AI驱动量测技术进化 NI 创新测试论坛解析量测新未来
- 李佳玲／台北
-
随着全球科技产业迈入智能化新纪元，测试与量测技术已跃升为提升产品竞争力的关键。为助力台湾企业洞悉最新技术发展趋势与实际应用，艾默生旗下NI（National Instruments 国家仪器）日前盛大举办「NI Test Forum创新测试论坛」。论坛汇聚国内外顶尖专家，分享前瞻技术与实务经验，吸引众多业界人士共襄盛举。
NI台湾区总经理郭皇志于开场致词中强调，台湾在全球电子与半导体产业链中扮演重要角色，NI不仅致力于深化在地服务支持，更积极与产业夥伴共创技术价值，巩固在AI与自动化测试领域的领导地位；NI全球业务暨行销副总裁Luke Schreier紧接着介绍测试与量测领域的发展趋势，并指出产业正加速朝向「软件驱动系统」新典范转型，NI透过模块化硬件平台与智能软件的紧密整合，建构全方位解决方案，协助企业完整优化研发端到量产端的流程，打造更具效能与智能化的测试平台。
之后更进一步揭示NI整合平台的未来发展蓝图，未来将可透过语意查找量测数据、智能排程机制与数据驱动分析等应用，全面提升产品良率及测试效能，为工程人员提供前所未有的智能化辅助工具；而在软件发展方面，将持续强化软件实力、串接工作流程与建构开发者社群。
此外NI携手经销夥伴优立测科技联袂展示LabVIEW在AI时代的创新应用实绩，不仅LabVIEW已全面支持连结Python、NET等开发语言，并能透过网络连结函数库API无缝串接云端服务与各类GPT模型工具，在测试数据预测分析、异常状态侦测及程序码自动生成等领域发挥显着效益，大幅提升研发效能；而在硬件方面，接着展示最新款的mioDAQ数据撷取产品技术，以其第三代射频VST仪器的技术突破，特别适用于NTN通讯、WiFi-7等高端应用情境，并能将VNA S参数测试与调变信号解析整合为一，提升射频产品测试效率。
最后黑镜科技业务代表Lawrence Chiu Lok-Man则分享其如何应用NI USRP平台在无人机防御系统上，守护台湾空域的安全，他指出，黑镜科技运用NI的SDR平台结合自主开发的核心演算法，成功在台北市区布建主动雷达与被动雷达复合系统，有效识别与防御潜在无人机威胁，充分展现国产化系统的实战能力与技术自主优势。
AI扮演关键角色 引领工业设计半导体测试革新
AI已成为工业设计领域的关键驱动力，富士康研究院AI所詹念怡博士分享了他们在「AI驱动工业制造设计」计划中的突破性进展。该计划的核心技术「反向预测」不同于常规由设计参数推导最终结果的方法，采用由期望结果反推最佳设计参数的创新路径，解决产品性能、成本与开发效率等挑战。
在半导体技术开发方面，富士康团队整合代理模型、强化学习与生成式AI技术，突破TCAD模拟的时间瓶颈，将SiC元件的击穿电压从初始值显着提升至2.5kV，进一步证实AI在复杂元件设计中的巨大潜力。
为解决专业领域知识与AI技术实际应用之间的差距，富士康导入多Agent协作模型，模拟真实研发团队中的多角色协作，建立高效的智能协作机制。随着推理模型与大型语言模型的不断融合深化，AI系统已能自主解读技术文件、执行复杂故障诊断并建立完整知识库，全面加速制造专业知识的累积与传承过程。
AI芯片设计日益复杂，半导体测试领域正经历变革。台积电处长戴定普指出，AI与测试技术正展开双向进化。「AITesting」以AI强化测试流程，实现自动执行、模式分析与覆盖率提升；「TestingAI」则是在对能加速AI运算的硬件如GPU, TPU等硬件测试。台积电已将AI深度导入自动测试设备、自动化测试样式生成及可测试性设计流程，针对Die-of-interest进行测试效率的提升。
在晶圆测试方面，台积建构「AI-as-a-Service」架构，根据精确度需求提供三种测试模式，涵盖不等待Machine Learning结果的高速模式，到等待双模型回应的高精密选项。
在先进封装测试，台积电也透过整合RWAT、WLCP与AST，建构三层Inline测试架构，除了能够提早侦测瑕疵品之外，并且可以大幅降低废品成本。面对高电流密度、微型接点、高脚位与高功耗等AI芯片测试难题，台积电正在重新设计从DFT到探针系统的全流程测试策略。
面对摩尔定律极限与异质整合多样性，半导体封装测试进入高度复杂的新局。日月光测试工程资深处长黄俊杰在演讲中表示，日月光以「综合健康指标」为核心，整合来料、组装、测试与机台设定等多维数据，运用AI演算法从表面正常的数据中识别潜在风险，让问题提前显现。
数据架构横跨多重维度，涵盖界面信号、机台状态与测试程序参数，实现从微观层面分析系统性风险。AI模型除了能掌握测试项目的高关联性外，也能依据效益最适化测试顺序，大幅缩短测试时间。日月光近期更进一步导入生成式AI技术，并与内部知识库整合，强化异常分析与自动生成解决方案的能力。
半导体微缩制程与先进封装技术快速推进，传统半导体测试方法面临重大挑战。艾默生Optiomal+应用工程部经理谢欣颖指出，Optimal+平台透过AI与机器学习有效解决三大产业痛点。首先，艾默生Optimal+的深度学习模型能自动识别晶圆错误图案例如表面刮痕，精准标记并减少人为错误。
其次，协助客户将ML模型落地到测试端，创新的「Per-Die Scoring」技术根据前段数据预测后段测试需求，从PCM/MET到Sort/FT交错分析，单一数据化模型追本溯源先进封装内芯片、HBM、被动元件整体良率的影响，显着缩减测试时间与成本。第三，其独特的「人机协作流程」模式允许专家审核AI决策并提供回馈，这些信息再纳入模型再训练，形成良性循环。
在系统架构方面，艾默生Optimal+提供从数据撷取到模型开发及部署监控的完整机器学习流程支持。该平台亦可与NI及Advantest合作，将实时分析整合到自动测试设备中，实现超实时数据前馈与边缘AI推论。艾默生Optimal+这个可调整、可扩展的AI/ML平台，正成为半导体测试领域实现数码转型的关键基础，进一步加速产业创新步伐。
自动化需求持续成长，AI技术已成为制造业营运效能提升的关键驱动力。美超微台湾区Edge Computing 业务总经理曾仁德在演讲中强调，高效能运算平台能显着增强制造业OT技术的智能化转型。该公司专注于五大工业应用领域：预测性维护、异常侦测、品质与安全监控、AI驱动网安防护，以及能源效率与制程最佳化，为智能制造建立全方位解决方案。
系统架构上，Supermicro整合SCADA监控、PLC控制及MES管理系统，采用边缘运算与云端AI结合的混合架构，同时满足实时性与高端分析需求。性能测试显示，搭载H200 GPU的平台在处理2000张图像识别任务时，效能较RTX 4090提高近6倍，平行处理能力达到5.4倍。为协助客户有效导入AI，Supermicro的AIDMS平台提供完整的模型管理流程，结合边缘实时推论与云端分析能力，并透过GPU资源池实现快速训练及弹性资源调度。
专家跨域对谈 探索AI与量测的未来共生之路
除了专业演讲外，NI创新测试论坛也邀请讲者共聚一堂，以「当 AI 遇上量测，台湾科技制造的最后一里路」为题，共同剖析AI在量测、生产、设计与封装四大场域的应用实践与未来蓝图。
过往测试只是验收的「搬运工」，而今则是数据驱动决策的关键。AI导入初期常遭遇工程师质疑「经验已足够」，但当AI真能提前示警问题、找出隐藏变异，工程师对AI态度会从排斥转向拥抱。
另外针对先进封装如 CoWoS、SoC 已从单一堆叠进化为异质整合架构，将电容、电感、PMIC 等主动元件纳入封装之中。这使得传统测试方法已无法应对今日制程变异，测试策略需从设计阶段即开始布局，AI 成为应对制程复杂性与良率维稳的必要工具。特别当面临跨厂区的制造协同挑战，AI 可协助建构预测性物流与产能调度机制，真正实现从「高度自动化」走向「智能自律」。
下午议程分别从测试软硬件、先进应用测试、使用者应用分享三大专题，探讨量测技术的发展、应用与落地实践。在「先进应用测试专题」中，棱研科技分享如何透过 FR2 OAI 和可重构智能表面技术，优化5G与6G ORAN网络测试；NI与蔚华科技则共同揭开宽能隙元件可靠度测试的实务面纱；针对矽光子领域，思卫科技深入解析测试上的挑战及相应的解决方案，Quantifi Photonics也进一步说明如何将矽光子光电测试系统整合于探针台，有效提升测试效率。
此外，致茂电子探讨如何藉由PowerHIL模拟验证技术结合实时系统，加速电动车产品的开发并提升安全等级，充分展现当前先进测试应用技术的多元性与创新力。
从此次NI创新测试论坛可看出，AI 已不再只是辅助测试的工具，而是驱动制造、设计与封装技术革新的核心动能。从模块化平台、智能软件，到跨领域的实务应用与知识库建构，都展现台湾产业链在测试技术升级上的积极投入与创新实力。未来台湾可持续深化数据整合、人才跨域协作，投入AI与量测的双轴发展，在全球智能制造竞局中稳固关键地位，走出属于自己的下一里路。
