數(shù)，而非全量測試參數(shù)或設(shè)備參數(shù)，降低數(shù)據(jù)冗余。

安全性：通過與 MES 系統(tǒng)、ERP 系統(tǒng)的深度集成，構(gòu)建全鏈路數(shù)據(jù)安全保障機制。

（3）生態(tài)集成：

模型部署與數(shù)據(jù)前饋系統(tǒng)已實現(xiàn)與合作伙伴 AvanTest、Terradyne的完全兼容與集成，拓展了行業(yè)應(yīng)用生態(tài)。

5

總結(jié)

ModelOps 作為專為半導體行業(yè)及其當前痛點打造的解決方案，能夠整合 Exensio 中的所有數(shù)據(jù)，在單一系統(tǒng)內(nèi)完成模型的訓練、部署、執(zhí)行及監(jiān)控，支持將模型從數(shù)據(jù)階段轉(zhuǎn)化為實際應(yīng)用（如 bin 覆蓋等），適用于各類測試設(shè)備、OSAT 等場景的用例。

該系統(tǒng)可在中心站點、DEX 節(jié)點或邊緣節(jié)點執(zhí)行推理，兼容所有支持動態(tài)測試控制器（DTC）和機器學習推理引擎（MIE）的設(shè)備，還能集成來自多個供應(yīng)商的多個系統(tǒng)，實現(xiàn)跨平臺協(xié)同，為半導體制造的智能化升級提供了強有力的技術(shù)支撐。