研發一顆芯片需要多少錢?

如果只看芯片制造這一個階段，粗略估計，7nm工藝的流片費用大約在3000萬美元左右。如果流片失敗了，就要重新復盤修復bug, 然后再次嘗試流片直到成功為止，才能進行大規模量產。因此在半導體制造行業，降低成本是個永恒的課題。一顆晶圓上能正常工作的芯片數量如果能夠得到提升，就會直接關系到產品的利潤。

隨著工藝的演進，一顆芯片上所集成的晶體管的數量越來越多，但尺寸越來越小，同時在開發者們嘗試采用新的封裝技術等多重挑戰之下，良率更難被保證，芯片制造的任務越來越艱巨。

如果能通過實時的自動化數據分析，讓開發者們清晰明了地“看到”芯片存在的問題，并提前解決，就可以很大程度上避免重復耗時且成本高昂的流片測試，甚至故障芯片。

新思科技與半導體測試設備領先企業Advantest達成合作，共同解決從測試平臺到分析平臺之間的實時數據流問題，并通過數據分析所洞見的關鍵信息，幫助開發者們在制造流程的早期階段就發現問題并進行修復，從而最大程度地提高良率、降低測試成本并防止生產出故障芯片。

為什么管理芯片數據這么難?

外包半導體封裝和測試(OSAT)代工廠為芯片開發團隊提供封裝和測試服務。這一工作發生在流程的后端，也就是在將芯片集成到終端設備之前。從沒有器件封裝和測試基礎設施的設計公司，到專注于生產線前端的代工廠，都對OSAT有著強勁需求。

在“萬物智能”的世界，人們對半導體的需求非常高。在OSAT的測試環境中存儲著非常寶貴的數據，因此OSAT是電子產業是電子產業供應鏈中的重要一環。

傳統的獲取數據的方法是從正在測試中的芯片上收集測試數據并進行分析，但這個過程一直是手動的，而且并非實時進行，因此觀察到現存缺陷的時間通常太晚，對最終產品也就沒什么幫助了。

OSAT測試平臺的開發者們只有在每個晶圓完成測試后，或是一個批次或子批次的封裝器件完成測試之后，才會從每個測試設備中生成標準測試數據格式(STDF)文件，接著將數據上傳到基于云的服務器環境。然后，分析軟件便可以訪問這些數據，但通常等到分析完成已為時過晚，根本無法在有問題的芯片進入流片環節之前予以阻止。

即便我們可以攔截有問題的芯片，但很多其他芯片可能已經受到相同問題的影響。在確定適當的糾正措施后，還需要進行重新測試，所需的測試次數和相關成本都遠高于實時解決問題的情況。而且采用手動分析時，含有各種數據的測試文件還有可能被截獲，從而引發安全問題。

此外，芯片制造和測試的生態系統非常龐大。制造和測試部門通常遍布全球各地，為芯片制造的不同階段提供支持。在制造和測試過程中會產生大量不同類型、不同格式的芯片數據，因此從數據的收集和存儲，到對數據進行監控和調整從而提高數據質量，再到最后分析數據以獲得有用的見解，都十分具有挑戰性。

所以說，實時自動化的數據收集和分析對開發者而言具有諸多優勢。

有價值的芯片數據實時分析

讓芯片制造和測試事半功倍

新思科技與Advantest聯合開發了實時數據分析解決方案，即通過應用程序編程接口(API)將來自測試設備的數據持續不斷地直接傳輸到分析工具以實現流程自動化，從而更有效地將數據轉化為可見的關鍵信息，如致命缺陷，開發者們可以立即采取行動。

該解決方案基于Advantest Cloud Solutions(ACS)Nexus實時數據流基礎架構，以及新思科技面向半導體制造和測試的SiliconDash數據分析解決方案。ACS Nexus支持通過中央標準化軟件接口，訪問來自多個測試單元的聚合數據流，該基礎架構已緊密集成到Advantest設備平臺中。SiliconDash解決方案是新思科技芯片生命周期管理產品系列的一部分，其用戶包括OSAT、芯片設計公司、代工廠、集成設備制造商(IDM)，可為集成電路和多芯片模塊(MCM)產品的制造和測試提供全面且實時的商業洞見。

Advantest為其半導體制造設備平臺搭建了一個分析生態系統。在這個生態系統中，Advantest的團隊、客戶以及第三方能夠開發先進的機器學習和數據分析解決方案。Advantest與新思科技攜手合作，創造了一種可通過API將數據自動加載到云端，以供SiliconDash解決方案實時訪問的方式。該解決方案基于來自整個制造鏈(包括分散各地的制造和測試運營部門)的數據流，提供了實時的系統性和全自動化數據準備和分析。用戶可以即時訪問儀表板、可視化圖表和報告，其中用戶關注的問題及要點會被自動突出顯示，而無需進行任何特殊查詢或對數據集進行任何手動操作。通過這種方式，開發者們能夠獲得實時數據分析所提供的關鍵決策信息。這種方式還可以確保測試數據是通過安全可靠的方式收集的。

案例分享

通過對芯片數據的掌握，開發者們就能夠實現各種各樣的用例：

1)即時確定問題根源通過在整個供應鏈上實現器件級自動化追溯和分析，從而及時確定問題根源。嵌入到芯片內的電子芯片ID(ECID)，以及蝕刻在基板上或標記在樹脂上的二維碼，是在各個制造階段中實現端到端可追溯性所必需的。

如果有一批器件已經完成了大部分制造流程，其中大多數通過了晶圓測試，完成了裝配，并已封裝到成本昂貴的MCM中，結果卻在最終測試中意外發現良率問題，會怎么樣呢?在后期遇到系統性故障時，如果不能快速解決，其后果將是災難性的，開發者們將面臨無法按時向最終客戶交付產品的風險。如果返工，其成本會十分高昂。因此，時間至關重要。

通過將最終測試期間從封裝器件獲得的失效芯片結果與最終測試階段之前的所有可用制造測試數據自動關聯，可以實現問題根源分析。其目的是尋找上游參數，以便能夠預測在最終測試期間發現的下游問題，從而即時糾正錯誤。

2)實時自動化生產控制實時自動化生產控制是指通過使用預先配置的配方、算法和腳本的支持庫，讓質量可控。

示例1：待測器件卡在測試座上時，可能導致未經測試的芯片作為良品發貨。正常情況下，對于每個被測試的器件會有不同的參數數據。通過實時的數據觀察，系統可以在數據沒有變化時提醒技術人員，提示問題的存在，然后技術人員可以中止測試，并取下卡住的器件。

示例2：故障芯片的調整。如果測試設備出現偏差，那么芯片測試中就可能會出現結果參數的偏移，需要重新校正。如果沒有及時校正就會導致良品測試不通過，進而被丟棄，導致不必要的良率損失。一般而言開發者需要重新測試很多器件，甚至可能是整批器件。

示例3：測試設備負載板上的某一個測試座與其他測試座的測試結果不同。借助分析技術，開發者們可以檢查測試座之間的參數偏移。當這個差異大于某個百分比時，可以通知測試開發者或操作員，或者在經過授權的情況下，暫停設備運行，直至問題得到解決，而且這一操作不需要等到測試座之間的參數結果差異大到足以導致器件測試不通過是才能進行，其目標是在出現器件測試不通過之前，及早發現這類問題，從而避免良率出現明顯損失的風險。

此外，利用邊緣計算技術，可以在問題發生時即時檢測到測試座之間的差異，防止可能的良品芯片損失，減少不必要的重新測試。

3)提高晶圓測試效率在生產流程中，晶圓測試是一個高成本且耗時的步驟，通常對批次中的一個晶圓進行測試就需要數小時。如果探針測試座出現故障，無論是由于腐蝕、灰塵還是校正等問題造成的，都會導致芯片在測試座上的測試不通過。

一次測試未通過的芯片將進行重新測試。有些芯片可能會通過測試。但是，如果在同一個存在故障的測試座上進行重新測試，最終結果就是再一次測試未通過。最后，這些測試未通過的芯片將被丟棄，可能導致良品芯片的損失。

借助數據分析，探針測試座上連續出現測試未通過的情況就可以觀察到并被記錄下來，從而快速發現與測試設備相關的問題。實時分析的優勢就是能夠在晶圓測試完成之前解決問題，否則就必須等到晶圓完全完成測試并且STDF文件創建好后，那么這時就不得不重新測試整個晶圓，并承擔更多的測試成本。

4)篩查異常在動態零件平均測試(DPAT)中，有些參數沒有適當的限制，而另一些參數則根本沒有限制，這會讓包括潛在故障器件在內的“全部”器件都能通過測試并進入制造流程的后續環節。這些有故障的芯片如果交付給客戶，就會導致客戶的最終產品在使用期間出現嚴重問題。

出色的分析工具能夠提醒開發者這個參數測試是沒有任何限制的，而且可以給出具有統計學意義的數據結果，并根據結果的參數自動應用檢驗限值。

通常，開發者們會在最終測試期間等待100個封裝芯片完成測試，從而獲得足夠的數據樣本，然后對數據應用6σ分配，以創建新的測試限制。如果有器件標識(例如ECID)，開發者們便會知道在應用新測試限制后，哪些器件無法通過測試。這種情況下，開發者可以在測試設備上重新加載并識別出尚未使用新測試限制進行測試的器件。如果那些器件在使用新測試限制的情況下無法通過測試，就可以將它們視為故障器件予以淘汰，而無需重新測試。

但如果沒有器件標識，就需要重新測試應用新測試限制之前在測試設備上通過測試的所有器件。由于無法確定哪些以前通過測試的器件會在應用新限制后無法通過測試，開發者們必須在測試設備上對以前通過測試的每個器件都重新運行特定參數測試。

那么問題來了，開發者們能夠以多快的速度發現沒有測試限制的問題，來防止出現鼓掌芯片，同時還能夠限制重新測試的次數呢?在沒有元件標識，并且器件已經封裝并進行最終測試的情況下，實時的邊緣分析能夠實現最大的優勢。

在傳統方法中，只有在一個批次或子批次的測試完成后，才會創建和分析STDF文件。如果沒有元件標識，而且參數測試沒有限制，開發者就必須對整個批次或子批次進行一次重新測試。任何無法通過應用新限制測試的器件，都將被篩選淘汰。

通過實時分析，開發者能夠在開始測試一個批次或子批次時就發現問題。由于一個批次或子批次中含有大量的封裝器件，實時分析因此可以幫助開發者顯著節省測試時間。舉例來說，分析工具會告訴開發者有一個沒有任何限制的測試，且開發者們可以在建立測試限值之前繼續測試所需的“樣品”數量，所以只有少量樣本需要重新測試。此外，開發者還可以選擇立即停止測試并添加好規格限制來立即糾正測試程序。

Advantest的ACS Edge提供了一種高性能、高安全性的邊緣計算和分析解決方案，能夠基于算法和人工智能快速做出決策，在測試執行過程中僅有毫秒級延遲。ACS Edge可在異常篩查和DPAT中使用，經證明，實時現場決策在封裝測試過程中具有非常大的優勢。比如，ACE Edge可以在很小的測試時間內提供實時分析，且即使在器件內部沒有芯片ID也無需無需重新將器件插入測試做進行重新測試。

隨著人工智能、高性能計算、5G等應用的興起，IC開發和封裝變得更為復雜，要想實現較高的良率和質量，同時控制測試成本，開發者們需要面對更大的挑戰。Advantest和新思科技讓芯片生命周期管理的優勢更加明顯，通過實時數據分析為芯片開發者提供“”看得見“”的關鍵信息，從而及時修復問題，改進產品良率和質量，并降低成本，最終提高工程生產力并縮短產品上市時間。

審核編輯：湯梓紅