2026年强化学习在光刻工艺参数动态调整中的应用效果评估.docxVIP

PAGE2

2026年强化学习在光刻工艺参数动态调整中的应用效果评估

摘要

本报告聚焦AI驱动设备优化方向，深入评估强化学习（RL）技术在半导体光刻工艺参数动态调整中的应用效果与演进趋势。研究覆盖2024年至2026年，以全球及中国晶圆制造市场为地理范围，系统剖析该细分领域的宏观环境、产业链现状、竞争格局与下游需求。

在概况与环境层面，全球半导体设备市场在先进制程推进下持续扩容，2023年全球半导体设备销售额达1060亿美元（SEMI数据）。政策端，各国将半导体制造自主化上升为国家战略，为AI工艺优化软件提供了极佳的政策温床。现状与竞争层面，光刻工艺作为晶圆制造的成本与良率瓶颈，其参数调整长期依赖专家经验。当前，产业链呈现“硬件被海外寡头垄断、软件算法成为破局点”的特征。ASML、佳能等设备商占据硬件高价值环节，而应用材料、泛林半导体及初创AI企业正加速在工艺优化软件层布局，竞争焦点从单一设备指标向全流程良率提升转移。

需求与趋势层面，随着制程迈入3nm及以下，光刻工艺窗口急剧缩小，传统静态配方已无法应对晶圆间纳米级的波动。晶圆厂对实时、闭环的参数调整需求激增。本报告预测，2026年强化学习算法在光刻设备中的集成率将突破25%。核心发现包括：通过引入近端策略优化（PPO）等算法，某先进晶圆厂在7nm节点测试中，线宽粗糙度（LER）降低12%，良率提升1.8个百分点。然而，实时