在半导体显示行业，每一次创新都是对精度和效率的极限挑战。借助智能制造技术可以打造出智能、精准、高效的研发平台，通过对复杂设计需求的精确理解，将复杂的设计流程转化为简洁的艺术，这才是自动化设计将给我们带来的革命性变革。本期我们邀请到了半导体显示行业某科技集团股份有限公司数字化研发部总监吕志超为我们揭秘，如何应用自动化设计加速半导体显示行业数字化平台研发。
       个人简介：2016年起，负责公司事业群研发数字化业务架构及组织建设，带领团队从0到1建设适配半导体显示研发领域数字化流程体系及工具产品矩阵，服务研发组织的数字化转型，多项数字化成果多次获得内外部及市/区级奖项。

以先进技术为引擎，打造数字化统一平台核心竞争力

       从智能研发到智能生产，从智能产线到智能化管理系统，从大数据分析到人工智能算法，智能制造技术正在逐步改变着半导体显示行业的面貌。借此，我们致力于构建一个满足研发全流程的数字化统一平台，一方面，我们需要整合各研发阶段，找准用户需求、业务对象及场景；另一方面，通过深入各学科领域来完成相关机理学习、研究，构建自主研发工具来提升设计效率并优化产品质量。这不仅能够满足市场对快速创新的需求，也为公司的长期发展和成本效益提供了有力支撑。

以工作站为动力，助推设计平台自动化水准全效进阶

       半导体显示产品的研发设计和生产过程，是非常精细和复杂的，整体流程包括了客户需求阶段、设计阶段、设计验证阶段、量产阶段等，同时也会涉及到显示屏、背光源、模组、包装等众多关键器件。研发设计作为核心环节之一，亟需提高研发设计的效率和精确性。

       然而，这些都面临着以下两个问题：

       1.产品设计周期长、项目进度紧迫，对工作效率和质量是一大考验。

       2.公司在研发过程中还存在着大量的人工重复机械工作，不仅消耗了人力资源，也影响了整体的设计进度。

       就以我们主打的半导体显示产品为例，由于其产品种类繁多，包装运输材料设计方案也不同，每种设计方案又包含了数百条计算逻辑、多项design guide及多种部品参数，整体的设计工作量和复杂度很高。

       为了解决上述问题，公司深入研发各业务场景、挖掘数字化机会，开始探索自动化智能化的设计工具，让研发人员能够将更多精力投入创新和决策中。

       在产品研发阶段，通过应用惠普Z系列Z4 G5 AI工作站，不仅为专业3D CAD软件加持了高性能算力，凭借其强大的GPU亦确保了复杂设计任务中交互和响应的流畅性，实现了设计效率、设计周期和数据管理等能力提升，团队也因此具备了出色的响应速度和适应能力。
       不仅如此，我们开发的iBox平台作为行业内首个包装自动化设计平台，集成了MDL/Tray/OC（模组/托盘/Open cell：用于对半导体显示模组进行远距离运输时，对其包装材料采用的功能设计方法）等功能模块，覆盖了几乎所有尺寸的包装设计场景，能够根据不同尺寸、不同出货形态的半导体显示产品，自动生成符合尺寸要求的包装材料设计方案来满足运输出货要求。基于惠普Z系列Z4 G5 AI工作站搭载的新一代英特尔®至强®W系列处理器和NVIDIA® RTX™ A5000专业显卡，确保了iBox平台在进行复杂3D建模和仿真时的流畅性和响应速度。以OC模块设计为例，在惠普Z系列Z4 G5 AI工作站上，iBox平台能在0.5小时内完成以往需要3小时的设计任务，显著提升了设计效率和客户满意度。
       此外，惠普Z系列Z4 G5 AI工作站通过了360,000小时不宕机测试，能够保证iBox平台长时间稳定运行，减少设计任务时的系统故障风险。在进行包装设计时，惠普Z系列Z4 G5 AI工作站的图形处理能力能够实现更加精细和逼真的视觉效果。iBox平台自动化设计流程在惠普工作站高性能加持下，极大提升了研发设计效率。

       智能制造并不局限于自动化、信息化，也不是单纯地将生产模式进行数字化管理，其本质是通过各环节生产要素的有机融合、构建全新智能制造生态，进而推动生产场景的转型升级，实现生产体系重塑。为打造公司的智能制造体系，AI技术在公司已经有了广泛的应用和实践，我们正在辅助AI打造一款“视觉大模型技术方案”，这将帮助我们进一步从全人工模式向人机协同模式推进。该技术方案在模型调优、数据训练、应用部署等方面均取得了技术突破与模式创新。 
以高算力为核心，为企业数字化转型注入不竭动力

       从个人使用体验的角度，我认为无论是性能、兼容性还是稳定性方面，惠普Z系列Z4 G5 AI工作站都有着亮眼的表现，它可以满足复杂的3D建模、仿真分析、缺陷检测等高强度任务，充分体现出软硬件之间的完美融合，强大的配置和运算能力为包装自动化设计提供高效、稳定、可靠的支撑，使得研发人员能够迅速完成全自动化设计，覆盖广泛的包装设计场景。此外，出色的图形处理能力和高性能计算能力可为海量数据的分析与深度学习提供强劲算力，极大地提升了设计效率，使研发人员能够专注于创新而非受限于技术瓶颈。