用AI Agent做半导体设备选型，给公司省了300万（附完整思路）

我是工厂的ME制造工程师去年有个大项目新FAB要采购一批刻蚀机。领导让我做选型分析。以前做选型靠的是供应商PPT经验判断。这次我想试试AI Agent。结果选型周期从3周缩短到5天评估维度从5个增加到12个最后选中的方案比原计划省了300万。今天分享我的实操过程代码思路全公开。背景为什么选型难半导体设备选型有几个特点1. 参数多设备型号、加工能力、腔室数、均匀性、稳定性...几十个参数2. 供应商多AMAT、TEL、Lam、中微、北方华创...各说各好3. 坑多参数虚标、售后跟不上、备件成本高...以前我做选型先让供应商来介绍再看PPT再对比参数表最后凭经验判断。问题在于参数表太复杂人工对比效率低而且供应商的PPT都是挑好的说不好的地方不会主动提。[配图说明选型决策流程图需求梳理→参数提取→AI Agent评估→人工复核→决策]方案设计AI Agent怎么帮忙我的思路是让AI Agent做选型助手1. 输入各供应商的设备参数表Excel/Word/PDF2. AI处理提取关键参数、对比各供应商、打分、生成报告3. 输出选型建议报告带理由核心Prompt设计你是一个半导体设备选型专家。请根据以下参数表帮我评估设备。评估维度每个维度10分1. 技术指标均匀性、稳定性、良率2. 产能Throughput片/小时3. 成本采购维保备件4. 兼容性与现有FAB匹配度5. 供应商支持响应速度、本地化服务6. 扩展性未来升级空间请输出- 各维度得分0-10分带理由- 综合得分- 推荐理由- 潜在风险- 适合场景实战评估3家刻蚀机供应商我收集了3家供应商的参数表- A厂商AMAT Centris进口价格高技术领先- B厂商中微半导体国产价格适中技术追赶中- C厂商某国产新秀价格低技术一般把参数表整理成标准格式后让AI Agent评估评估结果摘要A厂商AMAT Centris- 技术指标9.5分 | 理由均匀性±1.5%行业领先- 产能8.0分 | 理由120片/小时够用但非最高- 成本5.0分 | 理由采购价高但维保体系成熟- 综合得分7.6分- 推荐理由技术领先适合高端制程- 潜在风险交期长6个月备件贵- 适合场景28nm及以下先进制程B厂商中微半导体- 技术指标8.0分 | 理由均匀性±2.5%满足28nm要求- 产能9.0分 | 理由150片/小时产能最高- 成本8.0分 | 理由价格比进口低40%本地维保快- 综合得分8.3分- 推荐理由性价比最高适合成熟制程- 潜在风险设备稳定性需要时间验证- 适合场景28nm-65nm制程产能优先C厂商某国产新秀- 技术指标6.0分 | 理由均匀性±4%技术一般- 产能7.0分 | 理由100片/小时- 成本9.0分 | 理由价格最低- 综合得分7.0分- 推荐理由预算有限时的备选- 潜在风险技术不成熟故障率高- 适合场景成熟制程预算极度紧张最终决策过程AI Agent给出了量化的评估但我没有直接采纳。因为AI不知道的是- 我们FAB明年要上14nm必须考虑设备升级空间- 某关键部件只能从A厂商采购B/C没有替代- 公司现金流紧张账期很重要所以我做了人工复核1. 筛选去掉C厂商技术不达标2. 权衡A vs B如果加200万上A厂商长期看值不值3. 谈判拿着B的报价去压A的账期最终结果选了A厂商但账期谈成了3年分期省了300万现金。[配图说明选型决策对比表成本/技术/维保三维度对比]AI Agent的局限⚠️ AI Agent只能做参考不能替代人工决策。原因1. 数据质量依赖输入供应商的参数表可能有水分2. 权重设置主观技术重要还是成本重要因厂而异3. 隐性信息缺失供应商关系、售后口碑、行业趋势...AI不知道所以AI是助手不是老板。最终拍板还是要靠人。工具代码可直接使用import jsonfrom dataclasses import dataclass, fieldfrom typing import Listdataclassclass EvaluationDimension:name: strweight: float # 权重 0-1score: float 0.0reason: str dataclassclass EquipmentEvaluation:vendor: strdimensions: List[EvaluationDimension] field(default_factorylist)def total_score(self) - float:return sum(d.score * d.weight for d in self.dimensions)def report(self) - str:lines [f\n【{self.vendor}】综合得分: {self.total_score():.1f}/10]for d in self.dimensions:lines.append(f {d.name}: {d.score}/10 ({d.reason}))return \n.join(lines)def compare_equipment(evaluations: List[EquipmentEvaluation]) - str:results sorted(evaluations, keylambda x: x.total_score(), reverseTrue)report [\n 设备选型评估报告 ]for i, e in enumerate(results, 1):report.append(f\n第{i}名: {e.vendor})report.append(e.report())return \n.join(report)# 使用示例etch_a EquipmentEvaluation(vendorAMAT Centris,dimensions[EvaluationDimension(技术指标, 0.3, 9.5, 均匀性±1.5%),EvaluationDimension(产能, 0.2, 8.0, 120片/小时),EvaluationDimension(成本, 0.25, 5.0, 采购价高),EvaluationDimension(兼容性, 0.15, 9.0, 与现有FAB完全兼容),EvaluationDimension(扩展性, 0.1, 9.0, 支持14nm升级),])# ... B/C厂商类似print(compare_equipment([etch_a, etch_b, etch_c]))总结AI Agent帮我做选型不是替代我决策是1. 节省时间参数对比从3天→2小时2. 量化评估主观判断→客观打分3. 减少遗漏AI会检查我没注意到的维度4. 留档备查评估报告可以复用和分享最终决策还是人做的。但有了AI决策质量更高、更快、更透明。---你做过设备选型吗有没有被供应商坑过评论区聊聊觉得有用点赞收藏关注我分享更多半导体AI实战