視覺AI與代理AI整合方案於Computex Taipei 2026同期發表 鎖定12吋蝕刻清洗即時瑕疵偵測
半導體濕製程設備內部長期是 AOI（自動光學檢測）的盲區。處理腔體屬封閉化學環境，傳統 AOI 難以進入；藥液分佈不均、噴嘴角度漂移、晶圓表面殘留等微觀變化，往往要等到下一站離線 AOI 才被發現，此時可能已是數片至數十片晶圓之後。一套將邊緣視覺 AI 內建至 spin chamber、並串接代理 AI 進行後續決策編排的整合方案，於 Computex Taipei 2026 期間同期發表，將晶圓濕製程的瑕疵反應週期從以往的 30 至 60 分鐘壓縮至 1 分鐘內完成，問題批次的影響範圍亦從數十片以上收斂至事件當片。
該方案由美商 Atomrock 視覺 AI 引擎 VisionSense、台灣半導體濕製程設備整合商頂程國際（Ding Cheng International, DCI）之 wet process 機台、以及美商 AgilePoint 代理 AI 平台三方整合而成，可加裝於 DCI 自研並通過 SEMI 認證之 VENUS 1（T21）單晶圓蝕刻清洗設備，亦可作為 SEZ、DNS、KAIJO 等既有機台之 retrofit 升級套件。高速可見光攝影機與專用照明模組由 DCI 負責機構整合，安裝於 spin chamber 上方檢視窗，並以耐藥液 sealing 設計確保長期運作下不受腐蝕性蒸氣影響。每片晶圓於 spin 過程中皆連續取像，VisionSense 即時於邊緣端進行多模型並行推論，鎖定晶圓表面殘留與 liquid pooling、邊緣 bevel 異常、wafer wobble，以及 dispenser 噴嘴出液角度、藥液落點偏移、suck-back 回吸行為等多項瑕疵型態。
半導體製程的特性是「每個 fab、每個 recipe、每個 layer 都有自己的瑕疵 fingerprint」，預訓練模型難以一勞永逸。該方案的另一項技術重點，是可由設備工程師與客戶端製程工程師在 fab 內共同標註新型態瑕疵、並就地完成模型重新訓練；當製程切換到新的化學配方或新的 wafer layer，模型可於 24 至 48 小時內完成 fine-tune 並上線，且不需將晶圓影像帶離廠區，符合晶圓廠的資料治理（data sovereignty）要求。邊緣端推論於網路中斷時仍可獨立運作 72 小時，並以 NVIDIA Jetson Orin 為運算基礎，符合 fab-floor 之嚴格 IT 隔離要求。
看見之後，下一步是決策。VisionSense 完成瑕疵分類後，會將事件依嚴重度標籤（critical / major / minor）送至 AgilePoint AI Control Tower，依預設規則自動執行跨系統商業決策：致命瑕疵立即觸發 lot hold 與多方通知，自動拉開 8D 流程並建立工單；中度瑕疵自動降級至次級產品流並通知 QA 與下一站；微小瑕疵自動放行並登錄趨勢資料庫，當同一型態於設定片數內重複出現自動升級。設備層的反射動作與商業層的判斷動作不互相阻塞 — 機台動作於秒內完成、跨系統決策於分鐘內完成，全程於 run-time governance 框架下執行，每一筆決策皆可回溯，符合 ISO 9001、IATF 16949 與晶圓廠客戶端稽核要求。
Atomrock 創辦人暨 CEO Kevin Tseng 強調「過去濕製程出問題，多半是下一站 AOI 才發現，已經是好幾片晶圓之後的事。把視覺 AI 放進機台、放在 spin chamber 旁邊，瑕疵在發生的那一秒就被看見，這才是真正的 defect defense。」。頂程國際代表則指出，在精密的控制也要完成閉環，導入AI是大勢所趨，在化學環境裡的長期穩定才是真正的挑戰：光學窗會結霧、會被藥液濺到、會在不同溫度下產生折射率變化，長期領域專精積累下來的 know-how 是 AI 模型訓練再強也補不回來的部分。AgilePoint 共同創辦人暨 CEO Jesse Shiah 補充，代理 AI 在晶圓廠這種高度治理的環境，價值不僅是「更聰明」，更重要的是在「可被信任、可被稽核、可被廠方規則限制」的Agentic AI Orchestration and Governance。三方將於 Computex Taipei 2026 期間於南港展覽館共同展示完整 demo，並開放半導體設備整合商、晶圓廠製程工程團隊與研究機構現場交流。