一区二区欧美日本中文_男女午夜激情在线看_女人被狂躁c到高潮喷水小说_国产麻豆影院_日韩精品视频观看在线_强奷小箩莉短篇小说_av无码免费18禁无码网站_一级麻豆精品国产综合久久久_色哟哟免费视频播放网站_中文字幕国产视频欧美精品

圖：芯率智能聯合創始人蔣曉軍

2023年7月13-14日，第三屆中國集成電路設計創新大會暨IC應用博覽會（ICDIA 2023）在無錫太湖國際博覽中心召開。

芯率智能科技的聯合創始人蔣曉軍先生在第十屆汽車電子創新大會上表示，良率是半導體產業的生命線，涉及到公司效益甚至是生死存亡。對于代工廠產線來講，良率一直是非常關鍵性的指標，尤其是在現在國產設備替代的大背景下，持續維護高良率是長期課題。而良率的關鍵，就是和各個環節的Know how緊密相關。

當下車規級芯片成為拉動半導體行業出貨量的中流砥柱，未來毫無疑問將會成為重要的市場方向。車規級芯片的認證上車和良率提升也將成為業界探討的重要話題。芯率智能結合最新人工智能技術的工具化產品，在車規級芯片領域將會起到重要的作用。

車規級芯片國產替代勢在必行

根據PwC 數據，全球主要國家/地區中，大部分將在2030年-2040 年間，通過僅可銷售零排放車輛或者禁止銷售燃油車等方式，來實現 CO2減排。而另一方面，包括巴黎、雅典、羅馬、阿姆斯特丹、奧斯陸等歐洲主要城市中，也提出了禁售燃油車/柴油車的計劃，普遍將在 2024年-2030 年實施禁售。

蔣曉軍先生表示，傳統汽車需要300-500塊芯片，電動智能汽車對芯片的需求直線上升，高達上千塊，未來L4以上的高等級智能駕駛汽車需要3000塊以上。目前車載芯片價值占汽車整車成本約為35%，預計2030年到2035年會占到整車成本的50%上下。

圖：來半導體價值占整車比例   源于亞太芯谷研究院 

蔣曉軍先生補充道，我國每年汽車銷售高達2500萬輛，中國不僅僅是最大的汽車消費市場，未來毫無疑問會成為汽車最大的生產國。2021年中國汽車芯片市場規模約為150億美元，占全球市場比重30%。未來我國對汽車芯片的需求會非常巨大，但是國產芯片占比非常低，國產替代意義重大且勢在必行。

蔣曉軍先生稱，汽車芯片的高可靠性、高安全性、高長效性造就了其的高門檻。

所謂高可靠性，是指汽車芯片的運行條件十分惡劣，有較大的溫度區間，有較多的震動與沖擊。優秀的汽車芯片應該在惡劣的環境下持續、穩定、高效的工作。并且汽車的設計壽命普遍較長，高達15年或者20萬公里左右，汽車芯片的產品生命周期，要求在15年以上，持續供貨周期可能在20年以上。

汽車芯片絕不能宕機，功能安全極為重要，并且要考慮到信息安全因素。這就是車規級芯片強調的高安全性。

高長效性是指因為汽車開發周期較長，新車型開發至少需要兩年，芯片設計必須有前瞻性，能夠滿足未來3-5年的前瞻性需求。并且芯片需要支持未來操作系統和應用軟件的持續迭代需求。

汽車芯片良率提升的痛點和難點

雖然在人工智能的助力下，車規級芯片良率檢測得到更多賦能。蔣曉軍強調，汽車芯片良率提升還是有非常多的痛點和難點：

一是，亟需對于汽車芯片良率和可靠性要求的深度理解和行業共識，形成汽車芯片規范化的檢測認證標準和便捷標準化的檢測流程。

二是，需要匯聚汽車芯片的良率產業鏈相關數據，基于大數據和AI能力，實現多維度的有效分析，形成不同環節數據的有效協同。

三是，需要汽車芯片良率相關的專家經驗知識庫和行業Know-How的持續積累，從而針對性解決車規級芯片良率和可靠性的痛點和難點。

四是，依托便捷、高效的專業良率分析工具、全網檢測平臺和行業深度咨詢服務，支持汽車芯片良率和可靠性的管理和優化提升。

眾所周知，芯片的良率和Fab關系極大，也受其它生產制造環節的影響，圍繞工藝改善、設備智能化管理，可以有很多方法可以幫助有效提高芯片的良率。

芯率智能從2006年開始就服務半導體產業的頭部企業，17年以來陸續為半導體行業提供了200多個軟件產品和解決方案。蔣曉軍先生表示，芯率智能長期和先進制程Fab廠合作，特別是積累了很多Know how和行業認知與理解，可以為未來汽車芯片的發展提供很多的幫助。芯率智能的經驗證明，良率管理和提升需要全產業鏈的共同努力，需要各個環節的數據相互協同。

蔣曉軍先生分析，汽車芯片良率檢測環節有產線缺陷檢測、產線電性測試、wafer針測封裝后測試、失效分析和系統應用級測試、汽車芯片相關特殊檢測等等，與生產制造流程中產生的數據共同形成汽車芯片良率和可靠性大數據。這些大數據不僅僅是做簡單的分析，最重要的是產生各種各樣的Know how和專家經驗的積累。只有如圖形成有效的閉環，才能夠真正把良率提升做好。

目前最熱門的人工智能大模型，對于工程數據分析和發掘相關的行業Know how，以及為車規級芯片良率提升，必將產生非常重要的作用。

芯率智能技術顧問曾文滔先生曾表示，我國沒有大量有經驗的半導體設計、工藝、過程等工程師，也沒有時間和試錯成本來從頭培養這些工程師。但我們有這么多年來在半導體領域設計、生產、制造中積累大量的數據。而這些數據，加上人工智能的引擎，將是我們的巨大機會和財富！

芯率智能有一系列的面對不同生產制造環節的產品和工具，可以助力汽車芯片的良率管理和提升。

AI ADC缺陷自動分類

AI ADC缺陷自動分類采用基于機器視覺的動態缺陷分類方法，根據產線實際缺陷示例而不是參照以“最佳擬合”近似值或“模糊邏輯”描述特征進行分類;方案結合晶圓制造業務需求，針對晶圓缺陷特征類型，使用包括了深度學習算法在內的非參照分類方法。

每個晶圓上的缺陷數量和種類會非常之多，不同的缺陷可能會來自于不同的機理，哪些會對汽車芯片的良率有影響都需要區分出來，所以需要依據空間特征進行有效識別和分類。

AI ADC缺陷自動分類有利于.提化產品與簡現場配置，易于集成到生產環境中，并支持可擴展高速分類增值服務。

產品經過三年研發，已在多條本土頭部晶圓量產產線實際應用并取得基于KPI衡量的卓越成效。

虛擬量測

蔣曉軍先生稱，量測檢測貫穿芯片生產制造的全部流程。但是對于所有晶圓片進行逐一量測，不但成本高昂，而且非常耗時。虛擬量測(Virtual Metrology)基于對設備和工藝數據的分析建模，實現對重要生產制造環節的工藝和產品特性的預測，而無需在所有模組/晶圓上進行完全量測。

對于某些工藝流程，每次設備和工藝的維護調整后，都需要對采樣晶片進行破壞性測量，難度比較大，需要大量的時間和成本的消耗。基于設備和工藝數據的分析建模的虛擬量測，可以快速跟蹤工藝和設備的調整，實現產線工藝和設備的有效管控。

設備生產狀態的評估、管理及預測

由于芯片產業的特殊性，半導體生產制造企業的生產線設備需要動態監督和評估工作狀況。

通常情況下，發現前道、后道設備異常往往是事后，有可能生產的原料已經報廢，浪費了產能，還得需要投入工程師資源走事后處理流程。能不能把事后的管理變成事中和事先？通過對工藝、設備進行建模，對整個生產流程進行實時預警，可以有效地降低產線的異常情況，提升產線的效率。還可以在事先做一些預測性的設備維護。

蔣曉軍先生稱，多設備一致性匹配對于汽車芯片生產來講非常關鍵。汽車芯片代工廠通常情況下通過人工調節來實現設備一致性，一方面需要操作人員有大量實操的經驗，對主觀判斷的依賴很強，存在各種風險；另一方面由于不定時需要人工在線處理，效率很低。通過基于人工智能的生產制造環節的智能化管理系統，可以比較好地解決這樣的問題。

蔣曉軍先生補充道，基于芯片生產制造企業生產工藝、設備信息、Recipe、設備日志和實時工況等數據，芯率智能通過深度學習和多維相關性分析，可以幫助半導體生產制造企業監控生產設備，實時異常預警，實現前瞻性的設備狀態管理和預測性的設備維護。

在國內半導體設備、材料與國外有巨大差距的現實前提下，芯率智能在集成電路制造關鍵領域的工業軟件發力，利用數據智能驅動半導體的工藝改進、設備增強及優化，為半導體工業軟件自主可控貢獻本土力量。

同時，因為芯率智能與半導體生產制造環節和量測檢測環節企業有多年的業務合作，積累了大量的行業know how。隨著外部技術封鎖愈加嚴峻，充分發揮數據模型的威力，推動半導體生產制造和相關工業機理的優化提升，可以為汽車芯片的加速國產替代，提供全新的機遇。

閱讀原文