PDF Solutions CONNECT 2026 Trip Report

Source: https://semiwiki.com/eda/pdf-solutions/375398-pdf-solutions-connect-2026-trip-report/

On October 15–16, at the tail end of SEMICON West 2026, PDF Solutions held its 2026 CONNECT Conference at the Westin St. Francis in San Francisco.

PDF 솔루션즈(PDF Solutions)는 SEMICON West 2026 직후인 10월 15일부터 16일까지 이틀 동안 샌프란시스코 웨스틴 세인트 프란시스(Westin St. Francis) 호텔에서 '2026 CONNECT 컨퍼런스'를 개최했습니다.

PDF Solutions Vitals

Santa Clara–based PDF Solutions is a semiconductor data, analytics, and connectivity company, founded in 1991. Today, its business rests on three pillars, all feeding a single data layer:

• Exensio — the core analytics platform. It ingests 50+ data formats from FDC, test, assembly and packaging, harmonizes them into a semantic model (cloud or on-prem), and runs interactive analytics and ML on top. This is the recurring, scalable engine.
• Cimetrix + SecureWise — factory equipment connectivity and, since the March 2025 SecureWise acquisition, secure remote equipment connectivity for data acquisition and control. The connectivity layer is what makes PDFS a manufacturing data aggregator, not just an analytics vendor.
• DirectScan / Design-for-Inspection — on-chip electrical measurement hardware to catch defects during manufacturing. eBeam inspection to uncover buried systematic defects. This is the differentiated-data moat: PDFS generates proprietary characterization data at advanced nodes that optical inspection can’t see, then monetizes the analytics on it.

산타클라라에 본사를 둔 PDF 솔루션즈는 1991년에 설립된 반도체 데이터, 분석 및 연결성 전문 기업입니다. 현재 이 회사의 사업은 단일 데이터 레이어로 통합되는 세 가지 핵심 축을 바탕으로 운영되고 있습니다.

• 엑센시오(Exensio): 핵심 분석 플랫폼입니다. FDC, 테스트, 조립 및 패키징 등 50개 이상의 데이터 포맷을 수집하여 의미론적 모델(클라우드 또는 온프레미스)로 조율(harmonize)한 뒤, 그 위에 대화형 분석과 머신러닝을 구동합니다. 반복적이고 확장 가능한 엔진 역할을 합니다.
• 시메트릭스(Cimetrix) + 시큐어와이즈(SecureWise): 공장 장비 연결성 및 2025년 3월 시큐어와이즈 인수 이후 확보한 데이터 수집·제어를 위한 안전한 원격 장비 연결성을 담당합니다. 이 연결성 계층 덕분에 PDFS는 단순한 분석 솔루션 공급업체가 아니라 제조 데이터 애그리게이터(Aggregator)로 자리 잡을 수 있었습니다.
• 다이렉트스캔(DirectScan) / 설계 기반 검사(Design-for-Inspection): 제조 중 결함을 포착하기 위한 칩 내 전기적 측정 하드웨어와, 숨겨진 체계적 결함을 찾아내는 전자빔(eBeam) 검사입니다. 광학 검사로는 감지할 수 없는 첨단 노드의 독점 특성화 데이터를 생성한 뒤, 그 데이터에 대한 분석 서비스를 통해 수익을 창출하는 차별화된 데이터 해자(Moat)입니다.

The company reports about 350 customers spanning fabs, fabless, OSATs and equipment OEMs, i.e., it sits in the middle and broker data across the chain. It is publicly traded on the NASDAQ stock market under the symbol PDFS.

이 회사는 팹, 팹리스, OSAT, 장비 OEM을 아우르는 약 350곳의 고객사를 두고 있으며, 공급망 전반에서 데이터를 중개하는 중심적 역할을 담당하고 있습니다. 나스닥(NASDAQ)에 종목 코드 PDFS로 상장되어 있습니다.

The PDF Solutions CONNECT Conference

CONNECT was built around the recent announcement of Exensio Aurora and the requirements for applying AI across manufacturing, inspection, test and the supply chain, supported by customer deployment discussions. Its intended audience included manufacturing engineers, data scientists, equipment companies and semiconductor executives.

이번 컨퍼런스는 최근 발표된 엑센시오 오로라(Exensio Aurora)와 제조, 검사, 테스트, 공급망 전반에 걸쳐 AI를 적용하기 위한 요구사항을 중심으로 구성되었으며, 고객사들의 실제 도입 사례 발표가 뒷받침되었습니다. 주요 참석 대상은 제조 엔지니어, 데이터 사이언티스트, 장비 기업 및 반도체 임원진들이었습니다.

The agenda for Thursday morning, Oct 15, proposed two keynotes:

• Executive Keynote by John Kibarian, CEO, titled “Next Generation PDF Solutions Platform for the Global Semiconductor Industry.”
• Technical Keynote by Kimon Michaels, CTO, titled “PDF Solutions Platform​ – Architecture Overview and New Solutions Announcements.”

10월 15일(목) 오전 세션:

• 존 키바리안(John Kibarian) CEO의 기조연설: "글로벌 반도체 산업을 위한 차세대 PDF 솔루션즈 플랫폼(Next Generation PDF Solutions Platform for the Global Semiconductor Industry)"
• 키몬 미카엘리스(Kimon Michaels) CTO의 기술 기조연설: "PDF 솔루션즈 플랫폼 – 아키텍처 개요 및 신제품 발표(PDF Solutions Platform – Architecture Overview and New Solutions Announcements)"

And an Exensio Aurora panel at noon.

그리고 정오의 엑센시오 오로라 패널 토론.

Afternoon customer and solution talks: ST on advanced test solutions; Intel on reimagining manufacturing analytics for advanced packaging; Samsung on vector-scan eBeam inspection in advanced logic; Unimicron on advancing substrate manufacturing with FDC; PDF on its AI strategy and on transforming analytics with Exensio Aurora; POET on wafer-scale optics for the AI era; next-generation equipment integration and control; secureWISE updates. The evening dinner panel included the NYTimes, imec, Siemens EDA, Teradyne and PDF Solutions.

오후 고객사 및 솔루션 발표: ST마이크로일렉트로닉스의 첨단 테스트 솔루션; 인텔의 첨단 패키징 제조 분석 재정의; 삼성전자의 첨단 로직 벡터 스캔 eBeam 검사; 유니마이크론(Unimicron)의 FDC를 활용한 기판 제조 고도화; PDF의 AI 전략 및 엑센시오 오로라를 통한 분석 혁신; POET의 AI 시대를 위한 웨이퍼 레벨 광학 장치; 차세대 장비 통합 및 제어; 시큐어와이즈 업데이트. 저녁 만찬 패널에는 뉴욕타임스(NYTimes), 아이맥(imec), 시멘스 EDA(Siemens EDA), 테라다인(Teradyne), PDF 솔루션즈가 참여했습니다.

The Agenda for Friday, Oct 16, included an industry keynote by Dr. Jon Koomey, “Plenty of room at the top (and also the bottom): What’s next for computing,” with a fireside chat with Kibarian.

Then deep dives, clinics and demos on advanced test, scalable analytics, LLM-based solutions, equipment solutions, and Aurora development strategy and design.

10월 16일(금) 세션:

• 존 쿠미(Jon Koomey) 박사의 산업 기조연설: "정상은 물론 바닥에도 오를 곳은 많다(과연 컴퓨팅의 다음 행보는?)" 및 키바리안 CEO와의 대담(Fireside Chat).
• 첨단 테스트, 확장 가능한 분석, LLM 기반 솔루션, 장비 솔루션, 오로라 개발 전략 및 설계에 대한 심층 세션(Deep dives), 클리닉, 데모.

Customer speakers and what they were billed to cover

• Samsung: Dr. Hyung Keun Yoo, Sr. Director Metrology and Inspection, on adopting PDF’s DirectScan technology to ramp leading-edge chips.
• Intel: Syed Baquar, Principal Engineer and Director, Data & Analytics, on how Intel is transforming its manufacturing data infrastructure and moving to AI-driven analytics with PDF.
• STMicroelectronics: Massimo Longaretti, Software Automation Manager, on how to automate test execution, moving towards “dark factories.”
• Unimicron: Dr. Justin Chang, Senior Deputy Director of Smart Manufacturing, on FDC for substrates.
• POET: Raju Kankipati, Chief Revenue Officer, speaking on managing operational challenges in a fast-growing company.
• Dinner panel: Teradyne CEO Greg Smith, imec CEO Patrick Vandenameele and Siemens EDA EVP Ankur Gupta, joined by Kibarian. The panel moderator originally announced was Bloomberg’s Emily Chang who in the end was travelling in Europe that week with Jensen Huang. Tripp Mickle, NYTimes tech reporter, very successfully moderated the panel in her place.
• 삼성전자: 유형근 메트롤로지 및 인스펙션(Metrology & Inspection) 그룹장(상무), 최첨단 칩 양산을 위한 PDF의 DirectScan 기술 도입 사례 발표.
• 인텔: 사이드 바카르(Syed Baquar) 데이터 및 분석 총괄 수석 엔지니어, 인텔의 제조 데이터 인프라 혁신 및 PDF와의 AI 기반 분석 전환 과정 소개.
• ST마이크로일렉트로닉스: 마시모 롱가레티(Massimo Longaretti) 소프트웨어 자동화 매니저, '다크 팩토리(무인 공장)'를 향한 테스트 실행 자동화 방안 발표.
• 유니마이크론: 장정식(Justin Chang) 스마트 제조 부국장, 기판 제조를 위한 FDC 적용 사례 발표.
• POET: 라주 칸키파티(Raju Kankipati) 최고매출책임자(CRO), 급성장하는 기업의 운영 과제 관리 방안 강연.
• 저녁 만찬 패널: 그레그 스미스(Greg Smith) 테라다인 CEO, 패트릭 반다네밀(Patrick Vandenameele) imec CEO, 앙쿠르 굽타(Ankur Gupta) 시멘스 EDA 부사장, 그리고 존 키바리안 CEO가 패널로 참석. 당초 블룸버그의 에밀리 창(Emily Chang)이 모더레이터로 예정되었으나 젠슨 황과 함께 유럽 출장 중이던 관계로, 뉴욕타임스의 테크 기자 트립 믹클(Tripp Mickle)이 성공적으로 대타 진행을 맡음.

Main announcement: Exensio Aurora

• Unveiled September 9 as the new, highly scalable Exensio analytics architecture, with first public demos at CONNECT.
• PDF’s stated rationale is that 3D architectures, advanced packaging and heterogeneous integration blur front-end/back-end boundaries and cause a data explosion, and that in its experience under 5% of semiconductor manufacturing data gets analyzed with traditional tools.
• It was built because conventional BI tools hit in-memory processing limits and general-purpose cloud data platforms lack semiconductor relevance, at the urging of several customers. It is cloud-first but also supports on-premises deployment, for both online and offline applications.
• Said Akar, VP Enterprise Development, wrote a blog post on the four questions that led to Aurora, including how Exensio supports a range of AI approaches, LLMs among them.
• One trade outlet noted the caveat: the September announcement defined the architecture and direction rather than offering an independently benchmarked production result.
• 9월 9일에 차세대 고확장성 Exensio 분석 아키텍처로 첫선을 보였으며, CONNECT에서 첫 대중 시연이 이루어졌습니다.
• 개발 배경: 3D 아키텍처, 첨단 패키징, 이종 통합이 프론트엔드와 백엔드의 경계를 허물고 데이터 폭발을 야기하고 있으며, 경험상 반도체 제조 데이터의 5% 미만만이 기존 도구로 분석되고 있다는 점에 착안했습니다.
• 전통적인 BI 도구는 인메모리 처리 한계에 부딪히고 범용 클라우드 데이터 플랫폼은 반도체 도메인 특화성이 부족하다는 여러 고객들의 성원에 힘입어 개발되었습니다. 클라우드 퍼스트를 지향하면서도 온프레미스 배포를 지원하여 온라인 및 오프라인 응용 프로그램을 모두 아우릅니다.
• 사이드 아카르(Said Akar) 엔터프라이즈 개발 부사장은 오로라가 탄생하게 된 4가지 질문(Exensio가 LLM을 포함한 다양한 AI 접근 방식을 지원하는 방식 등)에 관한 블로그 포스팅을 게시하기도 했습니다.
• 업계 매체 한 곳은 이번 9월 발표가 독립적으로 벤치마크된 양산 결과물을 제시한 것이라기보다는 아키텍처와 방향성을 정의한 성격에 가깝다는 단서를 달기도 했습니다.

Executive and Technical Keynotes

CEO John Kibarian argued that AI could now transform semiconductor manufacturing itself. His executive keynote and co-founder Kimon Michaels’s technical presentation outlined how Exensio Aurora aims to connect manufacturing knowledge, scalable analytics and coordinated action across the supply chain.

존 키바리안 CEO는 이제 AI가 반도체 제조 공정 자체를 혁신할 수 있다고 주장했습니다. 그의 기조연설과 공동 창업자인 키몬 미카엘리스 CTO의 기술 발표에서는 엑센시오 오로라가 공급망 전반에 걸쳐 제조 지식, 확장 가능한 분석, 그리고 조율된 행동을 어떻게 연결하고자 하는지 개괄적으로 설명했습니다.

Kibarian framed the opportunity around efficiency. Demand for AI hardware is growing, but equipment availability, energy and manufacturing capacity constrain production. New fabs require expertise and successful process ramps as well as capital. Customers must therefore extract more useful output from existing resources, even as they invest in additional capacity.

키바리안은 효율성을 중심으로 기회를 조명했습니다. AI 하드웨어에 대한 수요는 증가하고 있지만, 장비 가용성, 전력, 그리고 제조 용량이 생산을 제약하고 있습니다. 신규 팹을 건설하려면 막대한 자본뿐만 아니라 전문성과 성공적인 공정 램프(ramp)가 필요합니다. 따라서 고객들은 추가적인 설비 투자를 진행하는 동시에 기존 자원으로부터 더 많은 유효 산출물을 이끌어내야 합니다.

More products and more complex data

Specialized processors are changing manufacturing requirements. Foundation-model companies and data-center operators are developing bespoke chips, creating more products and potentially smaller production runs. Some customers, Kibarian observed, effectively never leave new product introduction: the extensive measurements needed during development remain important throughout production.

특화형 프로세서들이 제조 요구사항을 바꾸고 있습니다. 파운데이션 모델 기업들과 데이터센터 운영사들은 맞춤형 칩을 개발하고 있으며, 이로 인해 제품 종류가 늘어나고 생산 단위는 더 작아질 수 있습니다. 키바리안이 언급했듯이, 일부 고객은 사실상 '신제품 도입(NPD)' 단계에서 벗어나지 못하고 있습니다. 개발 과정에서 필요한 광범위한 측정 작업이 생산 전 과정에 걸쳐 중요하게 유지되기 때문입니다.

Assembly and test are also becoming more complicated. Fabless companies must manage information across multiple manufacturing partners and test stages. Earlier results can influence downstream screening, grading and routing. Advanced packaging, photonics and co-packaged optics add further complexity, making traceability and data integration increasingly important.

조립과 테스트 역시 더욱 복잡해지고 있습니다. 팹리스 기업들은 여러 제조 파트너와 테스트 단계에 걸쳐 정보를 관리해야 합니다. 초기 테스트 결과는 후속 스크리닝, 등급 분류, 라우팅에 영향을 미칠 수 있습니다. 첨단 패키징, 포토닉스, 광 공동 패키징(co-packaged optics)은 복잡성을 한층 가중시켜 추적성과 데이터 통합의 중요성을 높이고 있습니다.

The challenge extends beyond collecting measurements. An experienced engineer understands relationships among products, tools, chambers and process histories that a general-purpose AI model may miss. During yield excursions, relevant warnings often become obvious only afterward. PDF Solutions’ strategy is to combine manufacturing data with semiconductor-specific context so engineers can identify meaningful signals sooner.

도전 과제는 단순히 측정을 수집하는 것에 그치지 않습니다. 숙련된 엔지니어는 범용 AI 모델이 놓칠 수 있는 제품, 장비, 챔버, 공정 이력 간의 상관관계를 파악합니다. 수율 하락(excursion)이 발생했을 때 관련 경고는 사후에야 명확해지는 경우가 많습니다. PDF 솔루션즈의 전략은 제조 데이터와 반도체 특화 컨텍스트를 결합하여 엔지니어들이 의미 있는 신호를 더 빨리 포착할 수 있도록 돕는 것입니다.

Reusable workflows connect AI with engineering practice

Kibarian described a practical role for large language models: constructing analytical workflows that engineers can inspect, execute and reuse. A request can generate blocks for querying data, performing calculations, producing plots and annotating results. Python provides the underlying language, while visual workflows expose the analytical sequence.

키바리안은 대형 언어 모델(LLM)의 실용적인 역할, 즉 엔지니어들이 직접 검토, 실행, 재사용할 수 있는 분석 워크로드를 구축하는 것을 설명했습니다. 프롬프트 하나로 데이터 조회, 연산 수행, 그래프 생성, 결과 주석 달기 등의 블록을 생성할 수 있습니다. 기반 언어로는 파이썬(Python)이 사용되며, 시각적 워크로드를 통해 분석 시퀀스가 노출됩니다.

Once validated, a workflow can be stored and reused, reducing repeated model interactions and associated computing costs. It also preserves engineering knowledge. Manufacturers need consistent, auditable decisions, particularly when screening products with long service lives. Retaining the procedure makes it possible to investigate how a result was reached rather than relying solely on an AI-generated answer.

한 번 검증된 워크로드는 저장 및 재사용이 가능하여 반복적인 모델 상호작용과 이에 따른 컴퓨팅 비용을 줄여줍니다. 또한 이는 엔지니어링 지식을 보존합니다. 제조업체들은 특히 긴 수명을 가진 제품을 스크리닝할 때 일관되고 감사 가능한(auditable) 의사결정이 필요합니다. 절차를 유지함으로써 단순히 AI가 생성한 답변에만 의존하는 대신 결과가 도출된 과정을 역추적할 수 있습니다.

Michaels explained the architecture supporting this approach. Aurora shifts heavy analysis from desktop clients to distributed server-side computation. Its FUSE computing stack addresses both parallel processing and parallel data access, accommodating very wide development datasets and extensive high-volume manufacturing histories. Caching and reusable intermediate results further improve efficiency.

마이클스 CTO는 이러한 접근 방식을 뒷받침하는 아키텍처를 설명했습니다. 오로라는 무거운 분석 연산을 데스크톱 클라이언트에서 분산된 서버 측 연산으로 전환합니다. FUSE 컴퓨팅 스택은 병렬 처리와 병렬 데이터 접근을 모두 처리하여, 매우 방대한 개발 데이터셋과 대규모 고용량 제조 이력을 수용할 수 있습니다. 캐싱과 재사용 가능한 중간 결과물은 효율성을 한층 더 높여줍니다.

Michaels reported approximately 25-fold performance improvements in internal testing at comparable hardware spending. These are company-reported figures whose applicability depends on the workload. The broader objective is to make analyses practical that previously required excessive time or computing capacity.

마이클스는 유사한 하드웨어 비용 조건 하에서 사내 테스트 결과 약 25배의 성능 향상을 기록했다고 보고했습니다. 이는 회사 측이 발표한 수치이며 실효성은 워크로드에 따라 다릅니다. 더 큰 목표는 과거에 과도한 시간이나 컴퓨팅 자원을 요구했던 분석 작업을 실용적인 수준으로 만드는 것입니다.

Taking models into production

Exensio StudioAI provides the framework for model development, deployment, monitoring and governance. Tracking model versions and operating locations matters when an automated screening decision must be reconstructed months or years later.

Exensio StudioAI는 모델 개발, 배포, 모니터링, 거버넌스를 위한 프레임워크를 제공합니다. 자동화된 스크리닝 결정 사항을 수개월 또는 수년이 지난 뒤에 재구성해야 할 때 모델 버전과 실행 위치를 추적하는 것은 매우 중요합니다.

Deployment depends on the application. Time-critical algorithms may run directly on testers or process tools. Factory-level analysis can combine information from multiple machines, while less urgent work can run centrally or in the cloud. Michaels emphasized an open architecture that supports customers’ own models, libraries, data stores and agents.

배포 방식은 용도에 따라 다릅니다. 시간 임계형(time-critical) 알고리즘은 테스터나 공정 장비에서 직접 구동될 수 있고, 팹 레벨 분석은 여러 기기의 정보를 결합할 수 있으며, 긴급하지 않은 작업은 중앙 서버나 클라우드에서 처리할 수 있습니다. 마이클스는 고객사 자체 모델, 라이브러리, 데이터 저장소, 에이전트를 지원하는 개방형 아키텍처를 강조했습니다.

Exensio Aurora also expands the representation of manufacturing history beyond flat tables. Repeated measurements, retests, derived values and relationships among wafers, dies and assembly stages must remain connected. Integrating design and product-lifecycle information supplies additional context for analysis.

또한 엑센시오 오로라는 평면 테이블 형태를 넘어선 제조 이력 표현 방식을 확장합니다. 반복 측정, retest, 파생값, 웨이퍼·다이·조립 단계 간의 관계가 계속 연결되어 있어야 합니다. 설계 및 제품 라이프사이클 정보를 통합하면 분석에 필요한 추가 컨텍스트를 제공할 수 있습니다.

A detailed demonstration was provided of how LLMs can be used to “dialog with the data” and create successive analytical workflows that can be saved and reused later for similar purposes ensuring repeatability, predictability and efficiency while encoding the specific engineering knowledge of the users.

LLM을 이용해 "데이터와 대화(dialog with the data)"를 나누고, 유사한 목적으로 나중에 저장 및 재사용할 수 있는 연속적 분석 워크로드를 생성하여 반복성, 예측 가능성, 효율성을 보장하는 동시에 사용자의 고유한 엔지니어링 지식을 인코딩하는 시연이 상세히 이루어졌습니다.

Kibarian linked these capabilities with secureWISE, which supports controlled, encrypted collaboration between fabs and equipment suppliers. PDF Solutions is extending that connectivity toward fabless companies and outsourced assembly and test providers. Sapience Manufacturing Hub adds connections between manufacturing information and enterprise processes, helping analytical insights inform operational and business decisions.

키바리안은 이러한 기능들을 팹과 장비 공급업체 간의 통제되고 암호화된 협업을 지원하는 시큐어와이즈(secureWISE)와 연결했습니다. PDF 솔루션즈는 이 연결성을 팹리스 기업과 OSAT 업체들로 확장하고 있습니다. 아울러 사피엔스 제조 허브(Sapience Manufacturing Hub)는 제조 정보와 기업 프로세스 간의 연결 고리를 더해 분석적 통찰이 운영 및 비즈니스 의사결정에 반영되도록 돕습니다.

A successful event with a clear direction

CONNECT 2026 succeeded in giving PDF Solutions’ strategy a concrete technical foundation. Kibarian established the manufacturing problem; Michaels explained the architecture intended to address it. Together, the keynotes presented a coherent path from better data to reusable analysis and coordinated action.

CONNECT 2026은 PDF 솔루션즈의 전략에 구체적인 기술적 토대를 부여하는 데 성공했습니다. 키바리안 CEO는 제조 현장의 문제를 명확히 규정했고, 마이클스 CTO는 이를 해결하기 위한 아키텍처를 설명했습니다. 두 사람의 기조연설은 더 나은 데이터에서 시작해 재사용 가능한 분석, 그리고 조율된 행동으로 이어지는 일관된 청사진을 제시했습니다.

The event’s lasting message was practical: AI’s value in semiconductor manufacturing will be measured by faster diagnosis, better equipment utilization and production decisions that engineers can understand and trust.

행사가 남긴 지속적인 메시지는 실용적이었습니다. 반도체 제조에서 AI의 가치는 더 빠른 진단, 향상된 장비 가동률, 그리고 엔지니어들이 이해하고 신뢰할 수 있는 생산 의사결정을 통해 평가될 것입니다.