人工智能
英特尔用于提高生产质量和效率的三个大规模 AI 解决方案
英特尔正在生产数以千计的 AI 模型。我们使用图 2 所示的项目优先级框架来开发和部署图 1 所示的各个 AI 解决方案。我们将以英特尔工厂中采用的三个 AI 解决方案为例，阐明优先级框架如何促成我们的项目成功。
采用计算机视觉和机器学习的自动缺陷分类
采用计算机视觉和机器学习的自动缺陷分类解决方案是我们早在十多年前就在大批量制造中部署的首批 AI 解决方案之一4。生产线上的缺陷计量有助于在纳米级的芯片布局设计中检测偏差，以免偏差转变成严重的良率和质量问题。自动缺陷分类有利于从源头查明问题。
如图 4 所示，人员接受人工缺陷分类的培训并实现 90% 的准确率，可能需要 6 到 9 个月的时间。即使在培训完成后，专业的操作员通常也只能保持 70-85% 的准确率。其中的原因非常复杂，包括：
这项工作的重复性很高。
制程的改变可能导致出现新的缺陷类型，因此需要进一步培训。
对集成电路的缺陷进行分类本身就很困难。一些缺陷需要对设计布局进行交叉引证才能准确判断，而有的缺陷则根本无法用肉眼识别或通过人脑判断。