芯东西（公众号：aichip001）
编译 | 高歌
编辑 | 心缘
芯东西3月18日消息，芯片检测环节靠不靠谱、高不高效，对于英特尔、台积电、三星电子等芯片制造商的盈利极其重要。
一旦没能及时发现致命缺陷，就可能对芯片生产造成重大损失。
针对这一挑战，本周二，全球最大半导体设备制造商应用材料公司推出了一个“杀手级”新品——新一代光学半导体晶圆检测机。
该机器引入了大数据和AI技术，不仅能自动检测更多芯片，而且大幅提升检测致命缺陷的效率，其系统每小时可减少260万美元的良率损失。
一台这样的机器，价值数百万美元，而它能给芯片厂创造的收益，可能会超过220亿美元！
“我们相信，这是业界最快的高端光学检测机，速度提高了3倍，并能发现对良率至关重要的缺陷。”应用材料集团副总裁Keith Wells说。
一、芯片检测出bug，整条生产线可能打水漂
随着芯片制程走向5nm、3nm，芯片制造中检测缺陷的环节越来越复杂，成本也不断攀新高。
从操作复杂性来看，无法足够快地检查芯片缺陷，是长期限制芯片生产速度的阻碍之一。
因为先进芯片表面的电路间距只有5nm，约是头发丝直径的1/100000，所以通过透镜发现芯片表面缺陷的难度越来越大。
▲检测难度在不断增加（来源：应用材料）
从建设成本来看，10年前，芯片厂建设成本大约为90亿美元，如今成本已经超过180亿美元，足足增加了1倍有余。
另据市场分析公司VLSI Research首席执行官Dan Hutcheson分享，当前一座先进晶圆厂成本约为220亿美元，几乎相当于两艘航空母舰和65架F22战斗机的总和。
制造芯片需要经历几百道复杂的工序。其中，检测费用约占先进晶圆厂成本的10%。
▲芯片制造成本和技术难度趋势（来源：应用材料）
对于全球芯片制造商来说，影响芯片良率和制造成本的检测环节，是必须要优化的方向。
一方面，如果能节省开发优化先进工艺节点所需的时间，提高生产效率，可能价值数十亿美元。
另一方面，假如因为没能及时发现致命的芯片缺陷，造成生产延误，则将导致芯片厂闲置和大量资金损失。
存储芯片受到的影响更甚，停机一周可能会造成年产量降低2%。更严重的是，随着时间推移，芯片价格会迅速降低，假如不能按预期产品路线图推进，可能严重损害公司的收益。
“只有卖出数百万颗芯片，才能赚钱。”Wells说。
二、应用材料新方案：每小时拯救260万美元
过去三十多年，如何能快速准确地识别出芯片的致命缺陷，一直是芯片工程师努力研究的方向。
对此，应用材料公司提出了新的检测过程控制手册，旨在将大数据和人工智能（AI）技术的优势引入芯片制造过程中的检测环节。
▲Enlight、Extract AI和SemVision eBeam构成了应用材料芯片检测新解决方案的三个要素（来源：应用材料）
该解决方案包含三个要素，分别是：Enlight光学晶圆检测系统、ExtractAI AI技术和SEMVision电子束审查系统。据悉，与传统方法相比，这些要素可以实时协同工作，能更快、更好、更低成本地找到缺陷并加以分类。
在市场分析公司VLSI Research首席执行官Dan Hutcheson看来，应用材料公司有史以来最快的检测工具——最新Enlight系统——正是解决快速识别芯片致命缺陷的突破性方法。
他在一封电子邮件中写道，因为能缩短应对正常良率偏差的时间，Enlight每小时可以减少260万美元的良率损失（即因芯片缺陷而损失的晶圆片占比）。
三、Enlight：检测成本只有竞品的1/3
由于只有一小部分缺陷是会导致芯片出故障的致命缺陷，因此在Wells看来，挑战在于为客户提供可操作的数据。
经过五年的研发，Enlight系统结合了业界领先的速度、高分辨率和先进光学扫描仪，每次扫描能采集更多对良率至关重要的数据。
Enlight系统的架构使它具备更高的成本优势，其检测出关键缺陷所耗的成本，只有竞品的1/3。
▲为大数据采集而优化的Enlight系统（来源：应用材料）
从检测过程来看，该系统先用光学扫描仪在大约15分钟内快速扫描找到芯片上的问题区域，再用电子显微镜对这些区域进行仔细检查。
据介绍，其最新的扫描电子显微镜，能帮助识别从光学检测仪发出的信号，来对缺陷进行分类。
借助大数据和AI技术，Enlight系统可以快速且精准地检测到芯片表面的异常情况（比如两条电路线交叉可能造成芯片短路），然后在可能的情况下自动修复缺陷。
这样一来，缺陷就不会破坏电路，从而帮助芯片制造商增加每片晶圆的收入。
据Wells回忆，过去五年，他们已经看到检测工具的成本不断增加，有些客户通过减少检测量来应对成本压力，但减少检测点又会遇到良率问题。
而使用Enlight显著节省成本后，芯片制造商可以在工艺流程中增设更多的检查点，由此增强“生产线监控”的可用性。
该方法能在芯片良率出现偏差之前对其进行预测，检测出偏差就及时停止晶圆加工，从而保护良率，并通过追溯根本原因优化纠正措施，快速恢复大批量生产。
四、ExtractAI：大幅提升效率，检查只需1小时
如何从高端光学扫描仪产生的数百万个信号或噪声中，快速、准确区分出导致良率下降的缺陷？这是晶圆检查中最困难的问题。
应用材料数据科学家们开发的AI技术ExtractAI，即是为了解决这一难题而生。
初始光学扫描可能会在硅晶圆上发现100万个可能存在问题的区域，用电子显微镜需花费几天来检查每一个区域，其中多数时间都是浪费的。
而ExtractAI能将需要更精细检查的问题区域数量，从大约100万个减少到大约1000个。
这使得ExtractAI技术的效率极高：仅检查了0.001％的问题区域，即可描述晶圆图上所有的潜在缺陷。最终结果是一个可操作的缺陷分类图，能加速半导体节点的开发并优化良率。
应用材料集团副总裁Keith Wells说，基于AI的检查仅需1小时左右。
过去，芯片制造商部署的AI分类引擎是静态的，没有自动学习和适应能力，但芯片制造工艺或制造芯片的方法是经常变化的。
因此Wells认为，下一个必要步骤是让AI技术具有自适应性，能在大批量生产时快速发现新缺陷，同时随着扫描更多晶圆，而逐渐提高其性能和有效性，最终帮芯片制造商更快地解决问题。
ExtractAI技术用高分辨率扫描来检测严重缺陷，可实时学习和调整缺陷的分类，一旦实际缺陷被消除，系统下一次就学会适应更好的检测技术。
五、SemVision：全球最先进的电子束审查技术
三要素的另一成员是SemVision系统，这是世界上最先进、应用最广泛的电子束审查技术，全球各地芯片工厂已安装了1500套该系统。
这一系统通过使用ExtractAI技术对Enlight系统进行训练，能对影响良率的缺陷进行分类。
ExtractAI在客户光学检测系统生成的大数据与SEMVision系统之间建立了实时连接，通过推理，Enlight系统解析晶圆图上的所有信号，从噪声中区分出影响良率的缺陷。
当前应用材料SemVision G7系统的大型安装基础已与新Enlight系统和ExtractAI技术兼容。
通过实时协作，Enlight系统、ExtractAI技术和SemVision系统可帮助芯片制造商提高识别关键芯片缺陷的效率，从而提高产量和利润率。
“业界希望通过更多的检测实现更好的经济价值信息，我们正努力提供这些。”Wells说。
结语：AI技术正渗透到更多芯片业核心环节
从2020年至今，芯片短缺问题逐渐蔓延至全球汽车、消费电子领域，应用材料公司对其芯片检测设备的最新改进可谓是恰逢其时。
据路透社报道，从去年开始，应用材料就一直在与客户测试该系统，并称迄今已创造了超过4亿美元的收益。
借助AI技术，应用材料推出的新光学晶圆检测系统，能以更高效、精准地自动检测芯片缺陷，而外媒VentureBeat提供的数据显示，仅这类检测机的全球市场规模就达到20亿美元。
除了优化检测环节外，近年来，AI正逐渐渗透到更多芯片产业链的关键环节。
比如科技巨头谷歌训练AI算法来优化芯片架构设计，EDA巨头新思科技推出AI工具来降低芯片设计门槛，另一家EDA巨头Cadence也用AI来优化芯片设计全流程的生产效率……
随着AI进一步普及，不仅将从需求端催化新兴芯片架构的繁荣，还将传统的芯片产业链流程推向新的智能化阶段。
来源：路透社、VentureBeat
