MIT 衍生公司 FabuBlox 推出半导体工艺工程 AI 协作工具 FabAgent

FabuBlox 推出了 FabAgent，这是一款 AI 协作工具，旨在帮助半导体工程师在进入洁净室实际运行之前构建、分析和仿真制造工艺。这家 MIT 衍生公司正将该智能体与结构化工艺设计和设施知识相连接，目标是帮助工程师理清决定某个制造流程能否成功的众多依赖关系。

该公司的核心主张是，工艺智能既需要理解工艺，也需要理解晶圆厂。一系列制造步骤必须与执行该流程的设施在设备、材料规则、配方和运行限制方面相匹配。FabAgent 与 FabuBlox Facility OS 的连接，旨在让这些上下文在工程决策过程中可用。

FabAgent 所在平台本身已经对制造知识进行了组织。该公司的 Process Design Suite 集成了标准化工艺描述、截面可视化、层叠仿真、版本控制和共享仓库。工程师可以描述制造意图，并借助 AI 助手帮助构建流程、配置各个步骤、探索工具和配方，同时保留对所提议工艺的审核权。

可视化层为这些决策提供了物理参照。FabuBlox 表示，其光线追踪算法可仿真连续步骤如何改变器件的层叠结构，包括薄膜覆盖和侧壁轮廓。工程师可以从 GDS 版图文件中选择一条切割线，将制造顺序与目标器件的截面关联起来。随着设计演进，流程的变更会同步反映到可视化结果中。

这种组合之所以有用，是因为一个工艺步骤会改变后续步骤的起始条件。在查看指令的同时审视不断演变的结构，有助于团队更早发现集成问题。不过，仿真的实用性仍取决于其参数对设备和工艺条件的还原程度，因此校准和实验测量成为工程闭环中的重要环节。

Facility OS 表示工艺背后的设备与约束条件。其结构化设施模型包括工具能力、支持的资源、材料限制、参数范围、配方和校准数据。工程师可以搜索工具库，而 AI 辅助匹配旨在帮助找出适合所请求操作的设备。

配方与特定工具及其表征数据相关联。随着配方演进，平台会突出显示变更，以便工程师有选择地将其与工艺流程同步。这样便保留了所提议工艺与预期执行该工艺的设备设置及实测行为之间的关系。

污染控制是该模型的另一个重要组成部分。Facility OS 将材料定义和层叠信息与特定工具的限制相结合，以支持规划过程中的兼容性决策。因此，评估工艺的智能体可以判断某个步骤是否符合设施允许的材料与设备组合，而不是将每项操作视为孤立的指令。

该公司还介绍了用于审核传入制造请求的工作流，以及根据已配置的工艺步骤和设施定价估算成本的功能。这些能力将同一套结构化知识延伸到制造周边的协调工作中。

FabuBlox 的根源在于其创始人在 MIT 遇到的知识共享问题。MIT 微系统技术实验室的一份简介称，Jan Tiepelt 及其联合创始人于 2023 年创建该平台，以支持 MIT.nano 和 MTL 社区的共享数据库建设。Tiepelt 于 2024 年 5 月完成 MIT 电气工程博士学位，此前从事蓝光 OLED 退化研究。

MIT 微系统技术实验室将 FabuBlox 列为其社区中涌现的初创公司之一。投资方 Pillar VC 确认创始团队为 MIT 博士 Jan Tiepelt 和 Josh Perozek，以及工程师 Jack Muller 和 Eyal Perry。

根据 MIT 2025 年 1 月的一份公告，该公司加入了 MIT.nano 的 START.nano 计划。该计划通过折扣设施使用、技术咨询以及与学院创新网络的联系来支持硬科技创业公司。MIT 当时对 FabuBlox 的描述强调了其工艺设计界面和类似 GitHub 的仓库，用于组织制造知识。

这段历史有助于解释当前的产品方向。带版本的工艺流程、共享仓库和结构化设备记录为 AI 助手提供了可用的工程上下文，同时保留了设计如何演进的历史。

FabuBlox 的第三个平台组件 Fab Run Studio 将工艺流程版本和配方与实体晶圆、执行记录和量测数据关联起来。该公司将其标记为早期 beta。其描述的工作流包括跟踪分支晶圆路线和参数拆分、比较结果，以及使用晶圆图和统计过程控制来识别变异。

预期的反馈闭环将观察到的结果与产生该结果的晶圆、工艺路线、配方和设备关联起来。FabAgent 随后可以帮助工程师考虑修订后的流程、更新的校准或下一个实验。将这些关系保持在一起，在研究和多品种小批量制造中尤为重要，因为工艺可能频繁变化。

更广泛的行业也在投资于缩短学习周期，正如协作式半导体工艺研发将材料、设备和集成团队更紧密地结合在一起所体现的那样。FabuBlox 正在应对这一挑战中软件和知识管理方面的问题。

其长期愿景更为远大：针对光刻、沉积和刻蚀等领域的专业智能体将从物理结果中学习，并帮助协调实验和工艺变更。晶圆厂专用的世界模型和日益自主的制造仍是发展目标。Facility OS 同样将实时设备信号和预测性维护描述为其未来方向的一部分。

对于现在评估 FabAgent 的工程师来说，眼前的机会是一个扎根于工艺结构和设施约束的协作者。下一步是将这种推理与可追溯的实验结果联系起来，使每次制造运行都能为更好的工程决策提供依据。