“活過眼前的資料治理‘髒活累活’，未來五年，這個賽道遍佈機遇。”深耕半導體賽道的喆塔科技創始人兼 CEO 趙文政對這個方向充滿信心，他如今正在半導體軟體領域引入 AI 技術。
趙文政表示，現在國內真正跑通 AI 的半導體工廠不到 10%，而且距離真正在工業領域的應用還為時尚早，但趨勢已經擋不住了。
半導體工業的 AI 軟體賽道正處於快速發展階段，但尚未達到飽和。隨著技術的進步和製造工藝複雜性的增加，對能夠提高效率、降低成本並最佳化生產的 AI 解決方案的需求持續增長。“像 2010 年的智慧手機——都知道是未來，但還沒爆。”
今年春節過後，喆塔將 DeepSeek 接入了自研的行業大模型——喆學大模型。在給他們的訓練效率帶來不錯提升的同時，趙文政也敏銳地發覺：從短期來看，以 DeepSeek 為代表的這波 AI 浪潮湧現肯定是好事，比如用它的開源模型快速試錯，降低試錯成本，但長期得警惕：工業 AI 的決勝點不在模型本身，而在如何把行業知識“灌”進模型。
“DeepSeek 可能幫你搞定 10% 的通用問題，但剩下 90% 的工藝難題，還得靠深耕場景的數字化轉型專家。”趙文政分享了喆塔團隊的例項：此前某客戶提出針對半導體制造工藝的即時分析需求時，喆塔團隊在產線蹲點三個月，將需求拆解為多個模組快速迭代，而國外廠商僅需求評估就要半年。之後客戶第一次看到喆塔方案，第一反應是這個團隊很有潛力。後期順利拿下專案，為了協助客戶的產品加快上市週期，他們的團隊直接駐場客戶車間，跑資料即時對比反饋。
喆塔雖是做半導體工業軟體起家，但早在成立的第二年就切入到 AI 領域。在談到喆塔如何切入到 AI 領域時，趙文政表示這是行業發展的大趨勢。
“選這個產品方向是因為半導體越往先進製程走，資料量爆炸式增長，光靠人盯不住了，必須用 AI 把資料變成生產力。”
2018 年，喆塔在調研多家半導體工廠後，發現一個共性痛點：工程師 80% 的時間耗費在資料整理，僅有 20% 用於決策。例如，傳統良率分析需人工整合 MES、裝置資料，耗時數週，而 AI 可將流程壓縮至分鐘級；但工業 AI 不能只靠演算法堆砌，必須與行業內部規律、機制和原理深度融合。
當時，喆塔主要在以下方面應用了機器學習演算法：一是缺陷檢測與分類，利用機器學習演算法對晶圓缺陷進行自動檢測和分類。透過訓練模型識別不同型別的缺陷，如劃痕、汙染等，提高了檢測效率和準確性。這一應用幫助某封測企業中減少了人工檢測成本，並提升了工作效率。
另一方面是良率預測與最佳化，透過機器學習模型分析生產資料、預測良率變化趨勢，並提供最佳化建議。例如，在某晶圓廠中，喆塔的系統透過分析歷史資料成功預測了一次裝置故障，避免了大規模生產損失。喆塔稱，將這些機器學習演算法整合到他們的資料分析產品中後，幫助多家半導體企業提升了良率、減少裝置故障，並憑藉這些案例吸引到更多客戶，訂單量和盈利都增長了。
“我們認為 AI 在工業場景的價值，不在於技術本身的先進性，而在於能否將隱性知識顯性化、將複雜問題標準化。這是喆塔選擇切入 AI 的本質邏輯。”
趙文政表示，喆塔的路徑獨特在於將行業 Know-how 與 ABC（AI、Big Data、Cloud）先進技術相結合，實現“Know-how 編碼化”。以缺陷檢測為例，將老師傅的“工藝最佳化”經驗轉化為 AI 可理解的規則庫，結合 PB 級資料處理能力，讓喆塔自研的 AI 大模型能像十年經驗的工程師一樣識別工藝波動，新手透過喆塔的軟體產品也能快速定位根因。
據他透露，這種“資料驅動 + 行業邏輯”的雙重架構，使喆塔的良率分析產品效率提升數十倍，併成功進入 12 英寸晶圓廠驗證。目前，喆塔在 AI 產品矩陣中融合喆學大模型，構築了全方位、深層次的“1+3+N”智慧生態系統，形成覆蓋半導體制造全流程的智慧決策閉環。“核心就三件事：資料管得明白、問題看得清楚、決策做得精準。”
其中，“1”代表一個由 AI 演算法與海量資料分析為引擎的一站式 CIM2.0 全矩陣數智化平臺，包括 ZetaCube 數字化智慧分析系列、ZetaDMO 數字化智造運營系列產品與 ZetaCloud 工業網際網路雲平臺。“3”代表喆塔的 3 個拳頭產品：ZetaYMS、ZetaDMS、ZetaFDC。“N 個行業應用”即無論半導體、顯示面板、還是新能源等高科技製造領域，喆塔都能提供 AI+ 產品的數字化轉型方案。
去年，喆塔的 AI+ 產品已經在多數半導體大廠進行了驗證，而且客戶復購率很高。趙文政表示，“如果從機器學習演算法的應用開始算起，第一個客戶是從 2018 年開始，那第一年就盈利了。整個產品已經連續運行了 5 年，非常穩定，也得到了客戶很高的認可度。”
比如在晶片良率最佳化方面，喆塔提供的解決方案能夠顯著減少生產過程中的缺陷率，其有 AI 加持的一站式 CIM2.0 系統集成了先進的資料分析和機器學習演算法，可以即時監控生產流程中人、機、料、法、環、測的每一個環節，並自動識別潛在的問題區域。這不僅幫助製造商減少了因質量問題導致的產品報廢，還縮短了產品上市時間，提高了生產靈活性和響應速度。
據行業內的普遍反饋，類似的技術應用通常可以幫助企業將良率提升數個百分點，加速產品量產上市，對於大規模生產的半導體工廠來說，這意味著每年數百萬甚至上千萬美元的成本節約。趙文政表示，他們的一些客戶也反饋過，採用喆塔的解決方案後在降低維護成本、減少停機時間以及最佳化資源利用率等方面取得了實質性進展，這些改進能夠轉化為更高的利潤率和更強的市場競爭力。
到目前為止，喆塔的合作客戶超過 100 家，其中 90% 以上是行業頭部企業，在行業分佈上，半導體行業的客戶佔比較多。據稱，喆塔主要透過三個維度來精準定位目標客戶：一是行業維度，聚焦泛半導體領域，像半導體、光電顯示、新能源等行業都是其關注的重點；二是企業需求維度，喆塔瞄準那些有數字化轉型需求，且追求生產效率和產品良率提升的製造企業；三是技術適配維度，其產品和技術更適合需要全流程資料驅動解決方案的中大型企業。
某頭部晶圓廠在引入喆塔的 AI+ 解決方案前，產品良率不穩定，這對工廠帶來很大的困擾。使用 ZetaAYS（自動良率分析系統）等產品後，其工廠品質管理效率和良率得到了穩定的提升。
還有一家頭部 12 寸半導體工廠，採用喆塔的 AI+ 解決方案後打通工廠業務系統資料孤島，統一標準化業務，獲取資料分析問題效率提升 3-4 倍，並且透過資料驅動的方式，對生產全流程進行最佳化，像透過裝置故障預測減少停機時間、最佳化工藝引數等。此外，喆塔團隊透過 CP\FT overview 和 composite 功能，可以在不同場景下對不同 bin 進行疊圖分析，幫助工程師定位異常，這是目前無法透過手工實現的，資料利用率提升 100%+，生產效益顯著提高。
“喆塔的軟體系統不僅能替代歐美產品，還能解決工藝波動的痛點。”趙文政稱，國外巨頭如應用材料、IBM 兩家公司佔據全球 CIM 軟體 90% 市場份額，但架構僵化、成本高。多數國內廠商聚焦單一環節（如 MES 或良率工具），缺乏全鏈路能力。而喆塔的差異化打法是基於大資料與 AI 演算法來重構 CIM 軟體。
據介紹，“喆塔還是業內唯一具備半導體全流程穿透力的半導體 CIM 廠商，打通了‘晶片設計 – 晶片製造 – 晶片封測’全鏈路資料。”例如，某晶圓廠匯入喆塔的 ZetaCube 數字化智慧分析系列產品後，工程師決策時間佔比從 20% 提升到 80%。
趙文政提到，為了開發頂尖 AI 產品，喆塔在多個關鍵領域進行了重大的技術和資金投入，包括研發人員薪酬、投資於高效能計算裝置、承擔資料獲取與處理的相關費用，以及確保產品的持續維護和更新所需的成本。如今，隨著他們 AI 產品在半導體行業實際應用中的成功落地，喆塔已經實現了穩步的發展，並進入了規模化盈利的新階段。
據趙文政透露，喆塔的團隊核心技術骨幹深耕半導體行業近 20 年，擁有豐富的半導體工廠數字化轉型、智慧化升級經驗，團隊自主研發出了以“AI+ 資料”驅動的一站式 CIM2.0 全矩陣數智化平臺。
但在做 AI 類的應用和產品的過程中，他們也踩過不少“坑”。據趙文政稱，技術驗證階段，資料質量和演算法適配是大問題。資料存在錯誤、缺失、重複等情況，影響模型訓練效果；不同演算法在實際場景中表現不穩定，難以達到預期效能。因此，喆塔透過構建資料質量監控體系來增加資料清洗和校驗環節，保證資料質量；針對演算法進行大量實驗，對比不同演算法優缺點，結合實際場景最佳化調整、找到適配方案。
“要警惕技術自嗨、初期過於關注技術細節而忽視實際應用場景。”趙文政表示。
將 AI 技術應用於半導體工業場景時，喆塔同樣遇到了多重挑戰。首先是領域知識壁壘，需要團隊深入理解複雜的半導體制造工藝；其次是資料挑戰，高質量資料的獲取受限於保密協議，增加了模型訓練難度；此外，還有對即時效能的高度需求及模型複雜性的挑戰。還有一個值得關注的問題是，客戶對 AI 應用的需求在不斷變化。
為應對這些挑戰，喆塔透過組建跨領域的專業團隊，結合 AI 專家與行業資深人士的知識，有效克服了領域知識障礙。同時，透過建立合作伙伴關係，確保能夠訪問必要的資料資源和技術支援。針對模型複雜性和即時效能需求，喆塔不斷迭代最佳化其演算法，並採用最新的 AI 技術如遷移學習和少樣本學習來提高效率。面對 AI 大模型泛化能力不足的行業通病，喆塔團隊透過增加資料多樣性訓練，最佳化模型引數，提升模型的泛化能力。
到最後實現規模化盈利，喆塔期間亦經歷了多次的策略調整。初期，他們面臨的主要問題包括市場需求不明確和技術與實際應用場景的脫節。為解決這些問題，喆塔加強了市場調研，深入瞭解客戶痛點來確保產品開發方向準確；引入使用者反饋機制，定期與客戶溝通，確保產品功能與市場需求匹配；喆塔建立靈活的產品迭代機制，快速響應客戶需求，提供定製化解決方案。
比如，推廣 AI+ 解決方案時，最初喆塔認為某封測企業會對智慧良率管理系統有強烈需求，但實際溝通後發現，客戶在關注良率的同時也很關注如何降低人工誤差與成本。之後，他們調整產品策略，增加了自動化報告生成功能，據稱此舉“顯著提升了客戶的使用體驗和滿意度”。
據趙文政透露，未來，喆塔將在 AI 方面採取 “三位一體” 的發展策略，會持續加大研發投入，重點攻堅半導體制造大模型、工業 AI 演算法最佳化等核心技術，目標是實現關鍵技術的自主可控，達到國際領先水平。
關於是否擔心被大廠複製技術，趙文政認為，創新是持續的過程。工業 AI 的核心是演算法與 Know-how 的協同進化。“我們的缺陷檢測模型，光一個‘邊緣崩缺’的分類規則，就得拆解上萬張晶圓圖，還要理解背後對應的蝕刻引數——這不是砸錢就能搞定的，得在 fab 裡摸爬滾打交學費。喆塔這幾年啃下來的硬骨頭，現在就是護城河。”
當前生成式 AI 及其垂直場景應用、供應鏈等方向火熱，但商業化爭議不斷。趙文政指出，判斷哪些方向能真正“賺錢”的關鍵在於，深入理解市場需求和技術可行性之間的平衡點。
“對初創公司而言，尋找那些既有明確市場需求又缺乏有效解決方案的細分市場尤為重要。例如，在資料清洗和標註服務方面，雖然看似基礎，但由於大多數公司在這方面面臨挑戰，因此提供了巨大的商業機會。有潛力的公司應聚焦於解決具體行業痛點，提供差異化的價值主張，以建立競爭優勢。”
趙文政提到，AI 領域有如下幾個值得關注的細分賽道：一，找到工業 AI 的“邊緣戰場”；二，解決跨界痛點；三就是資料苦力活，“例如資料清洗、標註，產線裡很多公司卡在這兒，解決了就能跑出來”。
“核心策略不是追風口，而是追問題——哪個行業的挑戰最大、抱怨聲最高，哪裡就蘊藏著很大的機會。就像喆塔透過專注工業大資料和工業 AI，真正解決客戶的痛點問題，不僅能夠為客戶創造真正的價值，也為我們自身開闢了廣闊的發展空間。 ” 他表示。
對於想進入 AI 賽道的年輕創業者， 趙文政建議，去關注那些既能發揮自身優勢又能滿足社會需求的領域。
“選擇一個你真正關心且具有潛力的方向，並堅持不懈地追求你的願景，這將是成功的關鍵。同時，保持開放的心態，願意接受反饋並快速迭代產品，也是至關重要的。”
AICon 2025 強勢來襲，5 月上海站、6 月北京站，雙城聯動，全覽 AI 技術前沿和行業落地。大會聚焦技術與應用深度融合，匯聚 AI Agent、多模態、場景應用、大模型架構創新、智慧資料基建、AI 產品設計和出海策略等話題。即刻掃碼購票，一同探索 AI 應用邊界！