AI驅動量測技術進化 NI 創新測試論壇解析量測新未來
- 李佳玲／台北
-
隨著全球科技產業邁入智慧化新紀元，測試與量測技術已躍升為提升產品競爭力的關鍵。為助力台灣企業洞悉最新技術發展趨勢與實際應用，艾默生旗下NI（National Instruments 國家儀器）日前盛大舉辦「NI Test Forum創新測試論壇」。論壇匯聚國內外頂尖專家，分享前瞻技術與實務經驗，吸引眾多業界人士共襄盛舉。
NI台灣區總經理郭皇志於開場致詞中強調，台灣在全球電子與半導體產業鏈中扮演重要角色，NI不僅致力於深化在地服務支援，更積極與產業夥伴共創技術價值，鞏固在AI與自動化測試領域的領導地位；NI全球業務暨行銷副總裁Luke Schreier緊接著介紹測試與量測領域的發展趨勢，並指出產業正加速朝向「軟體驅動系統」新典範轉型，NI透過模組化硬體平台與智慧軟體的緊密整合，建構全方位解決方案，協助企業完整優化研發端到量產端的流程，打造更具效能與智慧化的測試平台。
之後更進一步揭示NI整合平台的未來發展藍圖，未來將可透過語意搜尋量測數據、智慧排程機制與資料驅動分析等應用，全面提升產品良率及測試效能，為工程人員提供前所未有的智能化輔助工具；而在軟體發展方面，將持續強化軟體實力、串接工作流程與建構開發者社群。
此外NI攜手經銷夥伴優立測科技聯袂展示LabVIEW在AI時代的創新應用實績，不僅LabVIEW已全面支援連結Python、NET等開發語言，並能透過網絡連結函數庫API無縫串接雲端服務與各類GPT模型工具，在測試數據預測分析、異常狀態偵測及程式碼自動生成等領域發揮顯著效益，大幅提升研發效能；而在硬體方面，接著展示最新款的mioDAQ資料擷取產品技術，以其第三代射頻VST儀器的技術突破，特別適用於NTN通訊、WiFi-7等高階應用情境，並能將VNA S參數測試與調變訊號解析整合為一，提升射頻產品測試效率。
最後黑鏡科技業務代表Lawrence Chiu Lok-Man則分享其如何應用NI USRP平台在無人機防禦系統上，守護台灣空域的安全，他指出，黑鏡科技運用NI的SDR平台結合自主開發的核心演算法，成功在台北市區佈建主動雷達與被動雷達複合系統，有效識別與防禦潛在無人機威脅，充分展現國產化系統的實戰能力與技術自主優勢。
AI扮演關鍵角色 引領工業設計半導體測試革新
AI已成為工業設計領域的關鍵驅動力，鴻海研究院AI所詹念怡博士分享了他們在「AI驅動工業製造設計」計畫中的突破性進展。該計畫的核心技術「反向預測」不同於常規由設計參數推導最終結果的方法，採用由期望結果反推最佳設計參數的創新路徑，解決產品性能、成本與開發效率等挑戰。
在半導體技術開發方面，鴻海團隊整合代理模型、強化學習與生成式AI技術，突破TCAD模擬的時間瓶頸，將SiC元件的擊穿電壓從初始值顯著提升至2.5kV，進一步證實AI在複雜元件設計中的巨大潛力。
為解決專業領域知識與AI技術實際應用之間的差距，鴻海導入多Agent協作模型，模擬真實研發團隊中的多角色協作，建立高效的智能協作機制。隨著推理模型與大型語言模型的不斷融合深化，AI系統已能自主解讀技術文件、執行複雜故障診斷並建立完整知識庫，全面加速製造專業知識的累積與傳承過程。
AI晶片設計日益複雜，半導體測試領域正經歷變革。台積電處長戴定普指出，AI與測試技術正展開雙向進化。「AITesting」以AI強化測試流程，實現自動執行、模式分析與覆蓋率提升；「TestingAI」則是在對能加速AI運算的硬體如GPU, TPU等硬體測試。台積電已將AI深度導入自動測試設備、自動化測試樣式生成及可測試性設計流程，針對Die-of-interest進行測試效率的提升。
在晶圓測試方面，台積建構「AI-as-a-Service」架構，根據精確度需求提供三種測試模式，涵蓋不等待Machine Learning結果的高速模式，到等待雙模型回應的高精密選項。
在先進封裝測試，台積電也透過整合RWAT、WLCP與AST，建構三層Inline測試架構，除了能夠提早偵測瑕疵品之外，並且可以大幅降低廢品成本。面對高電流密度、微型接點、高腳位與高功耗等AI晶片測試難題，台積電正在重新設計從DFT到探針系統的全流程測試策略。
面對摩爾定律極限與異質整合多樣性，半導體封裝測試進入高度複雜的新局。日月光測試工程資深處長黃俊傑在演講中表示，日月光以「綜合健康指標」為核心，整合來料、組裝、測試與機台設定等多維數據，運用AI演算法從表面正常的數據中識別潛在風險，讓問題提前顯現。
資料架構橫跨多重維度，涵蓋介面訊號、機台狀態與測試程式參數，實現從微觀層面分析系統性風險。AI模型除了能掌握測試項目的高關聯性外，也能依據效益最適化測試順序，大幅縮短測試時間。日月光近期更進一步導入生成式AI技術，並與內部知識庫整合，強化異常分析與自動生成解決方案的能力。
半導體微縮製程與先進封裝技術快速推進，傳統半導體測試方法面臨重大挑戰。艾默生Optiomal+應用工程部經理謝欣穎指出，Optimal+平台透過AI與機器學習有效解決三大產業痛點。首先，艾默生Optimal+的深度學習模型能自動辨識晶圓錯誤圖案例如表面刮痕，精準標記並減少人為錯誤。
其次，協助客戶將ML模型落地到測試端，創新的「Per-Die Scoring」技術根據前段數據預測後段測試需求，從PCM/MET到Sort/FT交錯分析，單一資料化模型追本溯源先進封裝內晶片、HBM、被動元件整體良率的影響，顯著縮減測試時間與成本。第三，其獨特的「人機協作流程」模式允許專家審核AI決策並提供回饋，這些資訊再納入模型再訓練，形成良性循環。
在系統架構方面，艾默生Optimal+提供從資料擷取到模型開發及部署監控的完整機器學習流程支持。該平台亦可與NI及Advantest合作，將即時分析整合到自動測試設備中，實現超即時數據前饋與邊緣AI推論。艾默生Optimal+這個可調整、可擴展的AI/ML平台，正成為半導體測試領域實現數位轉型的關鍵基礎，進一步加速產業創新步伐。
自動化需求持續成長，AI技術已成為製造業營運效能提升的關鍵驅動力。美超微台灣區Edge Computing 業務總經理曾仁德在演講中強調，高效能運算平台能顯著增強製造業OT技術的智能化轉型。該公司專注於五大工業應用領域：預測性維護、異常偵測、品質與安全監控、AI驅動資安防護，以及能源效率與製程最佳化，為智慧製造建立全方位解決方案。
系統架構上，Supermicro整合SCADA監控、PLC控制及MES管理系統，採用邊緣運算與雲端AI結合的混合架構，同時滿足即時性與高階分析需求。性能測試顯示，搭載H200 GPU的平台在處理2000張圖像辨識任務時，效能較RTX 4090提高近6倍，平行處理能力達到5.4倍。為協助客戶有效導入AI，Supermicro的AIDMS平台提供完整的模型管理流程，結合邊緣即時推論與雲端分析能力，並透過GPU資源池實現快速訓練及彈性資源調度。
專家跨域對談 探索AI與量測的未來共生之路
除了專業演講外，NI創新測試論壇也邀請講者共聚一堂，以「當 AI 遇上量測，台灣科技製造的最後一哩路」為題，共同剖析AI在量測、生產、設計與封裝四大場域的應用實踐與未來藍圖。
過往測試只是驗收的「搬運工」，而今則是資料驅動決策的關鍵。AI導入初期常遭遇工程師質疑「經驗已足夠」，但當AI真能提前示警問題、找出隱藏變異，工程師對AI態度會從排斥轉向擁抱。
另外針對先進封裝如 CoWoS、SoC 已從單一堆疊進化為異質整合架構，將電容、電感、PMIC 等主動元件納入封裝之中。這使得傳統測試方法已無法應對今日製程變異，測試策略需從設計階段即開始佈局，AI 成為應對製程複雜性與良率維穩的必要工具。特別當面臨跨廠區的製造協同挑戰，AI 可協助建構預測性物流與產能調度機制，真正實現從「高度自動化」走向「智慧自律」。
下午議程分別從測試軟硬體、先進應用測試、使用者應用分享三大專題，探討量測技術的發展、應用與落地實踐。在「先進應用測試專題」中，稜研科技分享如何透過 FR2 OAI 和可重構智慧表面技術，優化5G與6G ORAN網路測試；NI與蔚華科技則共同揭開寬能隙元件可靠度測試的實務面紗；針對矽光子領域，思衛科技深入解析測試上的挑戰及相應的解決方案，Quantifi Photonics也進一步說明如何將矽光子光電測試系統整合於探針台，有效提升測試效率。
此外，致茂電子探討如何藉由PowerHIL模擬驗證技術結合實時系統，加速電動車產品的開發並提升安全等級，充分展現當前先進測試應用技術的多元性與創新力。
從此次NI創新測試論壇可看出，AI 已不再只是輔助測試的工具，而是驅動製造、設計與封裝技術革新的核心動能。從模組化平台、智慧軟體，到跨領域的實務應用與知識庫建構，都展現台灣產業鏈在測試技術升級上的積極投入與創新實力。未來台灣可持續深化資料整合、人才跨域協作，投入AI與量測的雙軸發展，在全球智慧製造競局中穩固關鍵地位，走出屬於自己的下一哩路。
