【龙门阵】追逐先进制程的中国半导体如何交出良率提升的答卷

作者： JZ 2020-04-26

来源：爱集微 #半导体# #集微龙门阵#

24.6w

集微网报道（文/Oliver、茅茅、张浩、李延）中国半导体已经开始逐步拥抱先进制程，加入14nm、7nm工艺大军的芯片公司正日益增多。在这个过程中，一系列挑战摆在了行业人面前。

良率提升是其中最为重要的话题。围绕着如何提升良率，业界产生了各种各样的声音。但不可否认的是，通过数据分析找到最佳方案是全行业已经达成的共识。同时，运用云计算、部署人工智能也是业界正在尝试的新方法。这些方法有何利弊，产生的挑战又该如何应对，已经成为业界最为关心的话题。

针对这些热门话题，4月24日晚，第八期集微龙门阵之“先进制程、数据分析和良率提升”邀请四位重量级嘉宾成功举办了线上互动交流活动，超20627人次通过爱集微APP参与了线上直播，通过腾讯视频会议、新浪微博、百度视频、西瓜视频、bilibili等渠道观看直播、参与互动的人数也将近4000人次，总参与人数超25000人次。

点这里观看回放

本期集微龙门阵由瑞芯微CMO、半导体投资联盟副秘书长陈锋在线主持，上海积塔半导体有限公司CEO 洪沨，紫光展锐科技有限公司执行副总裁周晨，普迪飞半导体技术有限公司亚太区副总俞冠源博士，上海安路信息科技有限公司联合创始人徐春华各抒己见，就中国半导体行业升级中面临的种种挑战进行了热烈的讨论。

嘉宾们围绕“半导体工艺升级、良率提升所带来的挑战”“如何做好半导体行业的大数据分析？”“怎样适应云端工作、在线协作的新模式？”“ 人工智能在半导体行业的应用和体会”等话题展开了精彩的论述。

以下为嘉宾的观点汇总，供大家参考。

半导体工艺升级、良率提升所带来的挑战？

上海积塔半导体有限公司CEO洪沨：对于晶圆制造企业而言，良率提升是永恒的话题。制程工艺需要不断往前演进，每演进一个制程工艺就会产生新的问题，然后需要继续提升良率。比如我之前在英特尔、新加坡特许半导体、中芯国际、武汉新芯等晶圆厂工作的时候，每当接触到新的工艺节点都会遇到新的问题，也会遇到良率提升的挑战。

一般来说，集成电路的演进不只是线宽的不断减少，它实际上是性能、可靠性、经济性的综合提升。从芯片的制造流程来看，刚开始由IC设计公司来定义产品，然后制造企业根据要求选择匹配的制程工艺，并去购买相关设备，从而满足不同产品所需要的不同线宽、沟槽深度、薄膜厚度等等。

随着集成电路工艺节点越来越小，不仅对于设备的要求越来越高，同时还需要材料的改进，而制程工艺也从平面进入到3D。在制造企业刚开始研发工艺的时候，必须要定义好一大堆的参数来表征良率。等到工艺开发到一定程度，比如14nm研发成功了，此时会有多种不同的解读。一般来说，逻辑电路会用一个测试芯片——Test Vehicle(一般是一个足够大容量的SRAM）来看良率是不是能够从0到1，然后到20%、30%、50%，等达到70%-80%左右的时候，就必须要通过产品升级去不断提升良率，此时或许有终端客户愿意跟制造厂一起提升良率，但也可能有客户不愿意。晶圆制造厂需要制定专门的良率路线图，然后将良率从80%一步步提升到95%左右。这是目前国际上比较标准的一个良率提升方法。

中国目前已经进入先进制程2.0时代，此时便需要将良率提升的方法运用得更加炉火纯青。这不仅需要一个非常有经验的团队，该团队必须非常熟悉制程工艺、设备，以及工艺、设备和器件之间的关系，同时还需要不断演进整个工艺控制的流程。经过多年发展，中国半导体制造行业已经发展到一定的成熟水平去运用标准的良率提升方法。

值得一提的是，有些先进的晶圆厂为了攻克良率问题，除了使用已经商用的良率提升软件和硬件，也会和供应商一起开发特殊的软件和硬件来提升良率，这也是他们具备较强竞争力的原因所在。

紫光展锐科技有限公司执行副总裁周晨：不得不说展锐所做的移动终端芯片处于世界上对于先进工艺制程追逐诉求最强烈的领域。主要原因在于移动终端产品是使用电池的设备，所以对于功耗有很强的诉求。而同时解决性能和功耗之间的矛盾关系，只能通过提升工艺来实现。

在现在这个时间点去看工艺的发展，有时候会觉得非常恐怖。以前一代工艺节点会经过3-5年才往前演进，但是从16nm开始，几乎一年往前演进一代工艺。对于IC设计公司而言，一颗SoC芯片的研发周期至少要18个月，而工艺的演进速度明显比正常的还要快，这意味着设计公司在上一代工艺还没积累足够经验的时候，就不得不选择更先进的工艺制程，所以这是一个非常大的挑战。这也是随着制程工艺逐渐往前发展，芯片设计厂商越来越少的主要原因。

实际上对于先进工艺来说，最直接的挑战在于昂贵的研发费用。以展锐研发的6nm芯片项目举例，其研发投入至少在2-3亿美元以上。而这也意味着本身产品的生命周期很短，同时成本又在快速上升，使得终端产品在短期内无法进行大规模量产。

到底是不是必须要去追先进制程呢？答案显然不是。因为除了手机产品，还有海量的其他领域的产品，这些产品不需要特别小的芯片面积，所以也不需要特别先进的工艺。从整个行业来讲，我认为大家不需要太着急去追赶先进工艺，需要根据公司实际情况选择最合适的工艺制程。

普迪飞半导体技术有限公司亚太区副总俞冠源：普迪飞本身在帮助客户做数据分析和良率提升，在先进逻辑制程方面，特别是做到7nm和5nm时，仍然会面临很多挑战，包括以下三点。

第一点是如何准确定位设计和生产过程中的缺陷。以前很多良率提升的时候，我们都可以用工具看得到，但是现在做FinFET，以后还要做GAA，很多缺陷都不在表面上，而是埋在里面。怎么样在研发和量产时监控这些东西，变得十分困难。以前良率可能只是晶圆厂要考虑的问题，但现在需要fabless公司在产品设计的时候，就把监控结构埋在产品里面。

第二点是封装时产生的应力会导致芯片中晶体管的特性出现改变，在芯片的边缘和中间，应力是不一样的。这个问题没有传统的方式去监控，会导致很多后续的问题。要解决问题就需要晶圆厂和fabless协同合作，通过一些方法在产品里面放入一些监控的传感器，用这些结构监控封装时产生了多少额外的应力。

第三点是器件的可追溯性。苹果等大型客户要求整个供应链能够精确地跟踪到芯片的问题出现在哪一个机台，哪一片wafer，哪一个位置。只有跟踪到才能够确认出哪个步骤出了问题。所以整个终端到终端的传递性是一个先进制程需要进一步提升的地方。

普迪飞公司在上述几个领域积累了近三十年的经验，正在帮助很多海内外的半导体设计和制造类公司部署这些解决方案。

上海安路信息科技有限公司联合创始人徐春华：对我们的挑战中，最主要的就是工艺的稳定性。即使对于成熟工艺产品，在大规模生产中，有时也会出现大规模的良率波动。所以我们需要对此做一些故障分析、失效定位等，看看到底是什么原因引起的，比如机台的变动等。

如何做好半导体行业的大数据分析？

上海积塔半导体有限公司CEO 洪沨：对晶圆厂来说，数据分析对良率提升或其他任何环节都是非常重要的，和良率提升的关系尤为密切。所有的晶圆厂都会用FDC软件，根据设备中各种传感器收集来的海量数据进行分析，确定哪些数据跟良率提升是相关的。

但数据分析是双刃剑，很多人要么找不到问题，要么找到无数的假问题。所以，数据分析是个手段，用好它需要经验和专业性，还需要软件供应商和晶圆厂一起密切合作。

现在国产设备的使用越来越多，给晶圆厂带来的挑战在增多，因为国产设备进入先进制程的时间较晚，需要很长时间才能稳定下来，影响了生产线的稳定性。所以，晶圆厂和设备公司要紧密合作，用数据分析的手段，把国产设备的不稳定性降到最低，让其得到更快的发展。

紫光展锐科技有限公司执行副总裁周晨：对设计公司来说，在先进工艺节点之间的切换周期越来越短，要提升产品良率，就需要依靠工具和数据分析，而这并不是设计公司自己能完成的，还需要和产业链通力协作。

普迪飞半导体技术有限公司亚太区副总俞冠源：工业4.0中一个重要的概念就是数字孪生，即将物理世界的事物用数字技术再现。半导体行业也在应用，就是用数据模型来表征一个晶圆厂，但实际应用的情况还很不成熟。

在晶圆厂生产过程中收集到大量的数据，如何去处理是个大问题，重点是如何找到最有价值的数据。因此，需要用先进的技术把海量数据精简，提炼出最有用的信息。

普迪飞的解决方案能够把机台收集到的数据、生产工艺数据和良率数据进行挂钩，串联起所有的数据，分析出最有价值的信息。

上海安路信息科技有限公司联合创始人徐春华：我们对每个芯片设立了独立ID，可以统计在生产过程中的各种数据，方便进行追溯。但在追溯过程中，整合起来的数据量非常大，很多的分析都需要用软件去处理。所以，希望普迪飞这样的专业软件公司能帮助我们，一起应对这个有挑战性的工作。

合肥晶合大数据分析科副理徐东东：晶圆制造中数据分析的挑战之一是如何提高时效性。海量的数据全部要做分析，需要很长时间。我们几年前开始采用普迪飞的数据分析系统，并在此基础上定制开发了很多针对我们需求的数据分析模板，大大提升了数据分析的效率和有效性。

怎样适应云端工作、在线协作的新模式？

上海积塔半导体有限公司CEO洪沨：现在很多晶圆制造厂里面的先进机台都具备远程遥控的功能，可完成部分远程工作。但很多半导体公司为了避免电脑病毒的影响，保障信息安全，都会关闭机台的远程遥控功能。对于制造企业而言，还是需要工程师亲自去工厂处理工作。

之前在新冠肺炎疫情最严重的时候，上海积塔会要求少部分值班工程师必须去工厂，而随着疫情逐渐缓和，去工厂的工程师越来越多，因为开发工艺等问题需要工程师亲自去工厂解决。

虽然现在越来越多的设备具备远程遥控功能，但我不确定该设备或者软件的网络工作已进展到何种程度，同时也不确定目前业界有多少公司会采用远程遥控功能。

紫光展锐科技有限公司执行副总裁周晨：目前通过云端的工作方式来解决受疫情影响的开发模式，其实离我们还很远，很多因素造成该方式还不太现实。

从IC设计角度来讲，虽然最前端的部分工作可以通过云端解决，但前提是要能够满足信息安全需要。在展锐内部，SoC开发和IP开发工作都是通过公司内部网络来完成，其具备更高安全度。此外，仿真和芯片调试等后端工作，也不可能依靠远程工作的方式来完成。

所以对于半导体公司而言，或许从长期来看，会进行更多远程工作，但是在短期的未来不会有任何改变。

普迪飞半导体技术有限公司亚太区副总俞冠源：从云端工作的角度来讲，IC设计公司走在IC制造公司的前面，欧美客户走在大陆客户的前面，最关键的难点便在于如何保障信息安全。

在数据分析层面来看，如果已经生成良率数据，之后的工作便可以通过云端完成。其实在从去年下半年到今年第一季度，很多普迪飞美国和欧洲的客户已经提前开始切换云端，主要是为5G、车用和AI等芯片做准备，因为这要求的数据量会非常大。比如普迪飞最大的一家Fabless设计客户，之前因为数据安全等原因一直不愿意换云端，但去年年初突然要求换云端，因为芯片测试的数据量太大。

此外，对于晶圆制造企业而言，由于信息安全是更大的考量，所以制造厂上云端比设计公司更谨慎，目前很多工人远程操作机台都是通过公司的局部网实现。其实几家全球最先进的晶圆制造厂两三年前便开始讨论工厂内部的云端，但这依然只是一个概念，距离真正实现还有好几年的路要走，其中最关键的就是数据安全问题。

上海安路信息科技有限公司联合创始人徐春华：在我看来，新冠肺炎疫情对于IC设计企业而言没有产生较大影响。在疫情初始阶段，安路专门为员工设置了远程VPN，使得员工能够在家里直接连接公司的网络进行工作，同时也会通过专门的会议软件进行开会。该模式在一定程度上也提高了工作效率。对于安路而言，受疫情最大的影响是客户支持工作。

AWS中国行业生态合作伙伴业务总监李奔：AWS是一家亚马逊旗下的云计算公司，从2006年开始推出公有云业务，并一直是公司唯一的业务。在过去的十年里，AWS已经服务超过100万家客户，其中也包括很多半导体行业客户。

针对数据存储问题，Amazon S3云存储服务是AWS推出的第一个公有云服务，其具备海量存储的特点，目前最大的客户便是自动驾驶领域企业，多家全球领先的自动驾驶科技企业便在AWS上运行数据存储和训练系统。此外AWS与半导体行业结合最好的是算力业务，两者最好的业务结合点包括EDA和仿真，目前合作客户包括台积电、三星、Arm等等。

人工智能在半导体行业的应用和体会

上海积塔半导体有限公司CEO洪沨：集成电路行业是一个需要很多经验丰富人员的行业，工厂里有很多工艺工程师、设备工程师，他们每天的工作就是保证工厂的制程不要出问题。产品的良率提升、良率稳定都是要靠工程师每天进出工厂，一直紧盯生产线来实现，否则就会出纰漏。

这样的工作需要经验和一整套的方法，并且借助各种各样软硬件和海量的数据实现。目前，很多公司在这个基础上建立模型，开发AI软件和算法，用机器人代替工程师工作。

用AI来替代很多工作是否确实可行，目前很多专家也在讨论这样的问题。从理论上来说似乎是有可能实现的，但是这个事情的好坏与否，目前还不是很确定。

紫光展锐科技有限公司执行副总裁周晨：我觉得人工智能技术的引入在未来一定会彻底改变整个芯片设计的方式。

经验是通过大量的工作逐渐形成的，实际上比较难以用明确的概念或者准确的描述表现出来。这个过程和现阶段的深度学习很像，算法会把很多东西抽象成我们都不理解的但却是非常重要的特征。

目前无论前端还是后端设计，包括了大量的数据分析，里面有很大部分需要通过个人能力和经验去寻找高价值的东西。而人工智能技术得益于计算能力的疯狂提升，完全有机会从前端到后端，甚至是对良率提升，都能起到非常明确的增进作用。

这个影响首先体现在工具上。一些大型公司在近几年做了很多这样的工作，他们有大量的数据的积累，在引入了人工智能以后，能把设计过程中关键的一些特征提取出来，并在后续的自动化中起到一个非常直接的作用。

我相信按照现有的方式，不用特别长时间，人工智能就能在很多方面超过有经验的工程师。以后的设计过程更多是需要大量数据和工具，这样整个设计端都会因此降低了门槛。

普迪飞半导体技术有限公司亚太区副总俞冠源：人工智能从描述性分析到诊断性分析，再到预见性分析，经历三个阶段，而预见性分析已经成为业界的趋势。

一两年前，台积电和联电就曾经表示，在工厂里面使用人工智能，能够在不增加机器的情况下多生产20%-30%的晶圆片。比如在离子注入的时候，使用人工智能就能够定时做出调整。而且，人工智能能够把很多专家的经验和专业技能整合在一起，实现同时操作多台机器的可能性。

设计公司会在总部开发一些提升良率的算法，再把其部署到封装厂中，这个时候会更多运用到人工智能。不过，这个过程还是需要大量有经验的人员去支持。