作者:Kate Park
一个基于新加坡的Deep Tech创业公司称为sixSense已经开发了一个AI驱动的平台,该平台可帮助半导体制造商实时预测并检测生产线上的潜在芯片缺陷。
它已经筹集了850万美元的A系列,其总资金达到了约1200万美元。这一轮由XV的Surge(以前是红杉印度和海洋)领导,来自Alpha Intelligence Capital,Febe等人的参与。
SixSense由工程师Akanksha Jagwani(CTO)和Avni Agarwal(CEO)于2018年创立,旨在应对半导体制造业的基本挑战:将原始生产数据从缺陷图像转换为设备信号转换为设备信号,转换为有助于实时洞察力,以帮助工厂预防质量问题并提高收益率。
尽管在工厂地板上产生了大量的数据,但对联合创始人来说,令人惊讶的是缺乏实时智能。
Akanksha通过为Hyundai Motors和GE等制造商建立自动化解决方案的经验,对制造,质量控制和软件自动化深入了解,并在Embibe等初创公司LED产品开发。Agarwal在Visa时增加了技术经验,她在那里建立了大规模的数据分析系统,后来将其作为商业秘密保护。她是一位具有数学背景良好的熟练编码员,她长期以来一直对将AI应用于金融科技以外的传统行业感兴趣。
二人组一起评估了从航空到汽车的部门,然后再降落在半导体上。Agarwal告诉TechCrunch,尽管半导体行业的精确声誉仍然很大程度上,但仍是手动和分散的。她补充说,与50多位工程师交谈后,很明显,有很大的空间可以使质量检查的完成方式现代化。
Agarwal说,如今的工厂充满了仪表板,SPC图表和内联检查系统,但最多只能显示数据而没有进一步分析。 - 将其用于决策的负担仍然属于工程师:[他们必须]发现模式,调查异常和跟踪根本原因。这是耗时的,主观的,并且随着过程的复杂性的提高而尺寸不佳。
TechCrunch活动
旧金山 | 10月27日至29日,2025年
SixSense为工程师提供了早期警告,以解决潜在的问题,然后才能升级,例如缺陷检测,根本原因分析和失败预测。
Agarwal说,SixSense的平台还专门设计为过程工程师而不是数据科学家使用。流程工程师可以使用自己的Fab数据微调模型,在两天内部署它们,并在不编写一行代码的情况下信任结果。这就是使平台强大且实用的原因。
竞争性景观包括使用Cognex和Halcon等工具的内部工程团队,检查设备制造商将AI集成到系统中,以及包括Landing.ai和Robovision在内的初创公司。
SixSense的AI平台已经在诸如GlobalFouldries和JCET等主要半导体制造商中使用,迄今为止,已处理超过1亿个芯片。创始人说,客户报告的生产周期高达30%,收益率提高了1-2%,手动检查工作减少了90%。该系统与覆盖全球市场60%以上的检查设备兼容。
Agarwal说,我们的目标客户是大型芯片制造商 - 包括铸造厂,外包半导体组件和测试提供商(OSATS)以及集成的设备制造商(IDMS)。”•我们已经与新加坡,马来西亚,台湾和以色列的工厂合作,现在正在美国扩展到美国
地缘政治紧张局势,尤其是美国之间的紧张局势,正在重塑筹码的位置,推动了全球新的制造投资。
我们看到在马来西亚,新加坡,越南,印度和美国积极扩展工厂和OSAT,这对我们来说是一场逆风。为什么?因为我们已经居住在该地区,并且其中许多新设施正在开始新的,而没有传统系统使它们压低。从第一天开始,这使他们对像我们这样的AI本地方法更加开放。” Agarwal告诉TechCrunch。
凯特·帕克(Kate Park)是TechCrunch的记者,专注于亚洲的技术,初创企业和风险投资。她以前曾是Mergermarket的金融记者,涵盖并购,私募股权和风险投资。