【半導體 AI 轉型實務】基於 Arm 架構之邊緣運算系統開發與硬體部署

關於此課程

在半導體智慧工廠（Smart Fab）轉型中，如何將 AI 推論能力從雲端下放到生產線設備端（Edge），是提升設備良率與實現預測性維護（PdM）的關鍵技術。本課程專為半導體製造、封測及其上下游從業人員設計，由許哲豪（Jack）博士帶領，深入探討 Arm 架構在邊緣 AI 的開發流程。

課程將聚焦於如何利用 TinyML 與 CMSIS-NN 技術，在資源受限的硬體環境下實現模型量化與部署。透過實戰演練，學員將掌握從數據採集到硬體效能調優的完整技能，有效解決 IC 製造 IT 工程師在處理即時感測數據時的算力與功耗瓶頸，達成廠務系統的智慧化升級。

關於課程

• 計畫名稱：115年度半導體國際連結創新賦能計畫

• 指導單位：經濟部產業發展署

• 主辦單位：財團法人資訊工業策進會

• 執行單位：MakerPRO

• 開課時間：2026年 8/1(六)、8/2(日) 09:30-16:30

• 上課地點：資展國際（台北市大安區復興南路一段390號2樓，近大安捷運站）

• 招生對象：半導體在職人員

• 最低開課人數：10人

• 上課費用：NTD 15000元

申請資格：半導體產業（IC設計、IC製造、IC封裝、IC測試，以及上下游生態系）在職人士皆有資格。本課程補助方式：

1. 半導體業大型企業補助5成；

2. 半導體業中小企業全額補助（實收資本額新台幣1億元以下，或員工數未滿200人）

課綱規劃

第一日：邊緣 AI 基礎與模型精煉

時間	單元主題	教學內容重點
09:30 – 11:00	1. Arm 邊緣運算與半導體應用	邊緣 AI 趨勢、Arm Cortex-M 系列演進、智慧工廠(Smart Fab)應用案例分析。
11:00 – 12:30	2. 環境建置與數據採集實作	開發環境 (Toolchain) 配置、感測器數據採集基礎 (I2C/SPI)、硬體初探。
13:30 – 15:00	3. TinyML 模型開發流程	適用於半導體設備監測的模型拓樸設計、資料集標記與模型預訓練。
15:00 – 16:30	4. 模型量化 (Quantization) 技術	權重轉換與壓縮 (FP32 to INT8)、量化精度評估、減少記憶體佔用實戰。

第二日：深度優化與硬體部署實戰

時間	單元主題	教學內容重點
09:30 – 11:00	5. CMSIS-NN 深度解析與加速	解析 Arm 專屬神經網路優化庫、底層 DSP 指令集加速原理。
11:00 – 12:30	6. 模型轉換與編譯實作	將訓練模型轉換為 C/C++ 代碼、記憶體估算 (SRAM/Flash) 與靜態分配。
13:30 – 15:00	7. 實戰部署與功能測試	將 AI 模型寫入 Arm 核心硬體、實作即時異常偵測推論 (Real-time Inference)。
15:00 – 16:30	8. 效能調校、功耗優化與總結	功耗監測、推論速度優化、半導體場域安全性探討、專案展示與回饋。

臺灣科技大學電機工程系產碩專班兼任助理教授

歐尼克斯實境互動工作室 (OmniXRI Studio) 創辦人 (2017/11 ~ now)
Facebook Edge AI Taiwan 邊緣智能交流區創辦人 (2020/5 ~ now)
Intel 軟體創新大使 (2023/5 ~ now)
Arm 開發者大使 (2024/10 ~ now)
台科大資工系產碩專班兼任助理教授 (2021/2~2023/6) 「人工智慧與邊緣運算實務」

機電整合、電腦視覺、立體顯示、實境互動、人工智慧、新創輔導

還沒有評論