芯東西3月18日消息，芯片檢測環節靠不靠譜、高不高效，對于英特爾、臺積電、三星電子等芯片制造商的盈利極其重要。

　　一旦沒能及時發現致命缺陷，就可能對芯片生產造成重大損失。

　　針對這一挑戰，本周二，全球最大半導體設備制造商應用材料公司推出了一個“殺手級”新品——新一代光學半導體晶圓檢測機。

　　該機器引入了大數據和AI技術，不僅能自動檢測更多芯片，而且大幅提升檢測致命缺陷的效率，其系統每小時可減少260萬美元的良率損失。

　　一臺這樣的機器，價值數百萬美元，而它能給芯片廠創造的收益，可能會超過220億美元！

　　“我們相信，這是業界最快的高端光學檢測機，速度提高了3倍，并能發現對良率至關重要的缺陷。”應用材料集團副總裁Keith Wells說。

　　本文福利：芯片測試在保證芯片性能、提高產業鏈運轉效率方面具有重要作用。31頁報告詳解試驗龍頭進軍芯片檢測，有怎樣的發展空間。在公眾號對話框回復【芯東西0106】下載獲取。

　　01.

　　芯片檢測出bug，整條生產線可能打水漂

　　隨著芯片制程走向5nm、3nm，芯片制造中檢測缺陷的環節越來越復雜，成本也不斷攀新高。

　　從操作復雜性來看，無法足夠快地檢查芯片缺陷，是長期限制芯片生產速度的阻礙之一。

　　因為先進芯片表面的電路間距只有5nm，約是頭發絲直徑的1/100000，所以通過透鏡發現芯片表面缺陷的難度越來越大。

　　▲檢測難度在不斷增加（來源：應用材料）

　　從建設成本來看，10年前，芯片廠建設成本大約為90億美元，如今成本已經超過180億美元，足足增加了1倍有余。

　　另據市場分析公司VLSI Research首席執行官Dan Hutcheson分享，當前一座先進晶圓廠成本約為220億美元，幾乎相當于兩艘航空母艦和65架F22戰斗機的總和。

　　制造芯片需要經歷幾百道復雜的工序。其中，檢測費用約占先進晶圓廠成本的10%。

　　▲芯片制造成本和技術難度趨勢（來源：應用材料）

　　對于全球芯片制造商來說，影響芯片良率和制造成本的檢測環節，是必須要優化的方向。

　　一方面，如果能節省開發優化先進工藝節點所需的時間，提高生產效率，可能價值數十億美元。

　　另一方面，假如因為沒能及時發現致命的芯片缺陷，造成生產延誤，則將導致芯片廠閑置和大量資金損失。

　　存儲芯片受到的影響更甚，停機一周可能會造成年產量降低2%。更嚴重的是，隨著時間推移，芯片價格會迅速降低，假如不能按預期產品路線圖推進，可能嚴重損害公司的收益。

　　“只有賣出數百萬顆芯片，才能賺錢。”Wells說。

　　02.

　　應用材料新方案：每小時拯救260萬美元

　　過去三十多年，如何能快速準確地識別出芯片的致命缺陷，一直是芯片工程師努力研究的方向。

　　對此，應用材料公司提出了新的檢測過程控制手冊，旨在將大數據和人工智能（AI）技術的優勢引入芯片制造過程中的檢測環節。

　　▲Enlight、Extract AI和SemVision eBeam構成了應用材料芯片檢測新解決方案的三個要素（來源：應用材料）

　　該解決方案包含三個要素，分別是：Enlight光學晶圓檢測系統、ExtractAI AI技術和SEMVision電子束審查系統。據悉，與傳統方法相比，這些要素可以實時協同工作，能更快、更好、更低成本地找到缺陷并加以分類。

　　在市場分析公司VLSI Research首席執行官Dan Hutcheson看來，應用材料公司有史以來最快的檢測工具——最新Enlight系統——正是解決快速識別芯片致命缺陷的突破性方法。

　　他在一封電子郵件中寫道，因為能縮短應對正常良率偏差的時間，Enlight每小時可以減少260萬美元的良率損失（即因芯片缺陷而損失的晶圓片占比）。

　　03.

　　Enlight：檢測成本只有競品的1/3

　　由于只有一小部分缺陷是會導致芯片出故障的致命缺陷，因此在Wells看來，挑戰在于為客戶提供可操作的數據。

　　經過五年的研發，Enlight系統結合了業界領先的速度、高分辨率和先進光學掃描儀，每次掃描能采集更多對良率至關重要的數據。

　　Enlight系統的架構使它具備更高的成本優勢，其檢測出關鍵缺陷所耗的成本，只有競品的1/3。

　　▲為大數據采集而優化的Enlight系統（來源：應用材料）

　　從檢測過程來看，該系統先用光學掃描儀在大約15分鐘內快速掃描找到芯片上的問題區域，再用電子顯微鏡對這些區域進行仔細檢查。

　　據介紹，其最新的掃描電子顯微鏡，能幫助識別從光學檢測儀發出的信號，來對缺陷進行分類。

　　借助大數據和AI技術，Enlight系統可以快速且精準地檢測到芯片表面的異常情況（比如兩條電路線交叉可能造成芯片短路），然后在可能的情況下自動修復缺陷。

　　這樣一來，缺陷就不會破壞電路，從而幫助芯片制造商增加每片晶圓的收入。

　　據Wells回憶，過去五年，他們已經看到檢測工具的成本不斷增加，有些客戶通過減少檢測量來應對成本壓力，但減少檢測點又會遇到良率問題。

　　而使用Enlight顯著節省成本后，芯片制造商可以在工藝流程中增設更多的檢查點，由此增強“生產線監控”的可用性。

　　該方法能在芯片良率出現偏差之前對其進行預測，檢測出偏差就及時停止晶圓加工，從而保護良率，并通過追溯根本原因優化糾正措施，快速恢復大批量生產。

　　04.

　　ExtractAI：大幅提升效率，檢查只需1小時

　　如何從高端光學掃描儀產生的數百萬個信號或噪聲中，快速、準確區分出導致良率下降的缺陷？這是晶圓檢查中最困難的問題。

　　應用材料數據科學家們開發的AI技術ExtractAI，即是為了解決這一難題而生。

　　初始光學掃描可能會在硅晶圓上發現100萬個可能存在問題的區域，用電子顯微鏡需花費幾天來檢查每一個區域，其中多數時間都是浪費的。

　　而ExtractAI能將需要更精細檢查的問題區域數量，從大約100萬個減少到大約1000個。

　　這使得ExtractAI技術的效率極高：僅檢查了0.001％的問題區域，即可描述晶圓圖上所有的潛在缺陷。最終結果是一個可操作的缺陷分類圖，能加速半導體節點的開發并優化良率。

　　應用材料集團副總裁Keith Wells說，基于AI的檢查僅需1小時左右。

　　過去，芯片制造商部署的AI分類引擎是靜態的，沒有自動學習和適應能力，但芯片制造工藝或制造芯片的方法是經常變化的。

　　因此Wells認為，下一個必要步驟是讓AI技術具有自適應性，能在大批量生產時快速發現新缺陷，同時隨著掃描更多晶圓，而逐漸提高其性能和有效性，最終幫芯片制造商更快地解決問題。

　　ExtractAI技術用高分辨率掃描來檢測嚴重缺陷，可實時學習和調整缺陷的分類，一旦實際缺陷被消除，系統下一次就學會適應更好的檢測技術。

　　05.

　　SemVision：全球最先進的電子束審查技術

　　三要素的另一成員是SemVision系統，這是世界上最先進、應用最廣泛的電子束審查技術，全球各地芯片工廠已安裝了1500套該系統。

　　這一系統通過使用ExtractAI技術對Enlight系統進行訓練，能對影響良率的缺陷進行分類。

　　ExtractAI在客戶光學檢測系統生成的大數據與SEMVision系統之間建立了實時連接，通過推理，Enlight系統解析晶圓圖上的所有信號，從噪聲中區分出影響良率的缺陷。

　　當前應用材料SemVision G7系統的大型安裝基礎已與新Enlight系統和ExtractAI技術兼容。

　　通過實時協作，Enlight系統、ExtractAI技術和SemVision系統可幫助芯片制造商提高識別關鍵芯片缺陷的效率，從而提高產量和利潤率。

　　“業界希望通過更多的檢測實現更好的經濟價值信息，我們正努力提供這些。”Wells說。

　　06.

　　結語：AI技術正滲透到更多芯片業核心環節

　　從2020年至今，芯片短缺問題逐漸蔓延至全球汽車、消費電子領域，應用材料公司對其芯片檢測設備的最新改進可謂是恰逢其時。

　　據路透社報道，從去年開始，應用材料就一直在與客戶測試該系統，并稱迄今已創造了超過4億美元的收益。

　　借助AI技術，應用材料推出的新光學晶圓檢測系統，能以更高效、精準地自動檢測芯片缺陷，而外媒VentureBeat提供的數據顯示，僅這類檢測機的全球市場規模就達到20億美元。

　　除了優化檢測環節外，近年來，AI正逐漸滲透到更多芯片產業鏈的關鍵環節。

　　比如科技巨頭谷歌訓練AI算法來優化芯片架構設計，EDA巨頭新思科技推出AI工具來降低芯片設計門檻，另一家EDA巨頭Cadence也用AI來優化芯片設計全流程的生產效率……

　　隨著AI進一步普及，不僅將從需求端催化新興芯片架構的繁榮，還將傳統的芯片產業鏈流程推向新的智能化階段。