【Meet 大南方】裝上 AI 大腦與數位神經！新創怎麼破解半導體「知識＋數據」雙重斷鏈？
- GoEdge.ai
- 8月24日
- 讀畢需時 3 分鐘
2025.08.23
優智能執行長陳建志博士於【南方創新力：亞灣 AI 半導體經濟論壇】主題演講中，分享如何透過 AI 將分散於不同來源、不同格式的數據加以整合，建構為統一的智慧模型，並具備持續學習能力，能像專家般不斷吸收新製程與經驗，讓分析更精準、應用更靈活。
當「留不住人」成為常態，GoEdge.ai 如何截斷人才流失的知識斷層？
「人才荒一直都是最大的問題。」GoEdge.ai 創辦人暨執行長陳建志在開場時不先談技術，而是先談人才。「但這件事情，其實不是只有找不到人，最大的問題可能是『留不住人』。」
在晶圓製造端辛苦培養、積累了寶貴製程經驗的工程師，不斷地流向更上游的 IC 設計端，每一次的人才出走，都伴隨著企業核心知識資產的無形流失。這種「人才食物鏈」不僅造成了高昂的招募與訓練成本，更讓資深員工的寶貴經驗難以傳承，成為管理者心中難以言說的痛。
這也是 GoEdge.ai 決定從問題根源下手的原因。
透過 AI，GoEdge.ai 將散落在不同來源、不同格式的數據，整合成一個統一的模型，並讓這個模型能夠像人類一樣，持續學習新的製程與經驗。
同時，GoEdge.ai 更藉由兩大核心演算法，將老師傅的經驗數位化：一是「多變因資料分析與邊緣 AI 推論引擎」，二是「多目標優化跟參數調校平台」。前者如同資深工程師的「眼睛」與「大腦」，負責從複雜的數據現象中，快速判斷出異常的根本原因；後者則如同他的「雙手」，在知道問題後，能快速給出最佳的參數調整方案。
透過自動化，GoEdge.ai 可以在研發端和製成現場等不同應用場景提供幫助。
「在半導體 RD 端的應用上，RD 工程師過去做的工作，多半在所謂的『試錯』，這段過程就花掉他們 60% 到 80% 的時間。」陳建志指出，為了在無數個參數組合中找到最優解，沒經驗的工程師可能要比有經驗的人多花上一倍的時間。
GoEdge.ai 藉由演算法迭代修正參數組與參數值，讓工程師在下班前設定好目標，AI 就能在夜間的 8 到 10 小時內，利用平行化運算，自動進行大量的模擬與迭代。隔天上班時，一個趨近最佳解的參數建議就已出爐，且成功率達到 9 成。
「以目前為止的實績，我們在一個為期 10 個月的專案中，成功為他們的工程師團隊節省研發時間。」陳建志強調，這意味著 AI 不僅是輔助，更是研發效率的倍增器。
如果說研發端考驗的是速度，那麼智慧製造現場考驗的就是深度。要如何將難以言傳的直覺轉譯為可執行的程式碼？GoEdge.ai 的 AI 系統透過學習大量數據，輔以資深工程師的判斷經驗，煉就了分辨真實訊號與雜訊的能力。當系統面對潛在的製程缺陷時，它能精準判斷這是一個需要立即處理的警報，還是可以忽略的系統誤報。
「AI 會採取實際行動，避免讓工程師疲於應付大量誤報。」在實際案例中，這套系統不僅成功幫助客戶大幅降低設備誤報率，更重要的是，它讓助理工程師也能透過AI的診斷建議，快速上手。
資料引用來源：Meet 創業小聚
作者：創業小聚採訪編輯 賴冠伶
報導時間：2025.08.23
留言