海思麒麟990采用了7nm工艺，阿里平头哥号称最强AI芯的含光800也采用了7nm工艺。在这些令人振奋的消息背后，是中国芯片公司追逐先进工艺的坚定步伐。
只是这条路并非一帆风顺，在芯片的设计过程中，就要面临技术如何升级、能否首次流片成功等诸多风险，而在正式量产之后，还要面对良率提升和工艺稳定的重大挑战。
面对良率提升这个问题，设计公司、晶圆厂都有着各自的观点。为此，在第八期集微龙门阵之“先进制程、数据分析和良率提升”的直播中，各方嘉宾围绕这一话题进行了热烈的讨论。
嘉宾之一的上海安路信息科技有限公司联合创始人徐春华就表示：“在我们提升良率面对的挑战中，最主要的就是制造工艺的稳定性。”
追逐先进工艺的烦恼
在半导体工艺世界中，晶圆厂总是一个领跑者。以台积电为例，当苹果的A13、高通的骁龙865、海思的麒麟990刚采用7nm工艺量产的时候，5nm工艺的研发已经初步就绪，甚至连3nm的工艺研究也已经箭在弦上。顶尖的芯片公司尚比晶圆厂的步调差半拍，大部分芯片公司就只能苦苦追赶了。
“在芯片在大规模量产以后，经常会出现良率波动的问题。”徐春华认为原因就是产品研发与晶圆厂现有工艺存在了“时间差”。“现在生产的产品都是基于几年前设计规则开发的，虽然晶圆厂当时的设计规则会根据理论分析和有限实验增加工艺波动裕量，但是后续实际加工过程中的各种工艺波动和当初的理论模型肯定会有差异甚至漏洞，从而造成大规模生产中出现良率波动。”
这也是设计公司和晶圆厂之间永远存在的矛盾。“晶圆厂先前制定的规则不能匹配目前的工艺状况，比如说线宽、间隔这些参数在不同的时间、不同的机台上就会有所不同要求，由于规则所给定的裕量不够，会在生产中产生各种问题。”
同时，随着工艺水平的提升，掌控良率的条件也越来越严苛，因此要对良率进行一个预判。据徐春华介绍，晶圆厂会根据芯片上的缺陷密度，计算出理论良率大概是多少，这会对设计公司有所帮助。不过，这个计算值只是理论良率，实际中的情况还是很复杂。
为了解决此问题，芯片设计公司就要“绷紧神经”，时刻监控，将问题及时反馈给晶圆厂。好在晶圆厂生产设备上的传感器能及时分析从工具运转到监测晶圆制程所产生的数据，如传感器与数据日志可取得晶圆进到哪个腔体的信息，所有数据则进入可收集与实时分析的系统内。有效收集这些信息，就能知道芯片生产中的各种状态。
徐春华告诉记者，安路科技就为每个芯片都设立了独立ID，这些ID都关联着生产中的各种数据，对安路来说很容易进行各种数据汇总分析，将来必要时如启动问题追溯，部分客户也会利用这个功能进行产权保护和防“克隆”设计。
大数据+人工智能
在整个芯片制造过程中，总共加入的检测步骤有数百道，而且晶圆厂希望在制程周期内就能实时同步检测良率，而不是制程结束后再来发现问题。不过，各种测试数据汇集起来，将形成一个非常巨大的量级。问题就来了，如何做好大数据分析？
徐春华表示：“在追溯芯片制造的过程中，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。”在这种情况下，人工智能就将派上用场。
人工智能在芯片的生产过程中可用做早期分析。安路科技已经进行了这方面的尝试，在公司内部开发了大数据分析工具，用人工智能算法来训练测试数据分析过程，实时推断返回的新数据是否预示问题，从而及时监控良率是否达标、性能参数等各种指标是否异常，实现早期预警的作用。
“现在收集到的数据一般都是测试数据，这些数据还没有与生产过程直接相关联。如果把测试数据与过程数据相结合，就会产生更大的数据量，而且维度也增加很多，此时用人工智能进行分析，将会对良率提升有很大贡献。”徐春华说道。
值得一提的是，安路科技是国内知名的FPGA供应商，其生产的FPGA芯片已经被应用到工业控制、消费类电子、数据中心、边缘计算等领域，主要实现逻辑控制、运算协处理、人工智能加速等应用。
在整个业界，引入人工智能提升良率也已经成为一股风潮。三星电子为了将AI技术应用于半导体制程中，就聘用大量专业人才组建高级制程控制团队（APC），开发和优化制程中的机器学习技术，用智能化制程品控的方法来不断提高良率。而两年前，台积电和联电都曾经表示，在工厂里面使用人工智能技术，能够在不增加机器的情况下多生产20%-30%的晶圆片。
不过，这只算是人工智能应用的起步阶段。要实质性提升良率，依然需要大量依靠经验的工作，人工智能目前远不能胜任。所以，依靠芯片设计公司与晶圆厂、封装厂一起通力协作，辅助不断提升的人工智能技术，才是面向未来半导体产业链的最佳选择。
（校对/一求）
