在半導(dǎo)體制造領(lǐng)域，數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)決策正成為提升良率、降低成本的核心競(jìng)爭(zhēng)力。然而，傳統(tǒng)的數(shù)據(jù)分析系統(tǒng)往往面臨三重挑戰(zhàn)，使得大量工業(yè)數(shù)據(jù)價(jià)值難以被快速挖掘。

獲取門檻高：依賴專業(yè)的SQL編寫或復(fù)雜的BI工具操作，將大量業(yè)務(wù)人員擋在數(shù)據(jù)門外。

分析周期長(zhǎng)：從數(shù)據(jù)提取、清洗到建模分析，一個(gè)完整的良率根因分析往往耗時(shí)數(shù)天，決策嚴(yán)重滯后。

知識(shí)傳承難：資深工程師的分析經(jīng)驗(yàn)與思路難以沉淀和復(fù)用，形成“人在知識(shí)在，人走經(jīng)驗(yàn)失”的困境。

格創(chuàng)東智最新推出的GT Insights產(chǎn)品，正是為了打破這一困境。作為基于自然語(yǔ)言處理與大模型技術(shù)的對(duì)話式商業(yè)智能分析系統(tǒng)，GT Insights正在重新定義半導(dǎo)體工廠的數(shù)據(jù)交互方式。與傳統(tǒng)BI工具不同，GT Insights支持用戶通過(guò)自然語(yǔ)言對(duì)話直接獲取所需數(shù)據(jù)分析和可視化結(jié)果，通過(guò)AI工作流將數(shù)據(jù)分析的門檻和周期降至前所未有的水平，實(shí)現(xiàn)“數(shù)據(jù)民主化”的愿景。

1、對(duì)話即分析，讓數(shù)據(jù)開口說(shuō)話

GT Insights的核心突破在于實(shí)現(xiàn)了“對(duì)話即分析”的自然交互模式。工程師只需用簡(jiǎn)單的自然語(yǔ)言提問(wèn)，如“展示A產(chǎn)品第三季度良率趨勢(shì)”，系統(tǒng)便能自動(dòng)理解意圖，在后臺(tái)完成從語(yǔ)義解析、SQL生成、數(shù)據(jù)查詢到可視化呈現(xiàn)的全流程，降低數(shù)據(jù)分析門檻。

其背后技術(shù)架構(gòu)圍繞語(yǔ)義建模層展開，創(chuàng)新性地解決了LLM在工業(yè)場(chǎng)景中直接處理物理數(shù)據(jù)庫(kù)的諸多挑戰(zhàn)。通過(guò)構(gòu)建業(yè)務(wù)指標(biāo)與維度的語(yǔ)義層，系統(tǒng)將復(fù)雜的物理表結(jié)構(gòu)轉(zhuǎn)化為業(yè)務(wù)友好的數(shù)據(jù)模型，使LLM能夠生成精準(zhǔn)的語(yǔ)義SQL，再通過(guò)語(yǔ)義層轉(zhuǎn)換為可執(zhí)行的物理SQL ，實(shí)現(xiàn)準(zhǔn)確理解業(yè)務(wù)術(shù)語(yǔ)并生成可靠的分析結(jié)果。這一設(shè)計(jì)不僅大幅提升了查詢準(zhǔn)確率，使得整個(gè)生成過(guò)程可驗(yàn)證、可追溯，為后續(xù)的智能分析奠定了堅(jiān)實(shí)基礎(chǔ)。

從技術(shù)架構(gòu)看，GT Insights采用分布式部署方案，支持集群化擴(kuò)展，確保系統(tǒng)的高可用性和穩(wěn)定性。其核心組件包括語(yǔ)義建模層、多Agent框架、LLM集成層以及StarRocks分布式數(shù)據(jù)倉(cāng)庫(kù)，共同構(gòu)成了完整的工業(yè)級(jí)智能分析平臺(tái)。

2、從“天”到“分鐘”，AI工作流重構(gòu)良率分析范式

良率分析是GT Insights最具顛覆性的應(yīng)用場(chǎng)景。在傳統(tǒng)模式下，一次低良率根因分析往往需要工程師在不同系統(tǒng)間手動(dòng)提取數(shù)據(jù)，嘗試多種統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)收集、整理和多維度交叉分析，耗時(shí)數(shù)天。而GT Insights通過(guò)預(yù)設(shè)的AI工作流，系統(tǒng)能夠自動(dòng)執(zhí)行完整分析鏈，將這一過(guò)程壓縮到分鐘級(jí)。

比如，當(dāng)用戶提出“分析產(chǎn)品A上周低良率原因”時(shí)，系統(tǒng)會(huì)自動(dòng)觸發(fā)多步分析流程：首先進(jìn)行意圖識(shí)別，鎖定產(chǎn)品與時(shí)間范圍；接著執(zhí)行Daily BIN分析，定位異常BIN及時(shí)間點(diǎn)；然后啟動(dòng)HeatMap熱力圖疊加分析，找出缺陷分布規(guī)律；再通過(guò)Commonality共性分析，追溯至可疑機(jī)臺(tái)；最后全鏈路生成分析報(bào)告。整個(gè)過(guò)程無(wú)需人工干預(yù)，幾分鐘內(nèi)便自動(dòng)生成一份包含異常BIN與問(wèn)題機(jī)臺(tái)的指向明確、證據(jù)鏈完整的結(jié)構(gòu)化分析報(bào)告。

而在功能層面，GT Insights展現(xiàn)出全方位的數(shù)據(jù)處理能力。從基礎(chǔ)的圖表生成、多維度鉆取分析，到復(fù)雜的良率根本原因定位、SPC統(tǒng)計(jì)過(guò)程控制，系統(tǒng)均能通過(guò)對(duì)話式交互快速響應(yīng)。其獨(dú)有的Dashboard自動(dòng)生成功能，用戶僅需用自然語(yǔ)言描述需求，系統(tǒng)即可智能編排分析圖表，形成完整的監(jiān)控視圖。

3、不止于問(wèn)答，智能體協(xié)同與生態(tài)集成

GT Insights的價(jià)值不止于單點(diǎn)能力的突破，更在于其作為格創(chuàng)東智CIM AI Foundation的重要組成部分，與它基于格創(chuàng)東智的Octopus AI Agent平臺(tái)3．0開發(fā)，可通過(guò)AI Agent框架，與Planner Agent、Yield Analysis Agent等智能體“數(shù)字員工”協(xié)同工作。從被動(dòng)響應(yīng)走向主動(dòng)規(guī)劃分析路徑、調(diào)用第三方工具（如SPC軟件、良率分析插件），形成閉環(huán)的分析決策能力。

在系統(tǒng)集成層面，GT Insights提供“主駕”與“副駕”兩種模式。既可作為獨(dú)立的分析平臺(tái)直接使用，也能以插件形式嵌入到MES、YMS等現(xiàn)有業(yè)務(wù)系統(tǒng)中，用戶在操作業(yè)務(wù)界面時(shí)可隨時(shí)喚出AI助手進(jìn)行輔助分析，實(shí)現(xiàn)“業(yè)務(wù)操作即分析”的無(wú)縫體驗(yàn)。

對(duì)于半導(dǎo)體CIM系統(tǒng)而言，GT Insights的引入標(biāo)志著從“流程自動(dòng)化”到“智能決策”的重要演進(jìn)。傳統(tǒng)CIM系統(tǒng)主要關(guān)注生產(chǎn)過(guò)程的自動(dòng)化和數(shù)據(jù)采集，而GT Insights則為這些海量數(shù)據(jù)賦予了智能分析的能力，使制造執(zhí)行系統(tǒng)真正具備自感知、自分析、自決策的智能化特征。

目前，格創(chuàng)東智GT Insights已在多家半導(dǎo)體制造企業(yè)成功落地，幫助客戶在良率提升、設(shè)備效率優(yōu)化、生產(chǎn)周期縮短等方面取得顯著成效。以半導(dǎo)體封裝和測(cè)試企業(yè)為例，該企業(yè)原本面臨良率分析周期長(zhǎng)、專家經(jīng)驗(yàn)難以沉淀、多系統(tǒng)數(shù)據(jù)孤島等問(wèn)題。通過(guò)部署格創(chuàng)東智GT Insights，企業(yè)構(gòu)建了覆蓋良率數(shù)據(jù)、追溯信息和AOI圖像的全鏈路分析能力，顯著提升產(chǎn)品良率，大幅降低系統(tǒng)運(yùn)維成本和員工培訓(xùn)成本。

隨著工業(yè)大模型技術(shù)的不斷成熟，GT Insights所代表的對(duì)話式BI正成為半導(dǎo)體CIM領(lǐng)域數(shù)字化轉(zhuǎn)型的重要方向。格創(chuàng)東智通過(guò)將先進(jìn)AI技術(shù)與深厚行業(yè)知識(shí)相結(jié)合，為半導(dǎo)體行業(yè)提供了一條切實(shí)可行的智能化升級(jí)路徑，助力中國(guó)半導(dǎo)體制造向更高效、更精準(zhǔn)、更智能的方向持續(xù)邁進(jìn)。未來(lái)，GT Insights將持續(xù)深化在半導(dǎo)體特定場(chǎng)景的專用能力，擴(kuò)展更多垂直行業(yè)的解決方案，推動(dòng)工業(yè)智能從“可用”向“好用”不斷進(jìn)化，為制造業(yè)的數(shù)字化轉(zhuǎn)型注入新動(dòng)能。