希捷科技近日宣布其已成功在美国明尼苏达州诺曼戴尔(Normandale)的晶圆工厂，部署深度学习制造计划。希捷内部将此计划命名为“雅典娜计划”(ProjectAthena)，借由打造务实可行的人工智能(AI)平台，能更快地处理异常及生产过程的问题，不仅耗费成本低于以往，更可大幅减少制程所需的无尘室投资达20%，并降低生产流程中10%的投注时间。希捷预期在效率与生产质量提升后，投资报酬率能提升三倍。

希捷科技营运、产品及技术部门执行副总裁Jeffrey Nygaard表示：“雅典娜计划采用深度学习，经过自我训练后，可比特定领域的真人专家更快且更精确地检测出产品瑕疵。此计划不仅能嘉惠希捷本身，对希捷的制造业客户来说，雅典娜计划采用的科技也将能广泛应用。这不仅是迈向智慧制造关键的第一步，也是导入工业4.0的具体实例。”

希捷全球的工厂每年生产超过十亿个记录磁头(recording transducers)，为了维持高标准的质量，磁头皆需经分析及测试。以诺曼戴尔工厂为例，每天产出数百万张的显微影像相当于10TB的资料量，工厂需先筛检这庞大数量的影像是否有潜在瑕疵，才能将芯片组装至硬盘上。

由于需分析检测的磁头数量庞大，工程师不可能一一检测，就算雇用更多影像分析专家坐镇，也无法在短时间内处理完所有一千七百万张影像。在AI、机器学习、物联网传感器等技术的快速发展下，希捷的“雅典娜计划”应运而生。

希捷采用Nvidia V100、P4GPUs与高效能Nytro RX2U24储存设备建立神经网络，作为雅典娜系统中深度学习及AI功能的基础。将晶圆影像导入深度神经网络，训练AI系统分辨“好”晶圆与“坏”晶圆。随着时间累积，雅典娜开始有能力侦测出制程中的潜在瑕疵。由于深度神经网络具备强大的处理能力，雅典娜不仅学习速度更快，精准度亦更胜人类。

重要的是，雅典娜还能实时接收并分析电子显微镜产生的影像。希捷现可处理每天产出的所有三百万张影像，并能揪出真人工程师可能遗漏的微小瑕疵。透过实时处理的功能，希捷团队得以及早辨识并修正制程问题。问题越早发现，就能更有效地降低瑕疵品对制程及成本的影响。

雅典娜计划的诞生与未来几年全球资料量将大幅飙升的趋势息息相关。由希捷委托IDC执行的预测调查便显示，2025年全球资料总量将成长至175ZB。如果资料能在更接近来源处先做处理，实时洞察结果的产出便可更靠近终端的使用者，从而大幅减少网络资源的负荷，并为潜在的应用程序敞开全新大门。在此模式下，资料中心的科技方案（运算与储存模式）都移往网络的边缘节点，以催生出新一代的应用程序。

该计划提供的模板也将能更广泛地应用于各个领域，未来，其他制造业者也可部署类似的智慧工厂技术。由于此系统的侦错速度更快、调适力更高，还能提供更具洞见的结果，在智慧工厂之外，亦能应用在公共安全、自驾车、智慧城市等各式各样的领域。