電子發(fā)燒友網(wǎng)報(bào)道（文 / 吳子鵬）據(jù)IC Insights數(shù)據(jù)，2025年全球晶圓代工市場(chǎng)規(guī)模有望增至1698億美元。不過(guò)，F(xiàn)ab廠的擴(kuò)張與盈利，始終離不開(kāi)良率這一關(guān)鍵因素。

數(shù)據(jù)來(lái)源：IC Insights，電子發(fā)燒友網(wǎng)制圖

傳統(tǒng)工藝診斷依靠人工經(jīng)驗(yàn)和反復(fù)試驗(yàn)，難以應(yīng)對(duì)日益復(fù)雜的工藝變量。在這場(chǎng)競(jìng)爭(zhēng)中，EDA（電子設(shè)計(jì)自動(dòng)化）工具借助AI，正引發(fā)一場(chǎng)Fab廠的智能變革。

Fab廠面臨的良率難題

數(shù)據(jù)表明，對(duì)于存儲(chǔ)廠，良率提高1%可能帶來(lái)每年1.1億美元凈利潤(rùn)；對(duì)于尖端邏輯Fab廠，良率提升1%意味著1.5億美元凈利潤(rùn)。隨著先進(jìn)制程發(fā)展，這些數(shù)字還在增加。TrendForce報(bào)告指出，3nm工藝的12英寸晶圓單片價(jià)格達(dá)2萬(wàn)美元，較5nm的約1.6萬(wàn)美元上漲25%。

在良率管理上，傳統(tǒng)檢測(cè)方式存在問(wèn)題。人工目檢需檢測(cè)人員逐個(gè)檢查晶圓微觀結(jié)構(gòu)，借助顯微鏡等設(shè)備，耗時(shí)久且結(jié)果依賴主觀判斷；規(guī)則算法基于預(yù)定義規(guī)則檢測(cè)缺陷，對(duì)數(shù)據(jù)耦合反應(yīng)差，新缺陷類型出現(xiàn)時(shí)可能無(wú)法識(shí)別。

Fab廠提升良率本質(zhì)上是與“變量”博弈。這些變量貫穿制造全流程，如硅片材料純度波動(dòng)、光刻機(jī)對(duì)準(zhǔn)誤差、蝕刻溫度偏差、薄膜沉積厚度均勻性等。而且變量間有關(guān)聯(lián)，工藝提升使變量增多，微小偏差都可能導(dǎo)致良率下降。傳統(tǒng)工藝診斷主觀性強(qiáng)、數(shù)據(jù)割裂、滯后明顯，促使行業(yè)尋求更智能高效的方案。

AI重塑工藝診斷模式

當(dāng)傳統(tǒng)缺陷檢測(cè)和良率優(yōu)化方法效果不佳時(shí)，AI正在重塑Fab廠的工藝診斷和良率管理流程。通過(guò)整合Fab廠全鏈路數(shù)據(jù)構(gòu)建高維度模型，AI能精準(zhǔn)定位工藝偏差、分析根源，識(shí)別新缺陷模式并實(shí)現(xiàn)事前預(yù)測(cè)。

AI技術(shù)的價(jià)值讓眾多EDA公司將AI工藝檢測(cè)/良率優(yōu)化納入核心產(chǎn)品路線，部分已進(jìn)入產(chǎn)線驗(yàn)證或量產(chǎn)階段。對(duì)于國(guó)產(chǎn)EDA，AI為其提供了競(jìng)爭(zhēng)機(jī)會(huì)，有助于建立自主可控的良率提升體系。華大九天的Vision平臺(tái)就是國(guó)產(chǎn)EDA工具利用AI改善Fab廠良率的典型案例。

Vision是基于圖形的工藝診斷分析平臺(tái)，通過(guò)分析圖形在半導(dǎo)體制造各工藝中的變化，結(jié)合量檢測(cè)數(shù)據(jù)和圖像，可改善良率降低問(wèn)題。

工藝開(kāi)發(fā)階段，智能風(fēng)險(xiǎn)預(yù)測(cè)（Vision HP）分析芯片面積2%的關(guān)鍵區(qū)域，能鎖定16000 +個(gè)獨(dú)特風(fēng)險(xiǎn)點(diǎn)，缺陷捕獲率較傳統(tǒng)方式提升百倍。生成式輪廓預(yù)測(cè)（Vision ID）可根據(jù)設(shè)計(jì)版圖生成硅片實(shí)際輪廓預(yù)測(cè)結(jié)果，實(shí)現(xiàn)“設(shè)計(jì)即預(yù)測(cè)”。

量產(chǎn)階段，Vision平臺(tái)的智能缺陷分析與采樣（Vision PD）融合設(shè)計(jì)屬性與缺陷特征，自動(dòng)識(shí)別共性特征，快速定位系統(tǒng)性缺陷根源，避免遺漏關(guān)鍵缺陷；離線智能量測(cè)革命（Vision ID）打破設(shè)備對(duì)量測(cè)效率的限制，支持多種主流設(shè)備圖像，無(wú)需占用機(jī)臺(tái)資源。

總之，Vision平臺(tái)打通設(shè)計(jì)、掩膜、晶圓、產(chǎn)品全鏈條數(shù)據(jù)，解決了傳統(tǒng)工具數(shù)據(jù)割裂、分析片面的問(wèn)題，借助EDA+AI讓良率提升路徑更清晰。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com