集微网消息 7月13日至14日，中国集成电路设计创新大会暨IC应用博览会（ICDIA 2023）在无锡太湖国际博览中心隆重召开。在大会汽车电子与应用专场，芯率智能科技(苏州)有限公司联合创始人蒋晓军发表了名为《人工智能助力汽车芯片的良率提升》的主题演讲，指出通过人工智能对不同类别的汽车芯片缺陷进行有效识别，同时基于工艺和流程分析找出相关RootCause，将能真正解决和提升整个生产线的工艺良率。
蒋晓军表示，“良率是半导体产业的生命线，涉及到效益甚至生死存亡。对于生产线而言，良率一直是非常关键性的指标，在各个环节和Knowhow关系非常紧密，尤其是在现在国产设备替代的大背景下，持续维护良率应该是一个长期课题和持续努力的方向。因为良率提升是一个系统性的工程，需要设备、工艺开发和封测等产业链各个环节协同、一起努力。”
在电动汽车领域，汽车芯片已经进入全新的发展范畴。蒋晓军称，传统汽车需要三五百元相关芯片，电动智能汽车需要上千块，而未来L4以上的智能驾驶汽车需要三千元以上。作为全球最大的汽车消费市场，中国将来也势必是最大的汽车生产地，同时对汽车芯片会有非常大的需求。但有专家指出，目前国产汽车芯片占比非常低，平均不到5%。一些相对简单的芯片占比最多只有8%，而高端的汽车MCU占比不到1%。不过，这也意味着提升空间巨大。
“汽车芯片的高可靠性、高安全性、高长效性是非常高的门槛和壁垒，这是因为汽车本身应用环境非常恶劣，而更关键的是汽车生命周期、生产周期都很长。”蒋晓军认为，在可靠性方面，汽车芯片的供应需要二十到三十年的时间周期检验；在安全性方面，汽车芯片绝对不能宕机，它的安全性以及基于车联网的信息安全都非常关键。至于长效性，由于汽车芯片开发周期非常长，其上车之后两三年真正面向市场时，能不能适应市场需求极为重要。
蒋晓军进一步表示，汽车芯片良率相关的能力提升其实存在很多痛点。第一，行业对良率可靠性的理解、认知，包括形成比较明确的行业规范、便捷的相关认证流程是关键之一。第二，汽车芯片良率提升需要全产业链协同，以及各个环节的数据共同发挥作用，并非在单一环节就能解决。第三，专家的经验以及对行业Knowhow需进一步加强。第四，良率检测、良率分析以及其后的深度服务/咨询也是重要一环，否则芯片生产厂商会很茫然。
只有形成有效的闭环，才能够真正把汽车芯片良率提升做好。蒋晓军认为，“环境、电性测试等很多汽车芯片良率测检测环节，与生产制造的流程数据共同形成了良率大数据。这些大数据除了做简单的分析，最重要的是可以在里面产生各种各样的Knowhow和经验积累，包括失效分析、系统应用级测试以及汽车芯片相关特殊检测都可以反馈给各环节良率分析。”
在这一闭环生态中，有多种人工智能工具可以助力汽车芯片的良率提升，比如AI ADC是缺陷自动分类，能在半导体、泛半导体领域发挥比较大作用，即通过人工智能、机器视觉和深度学习有效提升效率。蒋晓军指出，基于缺陷分类基础，每个晶圆上的缺陷数量和种类会非常多，不同缺陷可能会来自不同机理。而通过人工智能对不同类别的缺陷进行有效识别，同时基于工艺和流程分析发现相关RootCause，将能真正解决和提升整个产线的工艺良率。
至于提升汽车芯片良率的人工智能工具和应用场景，蒋晓军列举了Map Signature识别结果、AI Metrology智能量侧、Virtual metrology虚拟量测、AI Dynamic Sampling智能动态取样，以及设备生产状态的评估及预测、多设备一致性匹配和产线工艺控制管理等。
在各人工智能工具的作用方面，蒋晓军称，Map Signature能完成空间缺陷识别，进而完善整个产业链；AI Metrology通过机器视觉和识别对产业工艺进行相关量测分析；Virtual metrology通过对工艺、设备建模形成对重要工艺和产品特性的预测，从而提升产线效率等；AI Dynamic Sampling结合AI对缺陷的预测可以大幅提高侦测率和减少误报率。
另外，在设备生产状态的评估及预测上，人工智能的应用可以把事后的管理变成事中和事先，即通过建模对整个生产流程进行实时预警和事先做一些预测性设备维护。而多设备一致性匹配通过智能化系统可以比较好地解决效率不高、受人工判断影响比较大等问题，最重要的是可以动态监督调校之后的结果。在产线工艺控制管理方面，人工智能的应用能提高效率和有效管理虚拟建模等，以及在工艺流程中可以通过建模方式对质量进行预测和管理。
