芯片融合时代的半导体测试：挖掘数据价值是下一件大事

芯片已经进入融合的时代 (Age of Convergence)。从无人驾驶到虚拟现实、从人工智能到云计算、从5G到IoT，众多驱动力共同推动半导体测试技术不断前行。这带来的直接变化就是，一颗芯片上承载的功能越来越多，芯片工艺越来越复杂，也就意味着相应的测试步骤也将成倍增加，测试成本也将随之提升。

半导体测试设备需要超长“待机”，它是半导体制造厂的重资产投入，使用周期至少长达5至10年。而在芯片技术和工艺飞速升级迭代的智能化世界，它需要随时满足日益复杂的测试需求。

测试永远需要走在芯片前面。那么超长“待机”背后，需要哪些技术支持测试设备不断更新？在良率提升和成本控制之间的平衡之战中，开发测试设备的高级能力已势在必行。在这个趋势下，测试设备开始要面对整个产业链向左、向右、向上都要多走一步。向左（Shift left）要与IC设计层面需要结合更多；向右（Shift Right）则是在产品层面则是更多需要向系统级测试（SLT）发展；往上走则是要接入云端、AI、大数据。

大量的半导体测试数据价值有待挖掘和利用，因为这不仅可以带来测试效率的提升，保证产品良率，更能通过数据分析优化测试方案，控制成本。这也是爱德万测试（Advantest）与半导体生态系统综合数据解决方案供应商普迪飞半导体（PDF Solutions）过去一年多来携手合作的重要基础。

如今两家公司的合作已经有了一些初步的成果和产品。通过将普迪飞的Exensio平台及其数据交换网络（Data Exchange Network，DEX）与爱德万测试的先进测试设备（ATE）相结合，爱德万测试就能够为客户提供在半导体供应链中任意节点的数据进行链接和分析的能力，从而帮助客户提高产品良率并减少测试费用。

两家公司前不久推出了首个联合开发的产品——爱德万测试云解决方案（Advantest Cloud Solutions，ACS）动态参数测试（DPT），即ACS DPT。该解决方案将普迪飞的Exensio数据分析产品与爱德万测试的V93000参数测试系统集成在一起，可以实时优化V93000测试平台上的参数测试，并减少人工交互。 （注：Advantest Cloud Solutions™是一个基于云的产品和服务的生态系统，由爱德万测试和普迪飞共同开发，该系统的核心是以数据和分析为重点的平台，由普迪飞Exensio®技术支持。）

近日，集微网与爱德万测试以及普迪飞半导体的几位高管进行了一次深度访谈。爱德万测试市场副总裁Keith Schaub和爱德万测试云解决方案（ACS）业务开发副总裁Sonny Banwari，以及普迪飞副总裁俞冠源（Michael Yu）和普迪飞市场副总裁David Park，四位高管从两家公司合作的背景、接下去技术和市场的发展趋势，以及半导体产业当前面临的大数据分析痛点等各个层面展开，进行了深入的分析探讨。

集微网：能否介绍一下爱德万测试和普迪飞半导体的这次合作的重要价值，对于半导体产业有何重要意义？

Keith：爱德万测试在半导体测试领域历史悠久，是量产半导体测试设备的市场领导者，测试范围覆盖晶圆级测试、芯片级测试以及系统级测试。在半导体测试过程中会产生大量的数据。我们意识到，利用诸如AI、机器学习等技术来挖掘数据价值，从而提升供应链运营效率，完善产业生态是未来发展的趋势。而普迪飞在数据分析方面实力雄厚，是我们正在寻求的理想合作伙伴。

俞冠源：爱德万测试是全球半导体测试设备的领导厂商，它有大量的半导体测试相关数据，普迪飞一直聚焦在半导体全产业链的数据分析。随着产业升级，半导体数据分析的需求开始越来越多，两家公司的合作也成为自然而然的过程。而这一合作的关键点，就是把测试相关的数据与整个产业链实现互联。举例来说，在测试之前的一些数据，比如与制造相关的数据等，可以在测试时帮助决定测试的范围，从而提升测试的效率和质量，同时这些测试单元的数据也可以融入供应链的后续步骤，并且也可以反馈，以获得更高可靠性、更高效率的测试方案。

Sonny：在半导体制造领域，器件的生产周期至少2. 5个月。理论上，在这个过程中你有很多机会去确定某个器件是好还是坏，因为有些缺陷早在一开始就存在了就开始了。33年前，当我还是Intel的一名年轻工程师的时候，我就一直在寻找一种方法来预测一个器件最终为什么会失效，以及我们如何能尽早发现问题。过去这些工作往往都需要工程师手动去完成。通过现在与普迪飞的合作，我们可以基于大数据、机器学习等手段来对未来做出预测。我们已经共同开发了一些优秀的产品，如DPT。

David：我想补充的一点是，事实上，我们是在打破贯穿于整个半导体产业链的数据壁垒。而这对于提升半导体行业的整体良率和效率意义重大。如果产业链各个环节的数据可以实现轻松地移动，无论是产品数据、设备数据还是测试数据，你就可以利用这些数据的预测结果做决策，正如Sonny之前提到的。这不仅仅是对某一家公司有利，而是可以惠及产业链上的所有企业。例如某个产品对可靠性和质量要求很高，而做相应的老化测试在整个制造和测试环节都是成本不菲的一步。如果可以整合从制造到最终测试的端到端的数据，就可以使用基于AI/ML的数据分析来确定产品的质量如何，是否有做老化测试的必要。这不仅为供应链，而且也为客户创造了整体价值。因为他们最终将提供比现在更优质、更强大的产品。

集微网：这一合作还能带来哪些额外的市场价值？能否结合案例做些说明？

Keith: 爱德万测试积累了来自数千测试节点上的大量测试数据和设备数据，普迪飞则提供了半导体数据分析工具以及丰富的数据分析经验和行业Know-how，这一合作产生的产业链价值是，客户可以获得整体的解决方案，也可以利用现有的各类工具，来有效提升效率。DPAT就是一个典型示例，他将普迪飞的动态参数测试分析功能无缝衔接到爱德万测试云端解决方案（ACS Edge）中了，客户可以得到整体现成的测试分析解决方案，通过随时可用的API将其更快地运用到生产中。

集微网：半导体无疑是个数据密集型的产业，但它在数据分析上却是相对落后的，主要的障碍是什么？爱德万测试和普迪飞的基于数据分析的新产品能为行业带来哪些影响？

Keith：很多预测数据都显示，全球半导体产业正处于快速成长期，巨大的市场规模对于整个产业链企业来说，都有巨大的成长机会。与此同时，终端应用日趋多样复杂，对于芯片等电子元器件的质量、可靠性等要求也越来越高。以汽车的智能应用为例，它对于质量和可靠性的要求要比消费电子严苛得多，需要让测试方案的覆盖面更全，这也将相应地提升测试成本。那么如何在保证更高质量的前提下控制测试成本？这就需要引入新的技术手段。这也是挖掘半导体数据分析价值所能带来的。

而爱德万测试和普迪飞合作开发的云端测试解决方案，相当于为行业提供了一种进行全半导体产业链数据分析的基础设施平台。普迪飞Exensio可以帮助收集从芯片制造，测试以及系统级测试过程中产生的数据，然后通过先进算法，集成工作流以及由ACS交付的解决方案，客户可以从他们的供应链，设备和测试产生的数据中获得更多有价值的信息，从而实现更短的生产时间，更高的整体设备效率。

Sonny：以过去一年来的全球芯片短缺为例，这对所有行业都是一次危机，尤其是汽车行业深受缺芯之苦。但其实由此危机也进一步倒逼产业去优化产品和技术，来应对芯片短缺问题。我们（爱德万测试）和普迪飞的合作，就是在做类似的事——通过数据分析来提升产品良率，为客户提供更好的产品。这不仅仅是一家公司降低成本提升盈利能力的问题，而是让整个产业生态都有机会做一次升级。

俞冠源：的确，要保证芯片的质量和可靠性，尤其是要求更为严苛的汽车芯片，就必须做更全面的测试，这必然会增加测试成本和时间。但如果我们可以采用一套可追溯的系统，同时将整个生产过程的数据整合起来，就可以使用AI、机器学习等前沿技术来告诉我们需要测哪些方面，提供更高效可靠的测试方式。通过AI、机器学习对数据的分析，我们可以针对不同的质量需求来进行个性化的测试方案，用最短的时间找到最佳的测试结果，而不是一刀切的模式。另外，上云的趋势已经有目共睹。随着数据量的爆炸式增长，利用云端技术来实现更高效的计算以及分析是产业趋势，这也是我们合作的重要方面。

David：大约5年前，人们对上云还有所迟疑，很多是出于对数据安全隐私等问题的担忧，这在半导体产业尤其突出。事实上，半导体产业要引入数据分析，最大的障碍也在于此。如何让产业链各个节点的企业愿意分享数据是关键的一步，这也是我们在努力做的一点，即打造一个安全的数据分享生态。例如，爱德万测试和普迪飞共同参与了GSA（Global Semiconductor Alliance，全球半导体联盟）发起的一项名为 “TIES（Trusted IOT Ecosystem for Security）” 的倡议，希望将包括设计、制造、封装、测试等半导体产业链的不同玩家聚集到一起，共同形成一个安全可信的数据分享生态。

此外，值得一提的是，近两年在疫情的持续影响下，对于远程办公的需求大大推动了对云基础设施的投入，对于将数据转移到云端，半导体业界的心态也趋于更开放。无论从可扩展性还是计算性能的角度，上云将给整个半导体产业链都带来更高效便利的产业合作生态。

集微网：双方的此项合作对于中国市场会有什么具体的影响？是否有为中国市场定制开发的产品？

Keith：我想以ACS这一实际的案例来说明。作为其中重要组成部分之一的TE-Cloud，最初就是诞生于中国，是爱德万测试针对中国市场的需求而开发的。中国的IC设计公司发展蓬勃，但总体又呈现体量较小且密集的特点，他们不需要在第一时间接触到最新的大型测试设备，但他们需要利用这些最新的测试技术能力来帮助他们开发产品。ACS TE-Cloud就给这些公司提供了一个云端的虚拟环境，他们可以通过云端接入访问、编写和执行测试程序，无需操心资源购置、系统维护等，可以切实降低他们的测试开发的成本。

俞冠源：相比之下，中国有大量比较年轻的半导体设计公司（Fabless），与国际上成熟的Fabless相比，这些公司与测试厂商、封装厂的合作经验相对欠缺。比如说，Exensio平台是与爱德万测试联合提供的产品的关键部分，其中集成了很多的最佳实践经验，形成了一组强大的分析和模板库。这对于使用该产品的用户来说，他们可以基于这些最好的实践经验进行新产品的开发。这可以大大提升他们的产品开发迭代效率。

Sonny：中国市场不仅仅是有大量的数据分析使用需求，更在引领全球的数据分析应用和技术。有预测显示，中国在大数据方面的投入支出上已经位列全球第三。所以，在我看来，接下去重要的是要提供对的产品和解决方案，让我们联合开发的产品可以为中国市场的客户创造更多的价值。就像ACS TE- Cloud是最初在中国开发推广的那样，我们还将继续基于中国市场的需求合作开发更多的产品和应用。

David：在我看来，中国在利用半导体数据分析方面可能会走得更快。因为中国的大量IC设计公司都还比较年轻，这意味着他们也更易于接受当前最新的数据分析系统，而不必像很多传统半导体大公司那样还要面临如何处理以往的旧系统等问题。

集微网：在用大数据分析、云、AI等智能手段赋能半导体产业方面，未来还有哪些新趋势？

Keith：我想以测试和筛选足球队员来做一个类比。要知道一个球队里不同位置的球员的素质要求很不一样，比如守门员可能需要身材高大、手臂很长，但是对前锋的技能要求就完全不同。那么要如何测试和筛选这些队员？显然我们需要针对不同需求进行定制化的测试方案。但很长一段时间来，，行业内通常都是用一刀切式的通用测试方案。但是，未来随着半导体工艺技术越来越复杂，应用需求的多样性，对于芯片等电子元器件的质量要求也都不同，尤其是在供应链遭遇缺货挑战的大环境下，如何可以根据不同器件的质量需求来优化测试方案，利用大数据分析的手段，控制测试成本，这也是我们和普迪飞合作在做的事。

Sonny：未来我们还将基于机器学习来挖掘更多人工智能的潜力，去开发更多杀手级应用。爱德万测试和普迪飞经过过去一年来的合作，我们互相之间也越来越了解，接下去期待可以共同合作，将机器学习的力量在半导体测试、数据分析层面提升到新的水平，比如可以做一些预测性的分析等等。

俞冠源：我还想补充的一点是，随着技术的进步，制造工艺越来越复杂；此外，随着芯片尺寸增加，功能也越来越多，这就意味着测试的量也水涨船高，整个过程也将产生很多的数据。而如何将这些数据通过机器学习、人工智能、云计算等各种方式加以有效利用，挖掘数据价值来提升整体的半导体生产制造的效率、优化成本，这些将变得越来越重要。