1个钟头节省260万美元，应用材料用AI纠错芯片，造福三星台积电

转载：本文嚟自微信公众号“芯嘢”（ID:aichip001），编译：高歌，编辑：心缘，转载经授权发布。

芯嘢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嘅盈利极其重要。

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。

针对呢一挑战，本周二，全球最大半导体设备制造商应用材料公司推出‌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‌大数据同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嘅效率，其系统每个钟头可减少260万美元嘅良率损失。

一台咁样嘅机器，价值数百万美元，而佢能畀芯片厂创造嘅收益，但系能会超过220亿美元！

“我哋相信，这是业界最快嘅高端光学检测机，速度提高‌3倍，并能发现对良率至关重要嘅缺陷。”应用材料集团副总裁Keith Wells说。

01.

芯片检测出bug，整条生产线可能冻过水

随住芯片制程走向5nm、3nm，芯片制造中检测缺陷嘅环节越嚟越复杂，成本都不断攀新高。

从操作复杂性嚟睇，无办法足够快地检查芯片缺陷，是长期限制芯片生产速度嘅阻碍之一。

因为先进芯片表面嘅电路间距只有5nm，约是头发丝直径嘅1/100000，所以通过透镜发现芯片表面缺陷嘅难度越嚟越大。

▲检测难度在不断增加（嚟源：应用材料）

从建设成本嚟睇，10年前，芯片厂建设成本大约为90亿美元，而家成本已经超过180亿美元，足足增加‌1倍有余。

另据市场分析公司VLSI Research首席执行官Dan Hutcheson分享，家阵时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同65架F22战斗机嘅总同。

制造芯片需要经历几百道复杂嘅工序。其度，检测费用约占先进晶圆厂成本嘅10%。

▲芯片制造成本同技术难度趋势（嚟源：应用材料）

对于全球芯片制造商嚟讲，影响芯片良率同制造成本嘅检测环节，是必须要优化嘅方向。

一方面，如果能节省开发优化先进工艺节点所需嘅时间，提高生产效率，但系能价值数十亿美元。

另一方面，假如因为没能及时发现致命嘅芯片缺陷，造成生产延误，则将导致芯片厂闲置同大量资金损失。

存储芯片受到嘅影响更甚，停机一周可能会造成年产量降低2%。更严重嘅是，随住时间推移，芯片价格会迅速降低，假如唔可以按预期产品路线图推进，但系能严重损害公司嘅收益。

“只有卖出数百万粒芯片，先能赚钱。”Wells说。

02.

应用材料新方案：每个钟头拯救260万美元

过去三十多年，点样能快速准确地识别出芯片嘅致命缺陷，一直是芯片工程师努力研究嘅方向。

对此，应用材料公司提出‌新嘅检测过程控制手册，旨在将大数据同人工智能（AI）技术嘅优势引入芯片制造过程中嘅检测环节。

▲Enlight、Extract AI同SemVision eBeam构成‌应用材料芯片检测新解决方案嘅三个要素（嚟源：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技术同SEMVision电子束审查系统。据悉，同传统方法相比，呢啲要素可以实时协同工作，能更快、更好、更低成本地揾到缺陷并加以分类。

在市场分析公司VLSI Research首席执行官Dan Hutcheson睇嚟，应用材料公司有史以嚟最快嘅检测工具——最新Enlight系统——正是解决快速识别芯片致命缺陷嘅突破性方法。

佢在一封电子邮件中写道，因为能缩短应对正常良率偏差嘅时间，Enlight每个钟头可以减少260万美元嘅良率损失（即因芯片缺陷而损失嘅晶圆片占比）。

03.

Enlight：检测成本只有竞品嘅1/3

由于只有一小部分缺陷是会导致芯片出故障嘅致命缺陷，因此在Wells睇嚟，挑战在于为客户提供可操作嘅数据。

经过五年嘅研发，Enlight系统结合‌业界领先嘅速度、高分辨率同先进光学扫描仪，每次扫描能采集更多对良率至关重要嘅数据。

Enlight系统嘅架构使佢具备更高嘅成本优势，其检测出关键缺陷所耗嘅成本，只有竞品嘅1/3。

▲为大数据采集而优化嘅Enlight系统（嚟源：应用材料）

从检测过程嚟睇，该系统先用光学扫描仪在大约15分钟内快速扫描揾到芯片上嘅问题区域，再用电子显微镜对呢啲区域进行仔细检查。

据介绍，其最新嘅扫描电子显微镜，能帮助识别从光学检测仪发出嘅信号，嚟对缺陷进行分类。

借助大数据同AI技术，Enlight系统可以快速且精准地检测到芯片表面嘅异常情况（比如两条电路线交叉可能造成芯片短路），然后在可能嘅情况下自动修复缺陷。

咁样一嚟，缺陷就唔会破坏电路，从而帮助芯片制造商增加每片晶圆嘅收入。

据Wells回忆，过去五年，佢哋已经睇到检测工具嘅成本不断增加，有啲客户通过减少检测量嚟应对成本压力，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嘅检查点，由此增强“生产线监控”嘅可用性。

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。

04.

ExtractAI：大幅提升效率，检查剩系要1个钟头

点样从高端光学扫描仪产生嘅数百万个信号或噪声度，快速、准确区分出导致良率下降嘅缺陷？这是晶圆检查中最困难嘅问题。

应用材料数据科学家哋开发嘅AI技术ExtractAI，即是为认识决呢一难题而生。

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嘅区域，用电子显微镜需花费几日嚟检查每一个区域，其中多数时间都系浪费嘅。

而ExtractAI能将需要更精细检查嘅问题区域数量，从大约100万个减少到大约1000个。

这使得ExtractAI技术嘅效率极高：仅检查‌0.001％嘅问题区域，即可描述晶圆图上所有嘅潜在缺陷。最终结果是一个可操作嘅缺陷分类图，能加速半导体节点嘅开发并优化良率。

应用材料集团副总裁Keith Wells说，基于AI嘅检查仅需1个钟头左右。

过去，芯片制造商部署嘅AI分类引擎是静态嘅，没有自动学习同适应能力，但芯片制造工艺或制造芯片嘅方法是经常变化嘅。

因此Wells认为，下一个必要步骤是等AI技术具有自适应性，能在大批量生产时快速发现新缺陷，同时随住扫描更多晶圆，而逐渐提高其性能同有效性，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嚟检测严重缺陷，但系实时学习同调整缺陷嘅分类，一旦实际缺陷被消除，系统下一次就学会适应更好嘅检测技术。

05.

SemVision：全球最先进嘅电子束审查技术

三要素嘅另一成员是SemVision系统，这是世界上最先进、应用最广泛嘅电子束审查技术，全球各地芯片工厂已安装‌1500套该系统。

呢一系统通过使用ExtractAI技术对Enlight系统进行训练，能对影响良率嘅缺陷进行分类。

ExtractAI在客户光学检测系统生成嘅大数据同SEMVision系统之间建立‌实时连接，通过推理，Enlight系统解析晶圆图上嘅所有信号，从噪声中区分出影响良率嘅缺陷。

家阵时应用材料SemVision G7系统嘅大型安装基础已同新Enlight系统同ExtractAI技术兼容。

通过实时协作，Enlight系统、ExtractAI技术同SemVision系统可帮助芯片制造商提高识别关键芯片缺陷嘅效率，从而提高产量同利润率。

“业界希望通过更多嘅检测实现更好嘅经济价值信息，我哋正努力提供呢啲。”Wells说。

06.

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嘅最新改进可谓是恰逢其时。

据路透社报道，从上年开始，应用材料就一直在同客户测试该系统，并称迄今已创造‌超过4亿美元嘅收益。

借助AI技术，应用材料推出嘅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提供嘅数据显示，仅呢类检测机嘅全球市场规模就达到20亿美元。

除咗优化检测环节外，近年嚟，AI正逐渐渗透到更多芯片产业链嘅关键环节。

比如科技巨头谷歌训练AI算法嚟优化芯片架构设计，EDA巨头新思科技推出AI工具嚟降低芯片设计门槛，另一家EDA巨头Cadence都用AI嚟优化芯片设计全流程嘅生产效率……

随住AI进一步普及，不仅将从需求端催化新兴芯片架构嘅繁荣，仲将传统嘅芯片产业链流程推向新嘅智能化阶段。

嚟源：路透社、VentureBeat