新

新一代 AI 驅動的 EDA 整合平台

新一代 AI 驅動的 EDA 整合平台

我們不會取代您的 EDA 工具堆疊——我們會將其整合。

為 CoWoS、FOPLP 以及 2.5D/3D IC 設計提供 AI 驅動的工作流程自動化。

我們不取代您的 EDA 工具堆疊——我們將其整合起來。

為 CoWoS、3DIC 與先進封裝設計提供由 AI 驅動的協調編排。

InPack.AI EDA

聯絡我們

聯絡我們

聯絡我們

聯絡我們

查看功能

查看功能

下一代半導體設計

下一代半導體設計

「半導體產業使用 10 種以上的專業 EDA 工具，每一種都需要花上數個月才能熟練掌握。
InPack.AI 正是我們的解答 : 一個統一的 AI 平台，能在單一介面中協調您的整個設計工作流程，從基板到系統，一站式完成。」

「半導體產業使用 10 種以上的專業 EDA 工具，每一種都需要花上數個月才能熟練掌握。
InPack.AI 正是我們的解答 : 一個統一的 AI 平台，能在單一介面中協調您的整個設計工作流程，從基板到系統，一站式完成。」

使用者頭像

游濟華教授｜LAiMM 實驗室共同創辦人暨主持人

游濟華教授｜LAiMM 實驗室共同創辦人暨主持人

游濟華教授｜LAiMM 實驗室共同創辦人暨主持人

我們的特色

我們的特色

InPack . AI 平台：
模組化 AI 驅動的 EDA

InPack.AI 平台：模組化 AI 驅動的 EDA

我們設計、開發並實作 InPack.AI：
一個協助 IC 設計團隊更聰明工作，而不是更辛苦工作的 EDA 平台。

我們設計、開發並實作 InPack.AI：
一套可幫助您的 IC 設計更聰明，而非更費力的 EDA 工具。

翹曲分析

  • 模擬設定

    模擬設定

  • 幾何與材質屬性

    幾何參數與材料特性

  • 資料生成與處理

    數據生成與處理

  • AI 模型與效能

    AI 模型與性能驗證

  • DQN 強化學習

    DQN 強化學習應用

翹曲分析

  • 模擬設定

    模擬設定

  • 幾何與材質屬性

    幾何參數與材料特性

  • 資料生成與處理

    數據生成與處理

  • AI 模型與效能

    AI 模型與性能驗證

  • DQN 強化學習

    DQN 強化學習應用

AI 驅動的翹曲模擬

AI 驅動的翹曲模擬

AI 驅動的多物理場分析

AI 驅動的多物理場分析

AI 驅動的多物理場分析

超越單點翹曲預測。InPack.AI 將熱、機械與電性模擬整合於單一統一平台，涵蓋從基板到 CoWoS 封裝的整體設計流程。透過我們由機器學習驅動的引擎，實現 600 倍加速，並藉由基於 DQN 的參數最佳化，提升 69.89% 的良率。

超越單點翹曲預測。InPack.AI 將熱、機械與電性模擬整合於單一統一平台，涵蓋從基板到 CoWoS 封裝的整體設計流程。透過我們由機器學習驅動的引擎，實現 600 倍加速，並藉由基於 DQN 的參數最佳化，提升 69.89% 的良率。

超越單點翹曲預測。InPack.AI 將熱、機械與電性模擬整合於單一統一平台，涵蓋從基板到 CoWoS 封裝的整體設計流程。透過我們由機器學習驅動的引擎，實現 600 倍加速，並藉由基於 DQN 的參數最佳化，提升 69.89% 的良率。

多物理

多物理

CoWoS 與 3DIC

CoWoS 與 3DIC

機器學習 + DQN

機器學習 + DQN

InPack.AI

InPack.AI

AI 共創設計工作室

AI 共創設計工作室

AI 共創設計工作室

不只是使用 AI，更要用 AI 進行設計。我們的 AI 協同設計工作室讓您可拖放 EDA 模組——從 SoC 綜合到封裝佈線——並將它們編排成自動化工作流程。只要用自然語言描述您的目標，我們的多代理系統就能組合、執行並最佳化整個設計流程。

NeuroShine AI 不只是預測；它還能創造。
透過深度強化學習（DQN）框架，它能在沒有龐大資料庫的情況下精確模擬多物理效應，為您的設計提供可靠的科學驗證，R² 分數最高可達 0.983。

NeuroShine AI 不只是預測；它更能創造。透過深度強化學習（DQN）框架，它能在沒有龐大資料庫的情況下精準模擬多物理效應，並以高達 0.983 的 R² 分數，為您的設計提供可靠的科學驗證。

AI 工作流程

AI 工作流程

多代理

多代理

自動優化

cGAN

cGAN

InPack.AI 可以協助什麼？

InPack.AI 無縫整合熱、機械與電氣模擬

|

分析

模擬

研究

InPack.AI 可以協助什麼？

InPack.AI 無縫整合熱、機械與電氣模擬

|

分析

模擬

NeuroShine 會員載入中…

LAiMM Lab

NCKU

NeuroShine

NeuroShine 會員載入中…

LAiMM Lab

NCKU

NeuroShine

學術與產業合作

學術與產業合作

深受學術界與產業領袖信賴

深受學術界與產業領袖信賴

深受學術界與產業領袖信賴

InPack.AI 源自國立成功大學 LAiMM Lab，並已在真實量產環境中與日月光（ASE）及 CoWoS／先進封裝生態系的合作夥伴完成驗證。我們的技術將前沿的 AI 研究與實際的半導體製造需求緊密連結。

InPack.AI 源自國立成功大學 LAiMM Lab，並已在真實量產環境中與日月光（ASE）及 CoWoS／先進封裝生態系的合作夥伴完成驗證。我們的技術將前沿的 AI 研究與實際的半導體製造需求緊密連結。

InPack.AI 源自國立成功大學 LAiMM Lab，並已在真實量產環境中與日月光（ASE）及 CoWoS／先進封裝生態系的合作夥伴完成驗證。我們的技術將前沿的 AI 研究與實際的半導體製造需求緊密連結。

有學術依據的

有學術依據的

產業合作

產業合作

經過驗證的可靠性

經過驗證的可靠性

零中斷

零中斷

無縫 EDA 工具整合

無縫 EDA 工具整合

無縫 EDA 工具整合

InPack.AI 與您現有的 EDA 技術堆疊協同運作——而不是與之對立。透過我們統一的 API 層，串接 Synopsys、Cadence、Ansys 和 Zuken 工具。可部署為雲端 SaaS，立即使用；或採用地端部署，獲得最高資料安全性。無論哪種方式，您既有的工作流程都能保持完整，同時獲得 AI 超能力。

InPack.AI 與您現有的 EDA 技術堆疊協同運作——而不是與之對立。透過我們統一的 API 層，串接 Synopsys、Cadence、Ansys 和 Zuken 工具。可部署為雲端 SaaS，立即使用；或採用地端部署，獲得最高資料安全性。無論哪種方式，您既有的工作流程都能保持完整，同時獲得 AI 超能力。

InPack.AI 與您現有的 EDA 技術堆疊協同運作——而不是與之對立。透過我們統一的 API 層，串接 Synopsys、Cadence、Ansys 和 Zuken 工具。可部署為雲端 SaaS，立即使用；或採用地端部署，獲得最高資料安全性。無論哪種方式，您既有的工作流程都能保持完整，同時獲得 AI 超能力。

Synopsys / Cadence / Ansys

Synopsys / Cadence / Ansys

地端部署選項

地端部署選項

API 整合

API 整合

雲原生解決方案

這是您的 IC 設計工作流程

進行中的專案：

InPack.AI EDA 工具

90% 完成

MLOps 管線

建模

模擬

預測

最佳化

幾何定義

材料表徵

雲原生解決方案

這是您的 IC 設計工作流程

進行中的專案：

InPack.AI EDA 工具

90% 完成

MLOps 管線

建模

模擬

預測

最佳化

幾何定義

材料表徵

核心能力

核心能力

InPackAI Flow 套件的六大支柱

InPackAI Flow 套件的六大支柱

InPackAI Flow Suite：由六大技術支柱賦能

InPackAI Flow Suite：由六大技術支柱賦能

AI 驅動的推論

毫秒級翹曲與應力預測，取代耗時的 FEM 模擬。

AI 驅動的路由

自動化 RDL 與 3DIC 路徑生成，加速複雜封裝佈局。

工作流程編排

模組化「樂高式」架構，可無縫串接零散的 EDA 階段。

EDA 工具橋接器

跨 Synopsys、Cadence 與 Ansys 的無縫資料轉換與整合。

AI 副駕駛

由先進的技能＋記憶框架驅動的自然語言任務分派。

微通道熱傳 CFD

用於高效能運算（HPC）設計中極端熱管理的進階流體動力學模擬。

我們的流程

我們的流程

我們簡單、智慧且可擴充的 EDA 流程

我們簡單、智慧且可擴充的 EDA 流程

我們設計、開發並實作 InPack.AI，協助 IC 設計團隊更聰明地工作，而不是更辛苦地工作。

我們設計、開發並實作 InPack.AI，協助 IC 設計團隊更聰明地工作，而不是更辛苦地工作。

步驟 1

連接您的工具

連接您的工具

與您現有的 Synopsys、Cadence 和 Ansys 環境整合。InPack.AI 可作為統一的編排層。

與您現有的 Synopsys、Cadence 和 Ansys 環境整合。InPack.AI 可作為統一的編排層。

正在分析目前的工作流程...

幾何檢查

材料檢查

邊界檢查

速度檢查

模型建立

步驟 2

定義您的工作流程

定義您的工作流程

在我們的 AI 協同設計畫布中拖放模組。

或者直接告訴我們的 AI 助理您需要什麼：

"建立一個 CoWoS 熱機械分析流程"

在我們的 AI 協同設計畫布中拖放模組。

或者直接告訴我們的 AI 助理您需要什麼：

"建立一個 CoWoS 熱機械分析流程"

在我們的 AI 協同設計畫布中拖放模組。
或者直接告訴我們的 AI 助理您需要什麼：
"建立一個 CoWoS 熱機械分析流程"

  • class AutomationTrigger:
    def __init__(self, threshold):
    self.threshold = threshold
    self.status = "未啟用"

    def check_trigger(self, value):
    if value > self.threshold:
    self.status = "已啟用"
    return "已觸發自動化！"
    else:
    return "未採取任何動作。"
    def get_status(self):
    return f"狀態：{self.status}"

  • class AutomationTrigger:
    def __init__(self, threshold):
    self.threshold = threshold
    self.status = "未啟用"

    def check_trigger(self, value):
    if value > self.threshold:
    self.status = "已啟用"
    return "已觸發自動化！"
    else:
    return "未採取任何動作。"
    def get_status(self):
    return f"狀態：{self.status}"

  • class AutomationTrigger:
    def __init__(self, threshold):
    self.threshold = threshold
    self.status = "未啟用"

    def check_trigger(self, value):
    if value > self.threshold:
    self.status = "已啟用"
    return "已觸發自動化！"
    else:
    return "未採取任何動作。"
    def get_status(self):
    return f"狀態：{self.status}"

  • class AutomationTrigger:
    def __init__(self, threshold):
    self.threshold = threshold
    self.status = "未啟用"

    def check_trigger(self, value):
    if value > self.threshold:
    self.status = "已啟用"
    return "已觸發自動化！"
    else:
    return "未採取任何動作。"
    def get_status(self):
    return f"狀態：{self.status}"

第 3 步

AI 執行與優化

AI 執行與優化

我們的多代理系統會自動呼叫正確的工具。

• 機器學習模型可在幾秒內預測結果

• DQN 會持續最佳化參數

• 比傳統模擬快 600 倍

我們的多代理系統會自動呼叫正確的工具。

• 機器學習模型可在幾秒內預測結果

• DQN 會持續最佳化參數

• 比傳統模擬快 600 倍

我們的解決方案

您的技術堆疊

第 4 步

取得 AI 生成的報告

取得 AI 生成的報告

接收由 AI 自動產生的完整分析報告。匯出為 PDF，與團隊分享，快速迭代。

接收由 AI 自動產生的完整分析報告。匯出為 PDF，與團隊分享，快速迭代。

翹曲改善率

速度將增加 20%

工作流程系統

有可用更新..

版本控制

最新

優勢

優勢

工程團隊為何選擇 InPack.AI

工程團隊為何選擇 InPack.AI

了解 InPack.AI 如何透過更智慧、更快速的流程提升效率、降低成本，並推動設計模擬。

了解 InPack.AI 如何透過更智慧、更快速的流程提升效率、降低成本，並推動設計模擬。

終結工具碎片化

以前：在 10 多種工具、10 多種檔案格式之間切換。現在：一個整合平台，資料流轉無縫。

終結工具碎片化

以前：在 10 多種工具、10 多種檔案格式之間切換。現在：一個整合平台，資料流轉無縫。

多物理整合

在單一平台上無縫整合多物理分析，消除工具碎片化。

多物理整合

在單一平台上無縫整合多物理分析，消除工具碎片化。

24/7 全天候可用性

由 AI 驅動的系統全天候運作，確保持續提供順暢的支援與執行，毫無停機時間。

24/7 全天候可用性

由 AI 驅動的系統全天候運作，確保持續提供順暢的支援與執行，毫無停機時間。

降低成本

AI 可自動化路由與參數設定，減少人工介入，並最佳化資源分配。

降低成本

AI 可自動化路由與參數設定，減少人工介入，並最佳化資源分配。

資料驅動的洞察

運用 AI 分析大型資料集、辨識趨勢，並做出更聰明、更快速且更精準的設計決策。

資料驅動的洞察

運用 AI 分析大型資料集、辨識趨勢，並做出更聰明、更快速且更精準的設計決策。

預測準確率

InPack.AI 核心引擎可在翹曲分析中即時且精準地進行預測，為您的決策提供可靠依據。

預測準確率

InPack.AI 核心引擎可在翹曲分析中即時且精準地進行預測，為您的決策提供可靠依據。

關於我們

我們是誰

我們是誰

NeuroShine 的創立懷抱著一個願景：

打造台灣對分散式 EDA 格局的回應。

NeuroShine 的創立懷抱著一個願景：

打造台灣對分散式 EDA 格局的回應。

使用者頭像

Chi-Hua Yu

國立成功大學副教授，專長於 AI 仿生學與多物理場模擬技術。

使用者頭像

Chi-Hua Yu

國立成功大學副教授，專長於 AI 仿生學與多物理場模擬技術。

使用者頭像

Di-Chun Hu

臺灣 LCD 顯示產業的創立先驅，擁有麻省理工學院材料科學與工程學系博士學位。

使用者頭像

Di-Chun Hu

臺灣 LCD 顯示產業的創立先驅，擁有麻省理工學院材料科學與工程學系博士學位。

林信瑞

來自台積電的資深軟體開發專家，專精於數值模擬方法與工業軟體設計。

林信瑞

來自台積電的資深軟體開發專家，專精於數值模擬方法與工業軟體設計。

Jayson Ng

曾任後端工程師，來自金融產業，擁有哥倫比亞大學電腦科學碩士學位。

Jayson Ng

曾任後端工程師，來自金融產業，擁有哥倫比亞大學電腦科學碩士學位。

聯絡

與我們聯絡

與我們聯絡

與我們聯絡

有問題或需要 EDA AI 解決方案嗎？
讓我們知道，我們會與您聯繫！

有疑問或需要 EDA AI 解決方案嗎？
請讓我們知道，我們會與您聯絡！

電子郵件

電子郵件

syuanku@neuroshine.co

syuanku@neuroshine.co

常見問題

常見問題

快速找到最常見支援問題的答案

InPack.AI EDA 如何處理多物理場模擬？

我們的設計資料安全嗎？

InPack.AI 可以整合到我們現有的 EDA 工作流程嗎？

除了翹曲之外，你的工具還能解決哪些其他特定問題？

使用 InPack.AI 時，我們可以期待哪些支援？

常見問題

常見問題

快速找到最常見支援問題的答案

InPack.AI EDA 如何處理多物理場模擬？

我們的設計資料安全嗎？

InPack.AI 可以整合到我們現有的 EDA 工作流程嗎？

除了翹曲之外，你的工具還能解決哪些其他特定問題？

使用 InPack.AI 時，我們可以期待哪些支援？

常見問題

常見問題

快速找到最常見支援問題的答案

InPack.AI EDA 如何處理多物理場模擬？

我們的設計資料安全嗎？

InPack.AI 可以整合到我們現有的 EDA 工作流程嗎？

除了翹曲之外，你的工具還能解決哪些其他特定問題？

使用 InPack.AI 時，我們可以期待哪些支援？

聯絡我們

英文

/

繁體中文

聯絡我們

英文

/

繁體中文

聯絡我們

英文

/

繁體中文