NVIDIA Jetson AGX Thor 助力集和诚打造半导体前道晶圆检测边缘算力基座
声明：文档由AI根据原文生成。
物理AI落地半导体制造的核心瓶颈
半导体前道晶圆检测覆盖光刻、刻蚀、薄膜沉积、化学机械抛光、离子注入退火、关键尺寸量测及缺陷复查等关键工艺环节。检测设备需在严苛环境下对4K乃至8K级图像实现高通量、高精度的实时缺陷发现，是"物理AI"从概念演示走向产线落地最具挑战的场景之一。
深圳市集和诚科技开发有限公司与NVIDIA的共同实践验证了一条可行路径：基于NVIDIA Jetson AGX Thor（Blackwell架构）边缘AI计算平台，由集和诚自研整机BRAV-7138（220×160×80mm）承载，在产线边缘实现"高速AOI检测+电子束图像分析+设备健康监控"的一机多工，并让30B+参数量的视觉语言模型（VLM）在产线本地稳定运行，打通"侦测—判定—控制"的毫秒级闭环。
前道晶圆检测的五重算力困局
集和诚在打造这套AI检测边缘计算平台时，面临五重核心挑战：
算力与内存瓶颈限制大模型部署。 原有Jetson AGX Orin平台最大仅支持64GB内存，运行多模型级联、软RAID与加密开销时内存吃紧，32B以上参数量的大模型无法在本地部署，难以实现实时缺陷根因分析；若依赖云端传输，则带来严重时延与晶圆图像IP泄露风险。
检测精度与速度的矛盾。 先进制程要求检出亚纳米级缺陷，而高分辨率图像（4K甚至8K）数据量巨大，算力窗口稍纵即逝。
多模态数据融合困难。 需同时处理光学图像、电子束图像、光谱数据与工艺参数（FDC数据），传统边缘设备难以实时融合分析。
罕见缺陷识别难。 约90%缺陷集中在常见模式，但剩余10%的罕见缺陷对良率影响最大；传统规则算法漏检率高，且模型迭代（OTA）无法满足产线不停机的热更新需求。
产线级多任务与严苛环境。 晶圆图像包含核心IP，需满足SEMI、IEC 62443等安全合规标准；洁净室要求设备7×24小时连续运行，散热与稳定性要求极高，单台设备难以同时兼顾多重任务。
"一机多工"算力基座的硬件与软件架构
整体方案采用NVIDIA Jetson AGX Thor边缘AI计算平台（Blackwell架构），由集和诚自研整机BRAV-7138承载。Jetson AGX Thor提供128GB统一内存，可加载晶圆多层叠加图像（Layer Stack）进行跨层缺陷关联分析（如TSV对准偏差）；T4000/T5000模组兼容设计，支持宽温−20℃至60℃、宽压9V至36V，配备工业级网络与高速I/O接口、灵活存储扩展与RAID支持。
系统层基于JetPack 7.0（Ubuntu 24.04），提供fTPM、LUKS全盘加密、mdadm RAID驱动、PVA/VIC硬件加速接口与安全启动配置，构成满足IEC 62443要求的安全基线。
AI推理与加速软件栈包括：NVIDIA Holoscan Sensor Bridge实现传感器数据超低延迟直传GPU内存；DeepStream 8.0负责多相机流管理与流水线调度；VPI 4调用PVA硬件加速器完成图像预处理；NGC提供预训练缺陷检测模型的容器化部署；CUDA 13+cuDNN+TensorRT 10实现FP4量化与内核自动调优；Triton Inference Server同时托管YOLOv9、UNet、PatchCore与Qwen2.5-VL等多模型。
多模型分工层面，YOLOv8-X/YOLOv9负责高速初筛定位缺陷坐标；UNet完成像素级分割，区分颗粒、划痕、图形断线、桥接等图案缺陷；Qwen2.5-VL/Qwen3-VL以缺陷ROI图像为输入，输出细分类别与工艺根因的自然语言文本；PatchCore、PaDiM负责小样本未知缺陷检测。
主要模型性能指标如下：
| 模型名称 | 输入分辨率 | p95时延 | 吞吐 |
|---|---|---|---|
| YOLOv9 | 4096×4096扫描切片 | 34 ms | 单流35—42 FPS |
| UNet | 缺陷ROI 1024×1024 | 24 ms | 55—65 ROI/s |
| Qwen2.5-VL/32B | 缺陷ROI 512—1024 | 950 ms | 1.2—2 req/s（并发工况） |
| PatchCore | 缺陷ROI 1024×1024 | 29 ms | 48—58 ROI/s |
六步实施路径与关键技术优化
2026年，集和诚完成从选型验证到产线级落地的六步实施：
硬件设计与选型验证。 完成BRAV-7138整机方案规划与散热设计，支持1路万兆网、4路千兆网、4路USB 3.2（接触式温/湿度、气体流量等传感器）及2路CAN FD，适配宽温宽压，满足洁净室EFEM顶部横梁安装要求。
BSP与安全基线部署。 刷写JetPack 7.0，激活fTPM与Secure Boot，完成LUKS全盘加密、IPSec网络加密及软RAID1配置，对齐IEC 62443标准。
预处理流水线调优。 基于VPI/Holoscan对接多路工业相机，将图像降噪、ROI裁剪卸载至PVA硬件加速器；验证高分辨率图像持续写入RAID存储的IO压力与系统稳定性。
模型适配与优化。 针对Thor的Blackwell架构完成模型量化并生成TensorRT引擎；对VLM大模型采用AWQ 4bit权重量化、分页KV-Cache、Prefill/Decode显存隔离调度，在精度损失可控前提下将显存开销降低约30%；部署Triton推理服务，配置MIG GPU切片以隔离CNN检测任务与VLM大模型任务；重构DeepStream流水线，实现多路图像预处理、检测、VLM根因分析的级联调度。
系统集成。 完成SECS/GEM网关对接、MES良率数据回传与OTA更新链路；打通"采集—预处理—Triton推理—后处理—RAID落盘—MES上报"全链路，原始缺陷图像加密保存至RAID。
压力与稳定性测试。 进行7×24小时满载压力测试，模拟全负载相机流、SSD故障后RAID降级及模型热升级，确保产线零停机。
量化成果与产线效益
推理吞吐与并发能力方面，初筛缺陷检测推理吞吐提升1.8—3倍；支持6—8路高分辨率光路同时处理，较此前方案提升一倍以上。
检测质量方面，依托本地VLM根因分析，缺陷细分类别数量提升2—3倍；未知缺陷检出能力提升30%；在公开缺陷数据集WM-811K上分类准确率达99.31%；误报率与缺陷逃逸率下降30%—40%。
晶圆处理效率方面，单片晶圆检测推理耗时下降45%—65%；单台设备每小时晶圆处理量提升60%—110%。
成本收益方面，减少配套服务器硬件成本、网络建设与数据安全合规改造成本，缩短问题排查周期并减少物料浪费。
技术路线意义与产业展望
集和诚科技产品经理苏州表示："在半导体前道晶圆检测领域，算力、内存和实时性是无法妥协的铁三角。NVIDIA Jetson AGX Thor的128GB统一内存和强大的Blackwell架构，让我们实现了在产线边缘端本地运行30B+参数的VLM大模型，彻底打通了'侦测—判定—控制'的毫秒级闭环。BRAV-7138不仅让检测吞吐量翻倍，更为晶圆厂提供了满足最高安全合规标准的'一机多工'边缘算力基座。"
集和诚科技2002年成立于深圳，二十余年深耕工业计算、边缘智能与设备控制领域，当前战略定位为物理AI核心硬件服务商。面向半导体制造精细化工艺场景的深层需求，该公司将持续深耕边缘AI算力硬件落地，依托NVIDIA新一代架构与中国半导体产业的前沿积累，推动全面智能化的检测方案成为驱动良率提升的核心引擎。