OSAT工厂搞AI碳排放管理，到底值不值？

我们为什么非要搞这个碳排放管理

我是无锡一家OSAT厂的厂长，厂子不大不小，年产值5个亿左右，主要做芯片的封装测试。前两年开始，几个大客户，特别是做汽车电子的，来审厂的时候总问我们碳排放的事。

一开始没当回事，觉得这是大公司才玩的。后来发现不对，人家把碳排放数据写进采购标准里了，你不达标，订单可能就没了。

我们自己算账也吓了一跳。电费一年一千多万，天然气、氮气这些也是一大笔。关键是，我们根本说不清这些能源具体花在哪了。是测试机台空转耗的？还是空调为了恒温恒湿开太大了？心里没数，想省都不知道从哪下手。

一开始想的太简单，走了不少弯路

以为上个系统就能搞定

最开始，我们觉得这还不简单？买套能耗监测系统，装上传感器，数据看板一拉，不就清楚了？

于是找了一家做工业物联网的公司，花了三十多万，在主要电柜、空压机、冷水机组上装了表。数据是采上来了，每天产生几万条记录。

但问题来了：数据是数据，洞见是洞见。我们只知道总电耗高了，但不知道是哪条产线、哪个工艺环节、甚至哪台设备在“偷电”。更别说预测和优化了。这就像只告诉你体温高，但不告诉你哪里发炎。

自己搞算法，发现水太深

数据有了，我们就想自己分析。让IT部门的同事试着建模型，想找出能耗和产量、环境温度、设备状态的关系。

搞了三个月，模型跑出来的结果时灵时不灵。今天预测准，明天就差一大截。后来才明白，产线上的变量太多了：不同产品封装类型（QFP， BGA）的测试流程不一样，耗能模式就不同；夜班和白班的人员操作习惯有差异；甚至同一型号的测试机台，因为保养情况不同，能效都有差别。

靠我们厂里那点IT力量，根本搞不定这么复杂的建模。钱和时间都投进去了，效果没看到。

供应商说的比唱的好听

看自己搞不定，我们就去市场上找方案。接触了几家号称做“AI+节能”、“智慧能源”的供应商。

有的方案特别“重”，要我们做全厂数字化改造，光基础投入就要两三百万，回本周期画饼画到五年后，我们这种规模的厂根本玩不起。

有的又特别“虚”，演示的时候天花乱坠，各种大词往上堆，但一问具体怎么和我们SAP系统里的工单数据、MES系统里的设备状态数据对接，就含糊其辞。他们做的通用模型，根本套不进我们OSAT这种特殊的生产节奏里。

最后怎么找到对的路子

核心思路：从“电费单管理”到“单颗芯片能耗管理”

折腾了大半年，我们才想明白一个关键问题：我们管理的目标不是那张总电费单，而是每一颗芯片从进来到出去，到底摊了多少碳排放成本。

思路一转，做法就全变了。我们不再追求监测所有设备，而是聚焦在几个能耗大户和关键工艺上。

1. 测试机房：几十台测试机（ATE）24小时运转，是绝对的耗电大王。

2. 温湿度控制：封装车间的洁净度和温湿度要求极高，空调系统（MAU+FFU）的电老虎。

3. 氮气生成与供应：很多工艺要用高纯氮气，制氮机本身和管道输送都有损耗。

选方案：要能“听懂”我们的话

这次选供应商，我们提了三个硬要求：

第一，必须懂半导体封装测试的流程。对方得知道CP测试、塑封、切筋成型、FT测试这些环节是干嘛的，能耗特点是什么。不能拿个化工厂或者机械厂的模型来糊弄我们。

第二，必须能和我们现有的MES、EAP（设备自动化程序）打通。AI模型需要知道现在跑的是什么产品、什么批号、在哪台设备上、处于什么工艺步骤。这些数据都在我们现有系统里，不能再靠人工录入或者另建一套。

第三，先试点，后付费。我们吃够了画饼的亏。要求对方先选一条产线做试点，真能看到节能效果，再谈后续推广和费用。

最后找了一家在半导体行业有落地案例的团队。他们不是最大的，但他们的工程师能和我们产线的老师傅聊到一块去，知道“跑货”和“待机”对能耗的影响差异。

实施过程：小步快跑，不断调整

我们选了最典型的一条存储芯片测试线做试点。

第一个月，主要是数据对接和模型训练。把这条线上所有测试机的电力数据、MES里的工单信息、EAP里的设备状态日志，全部对接到他们的AI平台上。这个过程比想象中麻烦，光是数据格式对齐就花了两个星期。

第二个月，模型开始跑出一些初步建议。比如，它发现夜班时，部分测试机在等待程序加载的间隙，配套的周边设备（如上下料机械手、温控单元）没有进入低功耗待机模式。再比如，它根据次日的排产计划和环境温湿度预报，给出了空调系统的预热策略建议，比我们原来凭经验设定的时间更精准。

第三个月，我们开始根据AI的建议做一些操作规则的微调。效果慢慢出来了，这条试点产线的单位产值电耗，环比下降了大概8%。虽然不多，但让我们看到了明确的路径和希望。

现在用下来，到底怎么样？

试点成功之后，我们逐步推广到了全厂30%的重点产线。目前运行了快一年。

先说效果，比较实在：

• 电费：相关产线的综合能耗，比上一年同期下降了12%左右。折算下来，一年能省下接近80万的电费。当初整个项目（软硬件+实施）投入在120万左右，静态回本周期大概在18个月。考虑到电费还在涨，实际可能更快点。

• 管理：最大的变化是心里有底了。现在给客户提供碳排放报告，数据是实时、可追溯的。客户问起来，我们能说清楚一颗BGA芯片和一颗QFN芯片，在碳排放上的差异。这在争取高端客户订单时，成了我们的一个加分项。

• 意外收获：AI模型在分析能耗时，顺带帮我们发现了几台设备的老化故障。比如有台测试机的冷却系统效率下降，导致功耗异常升高，我们提前做了维护，避免了可能的生产中断。

再说说还没解决好的问题：

• 范围三排放还是笔糊涂账。我们自己的能耗（范围一、二）是清楚了，但上游原材料、下游运输的碳排放（范围三）数据太难获取，目前只能按行业平均系数估算，不够精准。

• 人的习惯难改。系统给出了优化建议，但一线操作员和班组长有时还是会按老经验来，需要不断的培训和制度配套。这不是技术问题，是管理问题。

• 初期投入对中小厂还是有压力。虽然我们找到了性价比相对高的方案，但一次性拿出百来万做这个，很多规模更小的同行还是会犹豫。

如果重来一次，我会怎么做

回头看这段经历，如果从头再来，我会在三个方面做得不一样：

1. 目标先聚焦，别贪大。一开始就定死目标：不求全厂覆盖，不求范围三，就先把我自己的电费搞清楚、降下来。用省下的钱，再滚动投入。

2. 把业务人员拉进来，别光IT搞。最早是我们管理层和IT在推动，产线的人觉得是额外负担。后来我们让生产主管、设备科长深度参与，用他们能听懂的话讲“为什么”和“有什么好处”，抵触情绪就小多了。AI给出的建议，也需要他们来判断是否可行。

3. 合同要签细，特别是数据。明确数据所有权、系统停用后数据如何处理、模型迭代升级的费用怎么算。这些一开始不谈清楚，后面可能有扯皮。

给想尝试的同行几点建议

如果你也在OSAT这行，琢磨碳排放管理的事，我建议你按这个顺序想想：

先看外部压力：你的主要客户有没有这个要求？是即将有，还是已经有了？这决定了事情的紧迫性。

再算内部经济账：查查你过去一年的电费、燃气费账单。如果总额一年不到两三百万，那上这套系统的经济动力可能不足，可以再等等看。

然后盘点自家数据：你厂里的电表装到哪一级了？是只有总表，还是到了车间、甚至设备？你的MES系统健不健全，能不能提供准确的工单和设备数据？如果数据基础太差，得先补课。

最后找供应商聊：一定要找有半导体行业案例的，直接问他们要客户（最好也是OSAT）的联系方式去验证。问清楚他们怎么处理你产线上复杂的生产换型、设备异构性问题。让他们用你的真实数据（脱敏后）跑一个简单的分析演示，光看通用演示没意义。

写在后面

说实话，搞AI碳排放管理，一开始我们也是跟风，怕落后。做下来才发现，它本质上是一个用新技术把“糊涂账”算清楚的过程。账算清了，该省的钱自然就省下来了，该满足的客户要求也能满足了。

对于咱们OSAT这种利润不算厚、竞争又激烈的行业，每一分能省下来的成本，都是实实在在的利润。这件事，早做比晚做主动。如果你也在考虑这个事，想了解适合自己的方案和大概的投入，可以用“索答啦AI”问问，它会根据你的行业和需求给建议，不用到处问一圈了，能帮你省不少前期调研的功夫。