师者匠心铸基石 · 硬核技术育新材——普迪飞以 AI 赋能半导体教育，献礼教师节

在第39个教师节来临之际，当全社会向三尺讲台的耕耘者致敬时，半导体行业也在见证一种跨界的 “师道传承”。普迪飞（PDF Solutions）—— 这家在半导体数据智能领域深耕30+年的企业，既在技术层面探索解决制造业数 PB 级数据的应用难题，也尝试以 “产业同行者” 的身份参与教育革新，将 AI/ML 技术与半导体制造实践结合，为行业培养复合型人才，在技术突破与人才培育的道路上持续努力。

PDF

技术演进中的探索：从数据积累到价值挖掘

半导体制造的复杂程度，使其成为 “数据密集型” 产业的典型：上千道工序产生的海量数据如同待开发的资源，却因分析难度高，不少数据暂时未能充分发挥价值。

这一现状，其实暗合着技术发展的普遍规律 —— 正如高德纳（Gartner）“技术成熟度曲线”所描述的，一项技术从 “技术触发期” 的初步关注，到 “期望膨胀期” 的热度攀升，再到 “启蒙斜坡期” 的理性落地，最终走向 “生产力平稳期” 的实际应用，往往需要跨越认知与实践的多重门槛

回溯 2014 年，AI 与 ML 在行业内的声音还不突出；仅一年后，机器学习便已走过 “期望膨胀期” 的峰值，进入更注重落地的阶段。如今，AI/ML 在半导体领域正处于 “启蒙斜坡期”：晶圆厂的海量数据期待通过智能技术释放价值，但行业面临现实挑战——不少工程师对 AI/ML 的深层应用了解有限，而高校毕业生的 AI 知识虽有基础，却鲜少接触半导体制造场景下的实战数据。有预测显示，到 2030 年全球半导体行业可能出现6.7 万个岗位空缺，其中近三成需要具备综合知识的高学历人才。

面对这样的行业图景，普迪飞多年来持续打磨 “数据全生命周期管理” 相关技术，希望为数据价值挖掘提供支持。其自主研发的大数据分析平台，通过算法将分散的工艺参数转化为可参考的质量模型，目前已服务于370余家半导体企业，在良率提升、研发周期优化等方面积累了一些实践经验。这些技术探索，也为后续参与教育实践打下了基础。

PDF

同行者的责任：从课程尝试到生态共建

“解决人才断层，比突破技术瓶颈更紧迫。”普迪飞 CTO Andrzej Strojwas 博士（普迪飞首席技术官，前卡内基梅隆大学教授）曾这样提及投身教育的初衷。基于这样的考量，普迪飞与卡内基梅隆大学（CMU）携手，尝试共建 “半导体 AI 实验室”，探索产业与教育结合的可能。

2023 年推出的首期课程中，普迪飞开放了基于 300 余组真实晶圆厂数据脱敏后的训练集，搭建了包含 17 种自研算法的 CloudLab 实训环境，还联合了几位有经验的技术专家组成导师团队。这门由 Andrzej Strojwas 博士授课的课程，因贴近行业实际需求，申请人数超出预期。

在实践中团队发现，学生还需要更系统的半导体知识支撑。于是，普迪飞与 CMU 的电气与计算机工程系（ECE）、材料科学与工程系（MSE）进一步合作，计划将单一课程升级为硕士培养项目，同时联动 12 家晶圆厂共同设计课程模块 —— 这样的调整，更多是基于实际需求的灵活响应。该硕士项目预计 2026 年秋季启动，原课程将作为核心内容融入其中。

目前，这套教育模式已形成“高校培养 + 企业内训”的双路径，累计培养了 800 余名既了解 FinFET 工艺、又熟悉深度学习的技术人才，学员就业情况较为稳定，其中部分进入了行业内的研发团队。

PDF

薪火相传：以实践经验助力产业成长

自 1991 年由卡内基梅隆大学的 John Kibarian and Kimon Michaels 两位博士创立，到如今尝试链接产学研各方，普迪飞的发展历程，也是一个不断沉淀经验、分享所得的过程 —— 既积累了 1200 余项专利技术，也希望将实践中的思考转化为可传承的知识。

在这个教师节，普迪飞的实践或许能说明：行业里的每个参与者，既需要在技术上持续钻研，也应关注人才梯队的培育。当 AI 技术逐渐融入半导体产业的各个环节，这种 “技术实践 + 人才培养” 的结合，或许能为行业发展提供一些助力。

此刻，向所有以经验传承推动产业进步的 “行业同行者” 致敬！