众壹云 用AI撬动芯片良率提升，Pre-A轮融资背后的硬核逻辑

在芯片制造这个堪称现代工业皇冠上的明珠领域，良率（Yield）是决定企业生死存亡的核心指标。一个百分点的良率提升，可能意味着数千万甚至上亿美元的利润变化。随着制程工艺向3nm、2nm逼近，晶体管结构日益复杂，影响良率的因素呈指数级增长——从光刻、刻蚀到薄膜沉积，任意环节的微小偏差都可能导致大批晶圆报废。传统上，工程师依靠经验模型和统计过程控制（SPC）来抓取异常，但这种“事后补救”的模式正变得越来越力不从心。\n\n36氪独家获悉，一家名为「众壹云」的创业公司正试图用人工智能基础软件改写这一局面。该公司聚焦于芯片制造良率提升，通过自主研发的AI算法与大数据平台，实时分析产线海量数据，提前预测并定位良率损失根因。目前，众壹云正在进行数千万元Pre-A轮融资，由知名机构领投，资金将主要用于产品迭代、团队扩充与头部客户交付。\n\n打破良率黑箱：从“事后统计”到“事前预测”\n\n芯片制造涉及数百道工序，每道工序产生上千个传感器读数——温度、压力、气体流量、射频功率等。“数据量之大，早已超过人类分析能力的极限。”众壹云创始人曾公开表示。传统SPC通过设定控制上限/下限来报警，但有两大软肋：第一，反馈严重滞后，等SPC报警时，可能已经存在数千片低良率晶圆；第二，无法处理多变量之间的强耦合关系，例如光刻的焦距和剂量同时轻微漂移，单独看每一个都落在规格内，组合起来却可能导致关键尺寸（CD）严重偏差。\n\n众壹云的解法是构建一套面向半导体制造场景的AI基础软件栈。它包含三层：数据层，无缝对接FAB中各种机台、量测设备与MES/EAP系统；算法层，既有针对时间序列的异常检测，也有基于因果推断的根因分析，还有强化学习驱动的工艺参数优化；应用层，以“虚拟量测”“良率预测”“缺陷溯源”等微服务方式交付。据披露，该软件在某8英寸FAB的蚀刻工序试运行中，将良率波动幅度降低了30%，并将先进制程的残次品率减少了18%。\n\n为什么“AI基础软件”是正确切入点？\n\n芯片良率管理软件并非新事物。国际巨头如PDF Solutions、Synopsys早已布局多年，但它们主要基于物理模型和统计学缺陷分析，AI能力相对碎片化。众壹云的机会在于：一方面，国产替代浪潮下，本土FAB急需自主可控的全栈式AI良率提升方案；另一方面，AI大模型、向量数据库等新技术的出现，使得从超大规模非结构化数据中吸取隐含知识成为可能。\n\n一个典型的业界痛点例子：某逻辑芯片产线上，低良率事件时有时无。传统工具只能告诉工程师哪台机台贡献了偏差，但无法解释为什么。众壹云的分层归因模型结合工艺配方（Recipe）去解析机台日志、气体纯度乃至环境湿度，最终以可解释的“影响因子图谱”指出：一个未加密的随机网络报文诱发了EFEM大气机器手在一次特定取片动作边角倾覆，从而导致镀膜厚度出现略微云图隐患——这个答案无法从单纯的数学模型中得出。\n\n本质上，众壹云售卖的商品并不仅仅是算法，而是一套从数据准备到结果行动端到端的“智能决委会”。当一道工序如出现波动，它不仅仅报警和推出原因集，还可直接反向推荐“偏差修正”(Knob Adjustment）的值，直达进工程师工单合并自动化系统(PR\fabric协同\