ChipInsight by NeuralChainX(神经链X)
Semiconductor Display AI

从技术难题攻关,到研发规划与商业机会发掘

面向半导体与显示研发的 Agentic AI

当半导体、显示或 AI 领域的研究人员输入技术难题后,ChipInsight 会在受控环境中自主调研并核验全球专利、论文、供应链、企业活动与用户文档,从而得出难题解决方案、研究规划与商业开发机会。其核心是持续学习行业领域知识及用户判断历程并不断进化的Anneal,以及能够自主达成目标的Agentic AI

领域
Agentic AI
6
信号维度
Evidence
证据可追溯,与生俱来
Anneal Model 自学习
AUTHORITATIVE DATA LAYER 创新专利R&D论文企业供应链您的文档决策历史 Anneal学习模型 AGENTIC AI LAYER FRAMERSCOUTMATRIXSCENARIOLEVERAGEWATCHERWRITERARCHIVE USE CASES R&DIP·Legal产品制造业务
Externally Validated
创新成长型风险企业 KIBO 技术保证企业 AI Voucher 供应企业 MoneyToday“优秀创业企业”获奖
01 —The Arc

一气呵成的连续动作——从攻克技术难题到发掘销售机会。

循环会在每个周期后变得更加精准 ACT 01 · TECHNICAL CHALLENGE 攻克最棘手的 未解难题 研究员 · R&D ACT 02 · R&D PLANNING 将答案 转化为路线图 R&D 规划 · IP ACT 03 · BUSINESS OPPORTUNITY 将路线图 转化为销售切入点 产品规划 · BizDev
02 —Use Cases

从一个技术问题,到可直接决策、证据可溯的成果。

每次运行都会返回具体成果 — 候选清单、权利要求空间图、FTO 监控清单、实验计划,以及面向管理层的 Decision Pack。选择其一即可预览真实样例。

九个样例输出 · 每个智能体角色对应一个
任选其一——样例将在下方呈现 ↓
Decision Pack · cycle 07
HBM 热风险 — 自主加速 vs 合作伙伴
Writer · EXEC · convergence apex
证据可追溯
论点
12 层 HBM 的散热余量将在下一个规划周期内逼近极限 — 自主加速以良率风险换取速度,合作伙伴路径则以利润空间换取进度确定性。
Evidence · cited
— 已追溯来源 · ! 需要复核 · 标签 = 测量值 vs 声称值
01Vendor thermal spec —junction limit厂商声称
02代工厂工艺说明实测
03Analyst supply outlook —single source声称!待审阅
情景选项 · options prepared —you decide
加速MED
优势:最快达到规格  ·  风险:良率暴露
合作倾向
HIGH
优势:进度确定性  ·  风险:利润空间让渡
观望LOW
优势:投入承诺较低  ·  风险:失去领先地位
未决事项 · needs a human call
是否将本财年预算投入自研热设计重做?待审阅
本季度是否签署合作 NDA?待审阅
!这是筛查结果,并非 FTO 意见 · 条件已标准化 · 未标注为测量值的数据均为供应商声称值。
RP
负责人
R&D 规划
Sample Decision Pack · evidence redacted
Output · sample
对比表
Analyst · Verifier
证据可追溯
HBM 12 层热缓解 · 方案比较
方案
热裕量
良率风险
周期
来源
嵌入式 Cu 微通道
充足
实测
减薄 die + TIM2 回流
中等
中等
实测
背面金属散热片
紧张
声称!
供应商协同设计模块
充足
中等
厂商声称!
微通道与协同设计方案的散热余量相近 — 良率风险与进度之间的权衡需要由负责人判断。
已溯源!待复核标签 = 实测 vs 声称
!条件已标准化 · 已区分测量值与声称值 · 部分项目不可直接比较
AN
智能体
Analyst · Verifier
Sample · evidence redacted
输出 - 示例
现有技术 / 新颖性
检索对象:GAA nanosheet 接触电阻降低
现有技术证据可追溯
现有技术命中排序 - 示例
— 已追溯来源 · ! 需要复核 · 标签 = 测量值 vs 声称值
01
US 11,842,917 B2专利
用于 gate-all-around 源/漏接触的硅化物界面工程
HIGH已溯源
02
US 11,508,621 B2专利
用于 nanosheet FET 的低电阻率金属填充环绕式接触
MED已溯源
03
KR 10-2487654 B1专利
用于降低堆叠沟道接触电阻的 Ti 基 liner 退火
MED!待审阅
04
IEDM 2023, 11.3论文
用于 2nm 节点 GAA nanosheet 的 sub-100 Ω·µm 接触方案
LOW已溯源
空白技术空间 - 需人工评估
上述命中集中于硅化物/liner 方案;本次检索未命中披露中特定的原位掺杂外延 + 低温退火工艺序列。此处给出的空白点供人工评估 - 并非新颖性结论。
!仅为检索,非可专利性意见 · 美国范围
PA
智能体
现有技术筛查员
示例 - 证据已脱敏
输出 - 示例
规避设计 / 权利要求空间
IP · 杠杆
权利要求空间图
EUV pellicle 薄膜 — 权利要求覆盖示例,供律师审阅。
已占据空白
FTO 关注
US [REDACTED]‑A1 — 金属网框架!待审阅
US [REDACTED]‑B2 — CNT 芯层!待审阅
规避设计路径 — 候选项供律师审阅
将金属网支撑替换为 graphene-on-SiN 开放框架 — 此选项供法务针对已占据的框架权利要求进行评估。
将 capping 叠层改为 单元素氧化物(非多层) — 进入空白技术空间的候选路径,供律师确认。
!仅为检索,非 FTO 意见 · 仅限美国权利要求 · 须律师审阅
IL
智能体
IP 布局分析师
示例 - 证据已脱敏
输出 - 示例
实验计划(DOE)
Strategist · Troubleshooter
主题 · ALD 前驱体筛选 — high-k 栅极堆叠
拟定四组候选 run 以框定退火与前驱体变量。下列水平为机台上要设定的条件,并非结果预测。
候选条件矩阵 · 由负责人执行实验
试验退火温度时间前驱体气氛优先级
R1450C30 sHfCl4N2HIGH
R2450C90 sTEMAHO2MED
R3600C30 sTEMAHN2MED
R4600C90 sHfCl4O2LOW
!candidate conditions —execution is human
ST
智能体
Strategist · Troubleshooter
示例 - 证据已脱敏
输出 - 示例
根因分析
OLED 面板 mura 缺陷 · 良率异常
故障排查员证据可追溯
候选原因 - 需人工确认
— 已追溯来源 · ! 需要复核 · 标签 = 测量值 vs 声称值
LTPS 背板 Vth 跨玻璃不均匀
可能性 HIGH
Mura 分布图与受影响母板区域 ~0.42 V 的中心至边缘 Vth 漂移相关。实测
确认方式:对留样面板进行 Vth mapping 并与 mura 坐标比对;由人工开展配对区域对比。
发光层蒸镀中蒸发源温度漂移
可能性 MED
!
机台日志显示蒸发源设定点接近 450°C,且异常窗口与该批次重叠;膜厚均匀性数据尚未调取。声称! 复核
确认方式:调取该窗口的 QCM 膜厚曲线;由人工判断是否需要进行分批重跑。
FMM 与基板对位在面板边缘产生的阴影效应
可能性 LOW
!
供应商维护记录称掩模框张力在规格内;仅边缘的 mura 图样有指向性,但在该批次上尚未核实。厂商声称! 复核
确认方式:对边缘子像素进行显微观察以查看阴影重叠;由人工对照对位日志确认。
!候选原因 — 经实验确认
TS
智能体
故障排查员
示例 - 证据已脱敏
输出 - 示例
变更监控
监测员
晨报摘要
HBM / 先进封装
待审阅观望
06-24专利竞争对手申请描述了用于 HBM4 base die 堆叠的 hybrid-bond 间距缩减
06-24标准关于 HBM4 channel / 热测试条件的 JEDEC 修订草案正在流转
06-23供应链据报道堆叠 die 组装线的 TC-NCF 材料采购来源发生变动
06-23申报晶圆代工厂资本开支披露显示先进封装产能扩建
!监控摘要 · 需要复核的信号,而非结论
WA
智能体
监测员
示例 - 证据已脱敏
输出 - 示例
R&D 规划文档
策略师
大纲草稿
背面供电(BSPDN)导入计划 · 框架供你撰写
1.
问题 & 范围
• 正面供电轨拥塞限制了先进节点的单元微缩 [1]
• 范围 = 逻辑测试芯片;HBM 堆叠接口不纳入 v1 范围
2.
假设
• 埋入式供电轨相较正面基线可能降低 IR-drop — 待团队验证
• Nano-TSV 散热路径是主要的未决变量 [2]
3.
方法
• Wafer-bond + carrier 工艺流程;背面 reveal 后进行供电轨金属化
• 分批批次与正面对照组进行 A/B 表征
4.
里程碑
• Carrier-bond DOE · 背面 reveal 良率门槛 · 热表征 run
5.
风险 & 未决问题
• 晶圆减薄翘曲 & 背面缺陷检测覆盖率
• 未决:堆叠负载下的结温预算 — 需人工决定
!草稿依据引用证据汇编而成 — 决策由你撰写
ST
智能体
策略师
示例 - 证据已脱敏
输出 - 示例
提案初稿
联合开发提案 — 先进封装散热
撰写员证据可追溯
已溯源·!待复核·标签 = 实测 vs 声称
摘要
本草稿概述了一项联合计划,旨在共同开发用于 HBM-on-logic 先进封装的散热 interposer,目标是在实测 105C 结温窗口附近实现持续运行 [1]. 下列范围与合作方承诺需由人工确认。
目标
降低堆叠内热点梯度,并验证一条与背面供电(BSPDN)兼容的散热路径。供应商数据引用了一个有待独立确认的热界面导热率示例数值 [2]!.
技术方法
在 fan-out 测试载具上评估微流道与嵌入式 vapor-chamber 方案,并将热仿真与试样实测结果交叉核对 [3]. 方案收敛分阶段进行,每个 gate 由人工执行。
交付物
完成表征的测试载具、热模型报告,以及一份验证计划,其中共享 IP 条款留待合作方协商。
实测声称厂商声称优先级HIGH
!草稿依据引用证据汇编而成 — 决策由你撰写
来源 · [1] 结温热试样日志 — 已脱敏 · [2] TIM 供应商数据手册 rev. — 已脱敏 · [3] Fan-out TV 模型报告 — 已脱敏
WR
智能体
提案撰写员
示例 - 证据已脱敏
03 —Domain Expertise

超越通用 AI,专为深科技技术战略优化的 Agentic AI 引擎。

Anneal Model 将半导体、显示与 AI 硬件领域的术语、指标、权衡关系和失效模式编码进每次运行 — 因此智能体依据领域语境推理,而不只是总结文档。

01
半导体

工艺、器件物理、良率与先进封装 — 从晶体管微缩延伸到供应链。

核心覆盖
逻辑与先进制程OSAT 与先进封装EUV 与图形化材料测试与良率设备射频与传感器代工与 IDM设计与 FablessEDA 与 IP硅片存储器基板与互连功率与模拟
当前前沿
背面供电 (BSPDN)2纳米工艺 (N2)混合键合 (SoIC)HBM4 / HBM4ECoWoS / CoWoS-LHigh-NA EUV
持续学习——覆盖范围随领域演进而更新
02
显示

覆盖 OLED 及下一代自发光显示的面板材料、背板与缺陷物理。

核心覆盖
基板与玻璃背板模组与组装microLED 与下一代自发光封装发光材料面板厂整机与需求彩色滤光片与偏光片检测与修复蒸镀与 FMM驱动 IC 与 ToF
当前前沿
8.6代OLED硅基OLED (OLEDoS)无掩膜OLED (eLEAP)叠层OLED蓝光磷光OLEDMicro LED巨量转移
持续学习——覆盖范围随领域演进而更新
03
AI

AI 工作负载与硅芯片交汇之处 — 决定路线图的存储、封装与散热极限。

核心覆盖
HBM 内存超大规模厂商芯粒系统 OEM加速器机架级系统AI 代工散热供电共封装光学裸片互连 (UCIe)SmartNIC 与 DPU交换芯片边缘推理先进封装
当前前沿
CXL 池化玻璃基板NVLink / UALink液冷HBM4 带宽硅光子
持续学习——覆盖范围随领域演进而更新
04 —The Stack

从原始数据到业务成果 —四层架构,一条连续流程。

每项结果都沿同一路径从左向右流动 — 多源数据在 Anneal Model 中获得领域语义,由智能体团队进行推理,最终形成可直接决策并持续反哺模型学习的交付物。

原始数据
业务成果
01
Layer 01 · Source
Data Layer

专利、论文、披露资料与市场信号 — 持续采集并通过可靠性门控。

专利论文信号
02
Layer 02 · Domain核心
Anneal Layer

编码领域术语、指标与权衡逻辑的自学习模型 — 随每次记录的决策持续积累。

嵌入向量本体决策历史
03
Layer 03 · Reasoning
Agentic AI 层

8 个专业智能体负责检索证据、推理与规划 — 并作为一支 R&D 团队协同运行。

检索推理规划
04
Layer 04 · Outcome
可决策输出

每次运行都会返回具体交付物 — 候选清单、权利要求空间图、FTO 监控清单与实验计划。

候选清单IP 图谱方案
您团队做出的每一个决策都会回流,反哺并优化上游的 Anneal Model。
05 —Anneal Model

多数只做数据归一化。Anneal 通过学习行业领域与您的决策持续进化。

这是一个自学习领域模型。它将所有信息源与团队决策汇入同一语义空间,并运行一个在每个周期中持续优化的六阶段循环。

五条数据源流
专利论文与标准申请文件与供应链您的文档团队决策
The Anneal engine · self-learning loop
步骤 01 将专利、论文、申请文件与内部文档汇入同一个语料库
步骤 02 去重、实体识别与质量把关将原始输入转化为干净、带版本管理的语料库.
步骤 03 基于领域语料库训练,并持续从团队的每一次决策中学习
步骤 04 每一份文档都被转化为预计算的语义向量.
步骤 05 语义 + 关键词 + 结构化检索,由 Anneal 重新排序.
步骤 06 AI 只读取最关键的证据,并将每项主张绑定到来源
对齐输出 同一语义空间——每一项论断均有证据支撑.
经验证的决策回流反哺——模型随每一轮循环累积增强
01领域训练
基于自有半导体语料库构建,而非开放网络。
02自学习
随您团队做出的每一个决策不断精进。
03来源可溯
每一项论断均绑定可验证的证据。
06 —Operating Model

不是单一聊天机器人,而是一支协同编排的智能体团队。八位专家,一条推理链。

每个智能体负责推理中的一个环节,并在统一编排器的调度下交接给下一个。Anneal Model 的证据为每个智能体提供支撑,且每一项输出都可追溯至来源。

01Framer 02Scout 03Matrix 04Scenario 05杠杆 06监测员 07撰写员 08Archive 领域 Agentic AI 编排
Outputs · Artifacts
信号图谱
维度矩阵
情景方案
验证关卡
决策包
规划记忆
One reasoning chain · eight specialists
Anneal 证据贯穿每个阶段 · 每项输出都可追溯到来源
1Framer界定问题2Scout检测信号3Matrix评估维度4Scenario设计情景5杠杆梳理 IP 杠杆6监测员监测生态7撰写员综合简报8Archive存储记忆
从一个技术问题开始

推进您最优先的挑战借助领域专精的智能体工作流。

Examples —GAA nanosheet Rc 降阻策略, OLED shadow-mask 缺陷抑制, HBM 热风险图谱。第一次运行得到的证据与决策,会成为下一轮规划周期的起点。