国内芯片先进制程中的良率探讨-闭门会精华
国内芯片先进制程中的良率探讨-闭门会精华
3月22日，一场关于国内芯片先进制程良率的闭门分享会在上海西岸国际人工智能中心举行。来自半导体领域的多位资深专家，围绕国内芯片先进制程的现状、芯片研发/生产制造中的良率以及亟待突破的新技术等主题展开了深入探讨。
主持人：石矛（常垒资本）
在现场抛出了三个问题：
问题一：我们国家的芯片制造工艺从28nm开始，再到14nm甚至更先进的制程，所谓的先进制程的良率，中国本土跟国外的差距到底有多大？以各位的视角看，工艺经验、设备、材料、软件（包括EDA）以及生产数字化，上面这几个因素哪个对国内现阶段先进制程良率的影响比较大？
问题二：各位嘉宾结合自己过往的经验，给我们介绍下，在芯片生产或者研发过程中，良率问题的发现和解决一般都有哪些具体的流程，可以举一些细节的例子，让现场投资人朋友对于一线的生产研发有一个更直观的体验
问题三：目前国内半导体的研发和制造过程中，良率提升环节还面临着哪些困难或阻碍？各位嘉宾从你们的视角谈谈，国内在围绕良率提升方面，有哪些新的技术点或者创业方向值得创业者和投资人关注？
嘉宾一：祝波（沃衍资本合伙人）
背景：之前在泛林集团（Lam Research）担任产业基金合伙人、亚太投资总经理。再早曾任职于全球半导体设备龙头应用材料，担任技术总监。祝波本人也是清华精仪系的校友，加州大学伯克利分校工程博士。
观点：
半导体良率问题的复杂性：在90年代末尝试用机器学习解决大制造生产问题时，发现整个从研发到生产的过程各环节链条基本全是缺口，没有数字基础，知识壁垒也很高，很难形成闭环。
制程限制的影响：在14纳米制程上可能受限，不得不使用多重曝光，这会导致良率大幅下降。
数据和AI在半导体产业的应用：通过大模型作为语义接口，将外部科研数据、内部工程积累数据和关键客户生产数据串联起来，辅助工艺工程师进行调试。
当下面临的挑战：数据在半导体各个环节的互信问题，需要解决同态加密等技术难题。
嘉宾二：陈瑜（元禾璞华董事总经理）
背景：曾任中芯国际新技术引进部主任工程师、市场销售部美国区资深经理、上海华力销售部销售总监。本人获得复旦大学工商管理硕士，对国内半导体生产制造有着丰富的产业经验。目前在任职于元禾璞华，专注于投资半导体的全产业链，最近也在关注半导体良率的软件投资机会。
观点：
良率影响因素占比：工艺占60%，设备占20%，材料占15%，人员和软件占5%。随着制程向高阶发展，设备、材料等因素的重要性占比更高。
良率差距：28nm制程上，上海华力与台积电有5%的差距；在14nm到7nm节点，由于缺乏EUV工具，使用DUV多次曝光导致良率差距较大，但通过优化处理，理想状态下可以缩短到10%的差距。
良率管理的具体流程：FAB厂通过量测和缺陷检测设备监控晶圆片，关键出货前进行电性测试（wat测试），封测场进行cp和ft测试。通过Synopsys等软件进行数据分析和追溯，以发现生产过程中的问题。
创业方向建议：关注量检测设备的国产化，特别是高端明场量检测设备；在高端工艺know-how的软件集成方面寻找机会；探索连接IC设计、FAB晶圆厂和后端测试厂数据的解决方案。
嘉宾三：卢兵（复星高科技集团首席科学家）
背景：在半导体行业从业30年，其中在美国德州仪器公司工作近20年，负责半导体生产研发，之后在荷兰恩智浦半导体、日本TDK担任全球副总裁，现任复星智造BG首席科学家，产业研究院院长。本人毕业于浙江大学和美国德州大学。
观点：
良率影响因素：强调工艺工程师的经验和时间积累的重要性，指出工艺的沉淀与学识、知识的关系不大，最重要的是时间积累。
良率管理的具体流程：从材料测试到电信号测试再到系统测试的全流程监控，通过光学、电子显微镜等手段进行材料测试，设计公司和晶圆厂团队共同进行电信号测试，最后进行系统测试。
创业方向建议：关注半导体科技创业的深水区，避免简单复制美国的落后技术，遵循第一性原理，解决实际问题。
嘉宾四：贾峻（普迪飞半导体（PDF solutions）中国市场副总裁）
背景：之前曾在美国加州湾区担任中电资本总经理负责CEC华大海外投资并购和研发中心管理，再早曾任职于上海贝尔公司、英特尔、华虹集成电路有限公司，从事技术和管理工作，本人毕业于复旦大学电子工程系。PDF solutions是诞生于硅谷的一家美国上市公司，专注于IC设计验证及改善，并为晶圆厂定位工艺问题，完善工艺流程控制。
观点：
良率差距：28nm制程国内已有两家企业实现量产，但与头部企业的差距仍需努力；14nm及以下制程受限于美国红线，但可以通过SOI、Chiplet等新技术寻找突破机会。
良率管理的具体流程：通过fdc系统实时采集机台传感器数据，yms系统进行事后分析，结合特殊芯片结构的“探测器”进行生产过程监控。
创业方向建议：改善国内半导体产业的封闭环境，推动数据的开放合作和实时交换，利用大数据、云计算和AI提升预测和优化能力。
嘉宾五：徐伟（广东芯粤能半导体总经理）
背景：1997年加入华虹NEC，2012年担任华虹NEC总裁。在华虹NEC期间为中国大陆第一条200nm晶圆厂的建立作出了巨大贡献。2021年参与创办广东芯粤能半导体，芯粤能是目前国内领先的专注于车规级SiC芯片制造企业。本人毕业于西安交通大学半导体物理与器件专业，并曾于清华大学研究生班深造。
观点：
良率影响因素：良率管理是一个复杂系统工程，涉及生产线的AI程度、CIM系统、EAP和APC的架设等。不同产品和工艺节点的良率特点不同，需要细分分析。
良率管理的具体流程：通过实时数据反馈和图形展示进行问题定位，利用机器学习和AI技术提升分析效率。
创业方向建议：在软件和AI方面寻找创新机会，特别是在大数据模型和实时数据分析方面，以应对碳化硅等新材料带来的挑战。
总结
石矛（常垒资本合伙人）最后总结道：
- 在不同发展阶段，设备、工艺、软件、AI等因素的重要性呈现螺旋式变化。早期阶段设备和工艺更为关键，而当前阶段则更依赖于软件和数据的创新。
- 当前环境下，工艺和设备达到瓶颈，通过AI和大数据技术进行创新成为重要方向。
- 良率提升需要设备厂、IC设计公司、FAB晶圆厂等产业链上下游的共同努力，特别是在数据和AI技术的整合应用方面。
本文原文来自网易新闻