人工智能入侵芯片制造

目前人工智能（AI）正在變革多個(gè)行業(yè)。有一個(gè)很有趣的現(xiàn)象：人工智能正在幫助推動(dòng)人工智能芯片的進(jìn)步。早在2021年6月，谷歌就利用AI來(lái)設(shè)計(jì)其TPU芯片。谷歌表示，人工智能可以在不到6小時(shí)的時(shí)間內(nèi)完成人工需要數(shù)月時(shí)間完成的芯片設(shè)計(jì)工作?！禢ature》的一篇評(píng)論稱這項(xiàng)研究是一項(xiàng)“重要成就”，并指出此類工作可以幫助抵消摩爾定律的終結(jié)。除此之外，英偉達(dá)已經(jīng)開(kāi)始使用人工智能來(lái)有效地改進(jìn)和加速 GPU 設(shè)計(jì)；三星也已經(jīng)談?wù)摰搅耸褂萌斯ぶ悄茉O(shè)計(jì)芯片。

但這遠(yuǎn)不是人工智能輔助芯片的*應(yīng)用，AI技術(shù)正滲透到更多芯片業(yè)的核心環(huán)節(jié)，其中在制造這一芯片產(chǎn)業(yè)鏈的關(guān)鍵環(huán)節(jié)，AI也在悄然發(fā)力。

芯片制造環(huán)節(jié)，良率越來(lái)越受到考驗(yàn)

現(xiàn)在幾乎所有的應(yīng)用包括5G、物聯(lián)網(wǎng)、汽車、數(shù)據(jù)中心等的實(shí)現(xiàn)與發(fā)展都建立在更高性能、更低功耗、更大算力的芯片的基礎(chǔ)之上。芯片的需求大幅提升，而芯片的供應(yīng)卻跟不上需求，提升現(xiàn)有產(chǎn)品的良率是業(yè)內(nèi)公認(rèn)的有效措施。

然而，良率的提升卻給芯片設(shè)計(jì)商和制造商都帶來(lái)了很大的挑戰(zhàn)。

制造是半導(dǎo)體產(chǎn)業(yè)鏈的關(guān)鍵一環(huán)。整個(gè)制造過(guò)程主要分為八個(gè)步驟：晶圓加工 - 氧化 - 光刻 - 刻蝕 - 薄膜沉積 - 互連 - 測(cè)試 - 封裝，每個(gè)芯片的制造步驟又需要數(shù)百個(gè)工藝。芯片生產(chǎn)制造的周期動(dòng)輒兩三個(gè)月，生產(chǎn)過(guò)程中產(chǎn)生的數(shù)據(jù)量龐雜，涉及的參數(shù)變量繁多，任何一點(diǎn)微小的變化都能影響到最終芯片的良率。

遵循著摩爾定律的工藝制程演進(jìn)是芯片實(shí)現(xiàn)高性能計(jì)算最為有效的途徑之一，也是產(chǎn)業(yè)追逐的方向。而隨著芯片工藝來(lái)到更先進(jìn)的5nm、3nm，芯片設(shè)計(jì)復(fù)雜度呈幾何倍數(shù)增加，生產(chǎn)流程的不斷加長(zhǎng)，芯片的制造變得極其復(fù)雜與精密，良率變得*挑戰(zhàn)。據(jù)半導(dǎo)體設(shè)備供應(yīng)商巨頭應(yīng)用材料公司表示，從2015年到2021年，芯片制造的工藝步驟的數(shù)量增加了48%。相比成熟節(jié)點(diǎn)，先進(jìn)節(jié)點(diǎn)的基準(zhǔn)良率也越來(lái)越低。

而在半導(dǎo)體的商業(yè)化進(jìn)程中，良率直接關(guān)系到芯片的產(chǎn)量、生產(chǎn)成本與企業(yè)的盈利能力。所以說(shuō)，僅僅通過(guò)芯片工藝技術(shù)的改進(jìn)來(lái)提高PPA變得越來(lái)越困難，而且從性價(jià)比來(lái)看，芯片流片的費(fèi)用越來(lái)越貴，只有極少數(shù)的芯片公司才能負(fù)擔(dān)得起。

因此，既要提升芯片的良率又要在經(jīng)濟(jì)上可行，必須要多管齊下，探索創(chuàng)新的方法。在如今這個(gè)高度自動(dòng)化的時(shí)代，引入人工智能/機(jī)器學(xué)習(xí)等技術(shù)，推動(dòng)芯片的制造流程，提升芯片的良率，進(jìn)而幫助我們快速?gòu)浐纤懔┬柚g的差距。

AI的強(qiáng)勢(shì)出擊

芯片制造是世界上最昂貴的生產(chǎn)工藝之一。芯片產(chǎn)量決定了諸如英特爾、三星、臺(tái)積電等晶圓廠商的成敗。他們不惜投入大量資源來(lái)使晶圓廠全天候運(yùn)營(yíng)，以實(shí)現(xiàn)長(zhǎng)期利潤(rùn)*化。

半導(dǎo)體制造商需要依靠掃描、測(cè)試和診斷來(lái)幫助故障分析以解決良率問(wèn)題。后端的缺陷檢測(cè)無(wú)疑是提升芯片良率的一大“把關(guān)者”。現(xiàn)在大多數(shù)先進(jìn)的SoC使用了極小的制造工藝，有的甚至引入EUV光刻技術(shù)，對(duì)制造商來(lái)說(shuō)更加難以定位芯片上的微小故障和缺陷；并且在制造3D結(jié)構(gòu)和執(zhí)行復(fù)雜的多圖案化步驟時(shí)，其中一些小的差異會(huì)累積以產(chǎn)生良率抑制缺陷，如果其中的一些微小的差異被延遲檢測(cè)到，那么之后進(jìn)行的所有流程步驟基本上都是浪費(fèi)時(shí)間和金錢。他們發(fā)現(xiàn)缺陷的時(shí)間越長(zhǎng)，損失的錢就越多。

為了解決這一行業(yè)難題，半導(dǎo)體設(shè)備供應(yīng)商應(yīng)用材料（Applied Materials）將人工智能融入到晶圓檢測(cè)流程，從2016年開(kāi)始應(yīng)用材料就使用ExtractAI技術(shù)開(kāi)發(fā)Enlight系統(tǒng)，于 2020 年推出了新一代Enlight光學(xué)半導(dǎo)體晶圓檢測(cè)機(jī)，該檢測(cè)設(shè)備引入了大數(shù)據(jù)和AI技術(shù)。Enlight 系統(tǒng)只需不到一個(gè)小時(shí)就可以繪制出晶圓上數(shù)百萬(wàn)個(gè)潛在缺陷。