
半导体厂房里最忙碌的地方之一,常常在生产设备下方。密集的管路为洁净室持续提供冷却、化学品、工艺气体和各类公用工程服务,泵、阀、风机、电气柜与监测仪表必须在严格的维护制度下运行。工程师每天都会执行大量点检:记录设备运行温度,观察指示灯、表计和连接件状态,确认区域环境符合规定,遇到异常再将工单交给维护人员。对跨国晶圆制造企业而言,各厂区可能使用相似设备,但场地布局、资产编码和点检习惯并不完全一致。把这些重复任务组织成机器人可执行的稳定流程,有机会成为设备管理的长期能力。
Boston Dynamics与GlobalFoundries于2026年11月17日联合宣布扩大合作。GlobalFoundries计划将Spot四足机器人进一步部署到美国纽约州Malta、佛蒙特州Burlington、德国Dresden和新加坡等制造设施,并成为汽车行业之外首个开始测试Atlas人形机器人的半导体客户。两条产品线所处的项目阶段不同:Spot已经承担真实巡检工作,正在向更多晶圆厂扩展;Atlas属于早期采用者计划和技能开发试验,重点探索人形机器人的新型工位任务。公告将这两项工作放到同一企业资产管理框架下,说明晶圆厂正在把移动机器人视为可持续建设的工程基础设施。
9万次检查背后的运行流程
GlobalFoundries在公告中给出明确的现场运行数据:企业在美国Burlington工厂使用Spot已超过四年;部署于新加坡厂区的两台Spot自2026年4月以来合计行走近900公里,在厂房地下设施区执行超过9万次检查,公司报告任务成功率达到99%。此外,团队用两周时间重新部署了875项例行巡检任务,并计划继续扩大任务覆盖。这些是企业与机器人厂商共同发布的运行记录,和实验室里一次成功的演示相比,更接近日常生产环境下的设备运维统计。
一项巡检任务的结构通常包含站点、路径、目标设备、采样方式和异常处理规则。例如机器人从充电桩出发,按路线进入公用工程区域,在阀组前定点拍照,对仪表显示区域采样,然后移动到下一个目标。系统需要保留照片与设备资产编号的对应关系,在被设备或人员临时占用的走道上合理调整路径,并在电池、电量和任务时长之间做调度。当视觉识别检测到异常时,原始影像、采样时间、设备位置和工单编号需要能够被维护人员调用。任务成功率因此与机械运动、导航、软件调度、数据管理和现场组织有关。
9万次检查也值得从数据价值角度理解。它意味着机器人长期积累了同一资产在不同班次、不同季节和不同工况下的视觉与运行资料。若这些资料与历史维修记录关联,工程师可以对比设备状态的变化,逐渐建立异常特征的时间序列。比如泵站区域的渗漏痕迹、仪表读数波动、电柜指示状态和现场温度变化,单次数据的意义有限,连续记录便有机会用于早期发现偏差。这里还需要工厂的设备主数据、维护标准和专业诊断规则共同支撑,才能把现场图片转化为可执行维护任务。
为什么晶圆厂比普通仓库更考验机器人系统
大型仓库里的搬运机器人往往沿着结构化道路和固定物流节点工作。晶圆厂的公用工程区域存在大量狭窄通道、固定管架和各类运行设施,机器人需要在有人值守的生产环境中遵守区域规则。半导体生产又高度依赖连续供给,停机或错误操作可能影响大量在制品。对巡检机器人而言,首先要完成稳定导航、视角复现和记录采集;它与控制阀、设备保护装置及生产执行系统的交互应由工厂明确授权,不能因为识别到异常就直接改变工艺参数。
在系统架构上可以把移动巡检分为四层。第一层是机器人本体与传感器,负责导航、视觉或其他经配置的采样;第二层是任务调度与位置管理,让机器人按照工厂制度执行点检;第三层是设备资产、工单和时序数据的关联;第四层才是对维护人员提供的异常分析、设备健康评估和维修建议。四层之间使用固定的任务标识与记录格式,可以让系统逐步扩展到更多区域。尤其在多国厂区运营时,任务模板可共享,现场的设备编号、路线与人员授权则保留本地差异。
两周部署875项任务,透露出软件平台的另一层价值
GlobalFoundries称团队在两周内重新部署875项常规检查,并有计划将该数字提升到两倍以上。对工程实践而言,任务配置速度与机器人数量同样值得关注。如果每次更换相机角度、设备位置或巡检路线,都需要重新写大量程序,随着现场规模扩大,软件维护会很快形成负担。反过来,如果巡检任务能够以配置方式表达——目标设备、采样点、动作顺序、异常条件、输出字段——现场工程师就可以在标准权限范围内重新组合任务,机器人软件也更容易被其他厂区复用。
这与工业智能体平台正在发展的工作方式相通。企业无需为每一台泵、每一处仪表分别开发独立对话机器人,可以围绕统一资产模型,建立一组工具:查询资产、读取历史告警、发起点检、取得现场影像、生成维修工单、核对维修结果。自然语言界面帮助设备工程师选择对象和表达问题,底层工具按照确定的授权规则完成操作。机器人产生的数据再进入企业已有知识管理和设备健康系统,形成可以被多岗位访问的运行档案。
Atlas进入半导体制造领域,试验重点会发生变化
公告还提到GlobalFoundries参与Atlas人形机器人的早期测试。Spot主要承担自主巡检与资产管理,人形机器人则可能被研究用于更复杂的环境操作,比如接近设备、处理某些可由双臂完成的重复性动作或辅助物料搬运。Boston Dynamics对该合作的描述是早期采用者项目和技能开发工作坊,尚未给出Atlas在晶圆厂完成的具体生产任务数或规模化交付日期。可以确认的是,半导体制造已经进入Atlas客户测试领域,这会促使机器人公司针对洁净制造环境、设备周边操作和安全协作开发新的技能。
晶圆厂对任何新设备的引入都要求严格的工程流程。机器人在设备附近移动,需要考虑载荷、定位误差、末端执行器的可靠性,以及对周边设备和人员的影响。高价值工序的动作通常有明确的过程记录,测试团队可以先在数字孪生环境或实验工位复现操作,再进行有限场景试运行,最后依据工厂质量体系决定是否扩大任务范围。对工业仿真团队,这类项目会带来机器人运动学、多体动力学、碰撞检测、工位布局和安全边界验证方面的新需求。
全球工厂复制,要求数据和软件拥有统一语言
GlobalFoundries的四地部署计划非常适合观察工业系统跨站点的组织方式。Malta、Burlington、Dresden和新加坡的现场设施各有差异,但设备健康管理的基本对象类似:资产、位置、点检项目、故障模式、工单、维护记录和运行指标。企业可以先建立统一的数据字典,再将现场资产映射到标准对象。某一厂区优化的任务路径或异常识别方法,可以成为其他站点评估和复用的候选方案;跨厂对比也有利于发现设备类型与维护策略的差别。
对提供工业智能体、数字孪生或智能工厂展示平台的团队,这个案例提供了一个清晰的样板。客户可以从自然语言查询某套设备的运行情况出发,系统检索过去几个月的巡检记录,调用可视化展示设备位置、报警和维护历史,进一步关联仿真数据与现场测量值。必要时由授权人员发起新的点检任务,机器人把现场记录返回系统,最终生成可追溯报告。这个入口能够把机器人本体、工厂数据、专业工程软件和运维管理整合起来,体现出智能工厂从资产数字化向持续运营服务延伸的实际形态。
原始资料
- GlobalFoundries/Boston Dynamics,Boston Dynamics and GlobalFoundries expand robotics collaboration,2026-11-17:https://gf.com/news-and-events/news/boston-dynamics-and-globalfoundries-expand-robotics-collaboration/