在MicroLED 與光電半導體製程快速演進、資料量倍增的環境下，光電整合解決方案供應商富采今（4）日宣佈攜手SAS打造端到端AI研發平台，將共同整合跨站製程資料，以AutoML 與可解釋AI，協助研發團隊快速建模、預測與回饋製程，大幅縮短研發週期並提升良率。

圖一_SAS台灣區總經理龔律安（左）、富采投資控股資訊長趙紘慶

長期深耕MicroLED與光電半導體製程的富采，面對製程快速演進、產線資料量與製程參數同步倍增，近年積極推動研發流程的數位升級，但由於資料分散於不同設備與格式，跨站追溯與關鍵因子分析始終耗時。

以MOCVD（有機金屬化學氣相沉積）為例，其反應爐參數幾乎決定晶片效率，但工程師往往要等到晶圓走完整個流程後才能確認問題，不僅製程週期被迫拉長，前段、中段到封裝資料難以串接，也使良率下降的根因常延後才浮現。

在製程複雜度與市場反應要求同步升高的背景下，富采需要不只是更快的建模工具，而是一套能整合完整製程資料鏈、協助研發團隊快速建立模型，並將研發知識以系統化方式延續下去的 AI 研發平台。

因此，富采選擇與 SAS 共同建構一套從資料整合、模型建立到製程部署的完整 AI 研發平台。合作成果使富采能以跨站視角進行分析、導入虛擬量測、提升設備穩定性，並讓研發決策真正邁向數據驅動。此模式逐步成為半導體 AI 應用的重要參考架構。

富采資訊長趙紘慶表示，富采尋求的不僅是單一 AI 工具，而是能「與團隊一起解決問題」的策略夥伴。SAS 在技術完整度、資料科學方法論以及顧問團隊的陪伴深度，都能在真實場景中產生可驗證的價值。SAS Viya 提供從資料整理、模型訓練到部署的統一平台，搭配AutoML降低建模門檻、可視化介面提高模型可解釋性，以及可與即時製程調整控制（Run-to-Run Control）、製造執行系統（MES）彈性整合的容器化部署能力，讓研發流程可以真正串接起來

SAS 台灣總經理龔律安指出，這次合作的核心目的，是讓富采累積多年的製程 know-how 能被系統化保存並複製到不同製程與場域。他強調，導入 AI 的目的並不是要讓工程師成為資料科學家，而是讓既有製程 know-how 能被更有效地量化、傳承與複製。SAS 透過跨產業的分析經驗與標準化平台能力，協助企業將研發與製造經驗量化、模型化並得以被持續驗證，使資料驅動的決策模式更穩定也更可擴展。

此合作將協助富采在研發到製造的各階段建立資料血緣、提升製程可預測性與效率，使其成為半導體業導入AI的先行者與技術典範，也為後進企業提供可實踐的智慧製造示範路徑。