強化半導體產業競爭優勢 瑞德感知打造台灣自主晶片設計AI平台

瑞德感知執行長陳碩鴻。DIGITIMES攝

AI技術在晶片設計領域的應用正面臨關鍵轉折點，在處理複雜設計需求時，傳統EDA工具的侷限日益明顯。瑞德感知科技攜手國網中心，運用H100 GPU高效能運算資源，成功開發針對晶片RTL與時序設計的專用基礎模型（Foundation Model），為台灣半導體產業建構自主AI設計平台，開創晶片設計與製程優化的全新技術路徑。

瑞德感知執行長陳碩鴻指出，當前晶片設計與製程導入AI的主要痛點，源於深度學習與強化學習技術與傳統EDA工具之間在流程上的本質差異。傳統EDA軟體仰賴固定演算法處理RTL、布局與優化，彈性與推論能力相對有限。

他強調，AI在軟體領域已展現潛力，但晶片設計領域需滿足更高的準確率與時序驗證要求，不能出現語言模型常見的「幻覺」問題。RTL設計與時序驗證必須建立在確定性邏輯與精準預測上，目前一般大型語言模型尚無法直接應用於此類任務。

此外，主流EDA工具公司多使用累積數十年的舊有程式碼基礎，導入新型AI工具的整合與相容性亦是一大挑戰。同時，由於晶圓廠資料具高度機密性，導入AI須特別考量資料脫敏與保密性設計。在晶圓缺陷檢測、OPC修版與布局優化等任務中，具備高精準率的模型更是必備條件。

結合國網中心算力與自主AI模型  瑞德感知開啟晶片設計新世代

導入國網中心提供的8顆H100 GPU與1.15TB記憶體算力資源後，瑞德感知顯著提升AI研發能量。目前團隊已完成自訓20至40億參數等級的基礎模型，並針對晶片RTL與時序設計任務進行專屬訓練。

在技術價值方面，該平台可針對晶圓廠資料進行小樣本精調（few-shot fine-tuning），提供高度客製化的推論解決方案，同時有效降低資料全量外洩的風險。此外，透過結合圖像、基因等非語言型資料進行訓練，已打造具備跨領域擴展能力的多模態基礎模型。

在產線應用層面，晶圓缺陷檢測的準確率已有顯著提升。陳碩鴻指出，對於產能龐大的半導體產線而言，即便僅提升1%的辨識精度，也足以創造可觀的經濟效益。該模型可有效補足傳統EDA工具在缺陷預測與製程修正方面的不足，進一步提供更精準的光照模型建議與修版依據。

陳碩鴻進一步表示，瑞德感知早期從動態逃生與醫療影像分析起家，後續應用擴展至基因判讀、NGS定序分析等領域。因應晶圓廠客戶需求，開始切入晶圓缺陷檢測與設計輔助領域。

目前最具指標性的應用場景為晶圓缺陷偵測，模型能精準找出晶圓上微小缺陷，對可疑區域進行高信賴度標註，輔助人員進行後續檢測與處置。在與晶圓廠的合作中，客戶回饋集中在AI可補足現有EDA工具的不足，並對提升缺陷檢測準確度表達正面肯定。

瑞德感知已建立明確的跨場域應用布局，除了在晶片製造端與多家晶圓廠合作，深入布局優化、缺陷預測與OPC修版等流程，也規劃進一步推展至3nm、Chiplet與封裝等先進製程；同時在醫療領域，亦與多家醫療機構合作，導入低劑量CT影像判讀與基因定序分析，展現模型的多元應用潛力。

在商品化方面，瑞德感知正積極推動基礎模型模組化，致力將大型模型拆解為可嵌入不同客戶系統的小型推論模組；考量傳統EDA工具封閉且歷史包袱沉重，選擇直接服務終端晶圓廠與設計客戶，提供「模型即服務」（Model-as-a-Service）的彈性部署模式。

陳碩鴻表示，透過國網中心算力支援與產學合作，瑞德感知不僅提升了技術研發效率，也為台灣建構自主AI技術平台奠定基礎。未來，隨著技術持續精進與應用場域擴展，將進一步強化台灣半導體產業的國際競爭力。