集微網報道（文/Oliver、茅茅、張浩、李延）中國半導體已經開始逐步擁抱先進製程，加入14nm、7nm工藝大軍的芯片公司正日益增多。在這個過程中，一系列挑戰擺在了行業人面前。
良率提升是其中最為重要的話題。圍繞著如何提升良率，業界產生了各種各樣的聲音。但不可否認的是，通過數據分析找到最佳方案是全行業已經達成的共識。同時，運用雲計算、部署人工智能也是業界正在嘗試的新方法。這些方法有何利弊，產生的挑戰又該如何應對，已經成為業界最為關心的話題。
針對這些熱門話題，4月24日晚，第八期集微龍門陣之“先進製程、數據分析和良率提升”邀請四位重量級嘉賓成功舉辦了線上互動交流活動，超20627人次通過愛集微APP參與了線上直播，通過騰訊視頻會議、新浪微博、百度視頻、西瓜視頻、bilibili等渠道觀看直播、參與互動的人數也將近4000人次，總參與人數超25000人次。
下載愛集微APP觀看回放
本期集微龍門陣由瑞芯微CMO、中國半導體投資聯盟副秘書長陳鋒在線主持，上海積塔半導體有限公司CEO 洪渢，紫光展銳科技有限公司執行副總裁周晨，普迪飛半導體技術有限公司亞太區副總俞冠源博士，上海安路信息科技有限公司聯合創始人徐春華各抒己見，就中國半導體行業升級中面臨的種種挑戰進行了熱烈的討論。
嘉賓們圍繞“半導體工藝升級、良率提升所帶來的挑戰”“如何做好半導體行業的大數據分析？”“怎樣適應雲端工作、在線協作的新模式？”“ 人工智能在半導體行業的應用和體會”等話題展開了精彩的論述。
以下為嘉賓的觀點彙總，供大家參考。
半導體工藝升級、良率提升所帶來的挑戰？
上海積塔半導體有限公司CEO洪渢：對於晶圓製造企業而言，良率提升是永恆的話題。製程工藝需要不斷往前演進，每演進一個製程工藝就會產生新的問題，然後需要繼續提升良率。比如我之前在英特爾、新加坡特許半導體、中芯國際、武漢新芯等晶圓廠工作的時候，每當接觸到新的工藝節點都會遇到新的問題，也會遇到良率提升的挑戰。
一般來說，集成電路的演進不只是線寬的不斷減少，它實際上是性能、可靠性、經濟性的綜合提升。從芯片的製造流程來看，剛開始由IC設計公司來定義產品，然後製造企業根據要求選擇匹配的製程工藝，並去購買相關設備，從而滿足不同產品所需要的不同線寬、溝槽深度、薄膜厚度等等。
隨著集成電路工藝節點越來越小，不僅對於設備的要求越來越高，同時還需要材料的改進，而製程工藝也從平面進入到3D。在製造企業剛開始研發工藝的時候，必須要定義好一大堆的參數來表徵良率。等到工藝開發到一定程度，比如14nm研發成功了，此時會有多種不同的解讀。一般來說，邏輯電路會用一個測試芯片——Test Vehicle(一般是一個足夠大容量的SRAM）來看良率是不是能夠從0到1，然後到20%、30%、50%，等達到70%-80%左右的時候，就必須要通過產品升級去不斷提升良率，此時或許有終端客戶願意跟製造廠一起提升良率，但也可能有客戶不願意。晶圓製造廠需要制定專門的良率路線圖，然後將良率從80%一步步提升到95%左右。這是目前國際上比較標準的一個良率提升方法。
中國目前已經進入先進製程2.0時代，此時便需要將良率提升的方法運用得更加爐火純青。這不僅需要一個非常有經驗的團隊，該團隊必須非常熟悉製程工藝、設備，以及工藝、設備和器件之間的關係，同時還需要不斷演進整個工藝控制的流程。經過多年發展，中國半導體制造行業已經發展到一定的成熟水平去運用標準的良率提升方法。
值得一提的是，有些先進的晶圓廠為了攻克良率問題，除了使用已經商用的良率提升軟件和硬件，也會和供應商一起開發特殊的軟件和硬件來提升良率，這也是他們具備較強競爭力的原因所在。
紫光展銳科技有限公司執行副總裁周晨：不得不說展銳所做的移動終端芯片處於世界上對於先進工藝製程追逐訴求最強烈的領域。主要原因在於移動終端產品是使用電池的設備，所以對於功耗有很強的訴求。而同時解決性能和功耗之間的矛盾關係，只能通過提升工藝來實現。
在現在這個時間點去看工藝的發展，有時候會覺得非常恐怖。以前一代工藝節點會經過3-5年才往前演進，但是從16nm開始，幾乎一年往前演進一代工藝。對於IC設計公司而言，一顆SoC芯片的研發週期至少要18個月，而工藝的演進速度明顯比正常的還要快，這意味著設計公司在上一代工藝還沒積累足夠經驗的時候，就不得不選擇更先進的工藝製程，所以這是一個非常大的挑戰。這也是隨著製程工藝逐漸往前發展，芯片設計廠商越來越少的主要原因。
實際上對於先進工藝來說，最直接的挑戰在於昂貴的研發費用。以展銳研發的6nm芯片項目舉例，其研發投入至少在2-3億美元以上。而這也意味著本身產品的生命週期很短，同時成本又在快速上升，使得終端產品在短期內無法進行大規模量產。
到底是不是必須要去追先進製程呢？答案顯然不是。因為除了手機產品，還有海量的其他領域的產品，這些產品不需要特別小的芯片面積，所以也不需要特別先進的工藝。從整個行業來講，我認為大家不需要太著急去追趕先進工藝，需要根據公司實際情況選擇最合適的工藝製程。
普迪飛半導體技術有限公司亞太區副總俞冠源：普迪飛本身在幫助客戶做數據分析和良率提升，在先進邏輯製程方面，特別是做到7nm和5nm時，仍然會面臨很多挑戰，包括以下三點。
第一點是如何準確定位設計和生產過程中的缺陷。以前很多良率提升的時候，我們都可以用工具看得到，但是現在做FinFET，以後還要做GAA，很多缺陷都不在表面上，而是埋在裡面。怎麼樣在研發和量產時監控這些東西，變得十分困難。以前良率可能只是晶圓廠要考慮的問題，但現在需要fabless公司在產品設計的時候，就把監控結構埋在產品裡面。
第二點是封裝時產生的應力會導致芯片中晶體管的特性出現改變，在芯片的邊緣和中間，應力是不一樣的。這個問題沒有傳統的方式去監控，會導致很多後續的問題。要解決問題就需要晶圓廠和fabless協同合作，通過一些方法在產品裡面放入一些監控的傳感器，用這些結構監控封裝時產生了多少額外的應力。
第三點是器件的可追溯性。蘋果等大型客戶要求整個供應鏈能夠精確地跟蹤到芯片的問題出現在哪一個機臺，哪一片wafer，哪一個位置。只有跟蹤到才能夠確認出哪個步驟出了問題。所以整個終端到終端的傳遞性是一個先進製程需要進一步提升的地方。
普迪飛公司在上述幾個領域積累了近三十年的經驗，正在幫助很多海內外的半導體設計和製造類公司部署這些解決方案。
上海安路信息科技有限公司聯合創始人徐春華：對我們的挑戰中，最主要的就是工藝的穩定性。即使對於成熟工藝產品，在大規模生產中，有時也會出現大規模的良率波動。所以我們需要對此做一些故障分析、失效定位等，看看到底是什麼原因引起的，比如機臺的變動等。
如何做好半導體行業的大數據分析？
上海積塔半導體有限公司CEO 洪渢：對晶圓廠來說，數據分析對良率提升或其他任何環節都是非常重要的，和良率提升的關係尤為密切。所有的晶圓廠都會用FDC軟件，根據設備中各種傳感器收集來的海量數據進行分析，確定哪些數據跟良率提升是相關的。
但數據分析是雙刃劍，很多人要麼找不到問題，要麼找到無數的假問題。所以，數據分析是個手段，用好它需要經驗和專業性，還需要軟件供應商和晶圓廠一起密切合作。
現在國產設備的使用越來越多，給晶圓廠帶來的挑戰在增多，因為國產設備進入先進製程的時間較晚，需要很長時間才能穩定下來，影響了生產線的穩定性。所以，晶圓廠和設備公司要緊密合作，用數據分析的手段，把國產設備的不穩定性降到最低，讓其得到更快的發展。
紫光展銳科技有限公司執行副總裁周晨：對設計公司來說，在先進工藝節點之間的切換週期越來越短，要提升產品良率，就需要依靠工具和數據分析，而這並不是設計公司自己能完成的，還需要和產業鏈通力協作。
普迪飛半導體技術有限公司亞太區副總俞冠源：工業4.0中一個重要的概念就是數字孿生，即將物理世界的事物用數字技術再現。半導體行業也在應用，就是用數據模型來表徵一個晶圓廠，但實際應用的情況還很不成熟。
在晶圓廠生產過程中收集到大量的數據，如何去處理是個大問題，重點是如何找到最有價值的數據。因此，需要用先進的技術把海量數據精簡，提煉出最有用的信息。
普迪飛的解決方案能夠把機臺收集到的數據、生產工藝數據和良率數據進行掛鉤，串聯起所有的數據，分析出最有價值的信息。
上海安路信息科技有限公司聯合創始人徐春華：我們對每個芯片設立了獨立ID，可以統計在生產過程中的各種數據，方便進行追溯。但在追溯過程中，整合起來的數據量非常大，很多的分析都需要用軟件去處理。所以，希望普迪飛這樣的專業軟件公司能幫助我們，一起應對這個有挑戰性的工作。
合肥晶合大數據分析科副理徐東東：晶圓製造中數據分析的挑戰之一是如何提高時效性。海量的數據全部要做分析，需要很長時間。我們幾年前開始採用普迪飛的數據分析系統，並在此基礎上定製開發了很多針對我們需求的數據分析模板，大大提升了數據分析的效率和有效性。
怎樣適應雲端工作、在線協作的新模式？
上海積塔半導體有限公司CEO洪渢：現在很多晶圓製造廠裡面的先進機臺都具備遠程遙控的功能，可完成部分遠程工作。但很多半導體公司為了避免電腦病毒的影響，保障信息安全，都會關閉機臺的遠程遙控功能。對於製造企業而言，還是需要工程師親自去工廠處理工作。
之前在新冠肺炎疫情最嚴重的時候，上海積塔會要求少部分值班工程師必須去工廠，而隨著疫情逐漸緩和，去工廠的工程師越來越多，因為開發工藝等問題需要工程師親自去工廠解決。
雖然現在越來越多的設備具備遠程遙控功能，但我不確定該設備或者軟件的網絡工作已進展到何種程度，同時也不確定目前業界有多少公司會採用遠程遙控功能。
紫光展銳科技有限公司執行副總裁周晨：目前通過雲端的工作方式來解決受疫情影響的開發模式，其實離我們還很遠，很多因素造成該方式還不太現實。
從IC設計角度來講，雖然最前端的部分工作可以通過雲端解決，但前提是要能夠滿足信息安全需要。在展銳內部，SoC開發和IP開發工作都是通過公司內部網絡來完成，其具備更高安全度。此外，仿真和芯片調試等後端工作，也不可能依靠遠程工作的方式來完成。
所以對於半導體公司而言，或許從長期來看，會進行更多遠程工作，但是在短期的未來不會有任何改變。
普迪飛半導體技術有限公司亞太區副總俞冠源：從雲端工作的角度來講，IC設計公司走在IC製造公司的前面，歐美客戶走在大陸客戶的前面，最關鍵的難點便在於如何保障信息安全。
在數據分析層面來看，如果已經生成良率數據，之後的工作便可以通過雲端完成。其實在從去年下半年到今年第一季度，很多普迪飛美國和歐洲的客戶已經提前開始切換雲端，主要是為5G、車用和AI等芯片做準備，因為這要求的數據量會非常大。比如普迪飛最大的一家Fabless設計客戶，之前因為數據安全等原因一直不願意換雲端，但去年年初突然要求換雲端，因為芯片測試的數據量太大。
此外，對於晶圓製造企業而言，由於信息安全是更大的考量，所以製造廠上雲端比設計公司更謹慎，目前很多工人遠程操作機臺都是通過公司的局部網實現。其實幾家全球最先進的晶圓製造廠兩三年前便開始討論工廠內部的雲端，但這依然只是一個概念，距離真正實現還有好幾年的路要走，其中最關鍵的就是數據安全問題。
上海安路信息科技有限公司聯合創始人徐春華：在我看來，新冠肺炎疫情對於IC設計企業而言沒有產生較大影響。在疫情初始階段，安路專門為員工設置了遠程VPN，使得員工能夠在家裡直接連接公司的網絡進行工作，同時也會通過專門的會議軟件進行開會。該模式在一定程度上也提高了工作效率。對於安路而言，受疫情最大的影響是客戶支持工作。
AWS中國行業生態合作伙伴業務總監李奔：AWS是一家亞馬遜旗下的雲計算公司，從2006年開始推出公有云業務，並一直是公司唯一的業務。在過去的十年裡，AWS已經服務超過100萬家客戶，其中也包括很多半導體行業客戶。
針對數據存儲問題，Amazon S3雲存儲服務是AWS推出的第一個公有云服務，其具備海量存儲的特點，目前最大的客戶便是自動駕駛領域企業，多家全球領先的自動駕駛科技企業便在AWS上運行數據存儲和訓練系統。此外AWS與半導體行業結合最好的是算力業務，兩者最好的業務結合點包括EDA和仿真，目前合作客戶包括臺積電、三星、Arm等等。
人工智能在半導體行業的應用和體會
上海積塔半導體有限公司CEO洪渢：集成電路行業是一個需要很多經驗豐富人員的行業，工廠裡有很多工藝工程師、設備工程師，他們每天的工作就是保證工廠的製程不要出問題。產品的良率提升、良率穩定都是要靠工程師每天進出工廠，一直緊盯生產線來實現，否則就會出紕漏。
這樣的工作需要經驗和一整套的方法，並且藉助各種各樣軟硬件和海量的數據實現。目前，很多公司在這個基礎上建立模型，開發AI軟件和算法，用機器人代替工程師工作。
用AI來替代很多工作是否確實可行，目前很多專家也在討論這樣的問題。從理論上來說似乎是有可能實現的，但是這個事情的好壞與否，目前還不是很確定。
紫光展銳科技有限公司執行副總裁周晨：我覺得人工智能技術的引入在未來一定會徹底改變整個芯片設計的方式。
經驗是通過大量的工作逐漸形成的，實際上比較難以用明確的概念或者準確的描述表現出來。這個過程和現階段的深度學習很像，算法會把很多東西抽象成我們都不理解的但卻是非常重要的特徵。
目前無論前端還是後端設計，包括了大量的數據分析，裡面有很大部分需要通過個人能力和經驗去尋找高價值的東西。而人工智能技術得益於計算能力的瘋狂提升，完全有機會從前端到後端，甚至是對良率提升，都能起到非常明確的增進作用。
這個影響首先體現在工具上。一些大型公司在近幾年做了很多這樣的工作，他們有大量的數據的積累，在引入了人工智能以後，能把設計過程中關鍵的一些特徵提取出來，並在後續的自動化中起到一個非常直接的作用。
我相信按照現有的方式，不用特別長時間，人工智能就能在很多方面超過有經驗的工程師。以後的設計過程更多是需要大量數據和工具，這樣整個設計端都會因此降低了門檻。
普迪飛半導體技術有限公司亞太區副總俞冠源：人工智能從描述性分析到診斷性分析，再到預見性分析，經歷三個階段，而預見性分析已經成為業界的趨勢。
一兩年前，臺積電和聯電就曾經表示，在工廠裡面使用人工智能，能夠在不增加機器的情況下多生產20%-30%的晶圓片。比如在離子注入的時候，使用人工智能就能夠定時做出調整。而且，人工智能能夠把很多專家的經驗和專業技能整合在一起，實現同時操作多臺機器的可能性。
設計公司會在總部開發一些提升良率的算法，再把其部署到封裝廠中，這個時候會更多運用到人工智能。不過，這個過程還是需要大量有經驗的人員去支持。
上海安路信息科技有限公司聯合創始人徐春華：現在人工智能非常熱門，我們公司也有芯片應用到人工智能、邊緣計算和終端設計中，主要做一些人工智能加速等應用。
人工智能在生產過程中可以做早期分析，現在的數據一般都是測試數據，這些數據沒有與生產過程中直接相關聯，如果把測試數據與過程數據相結合，可以有更大的數據量，而且維度也增加很多，用人工智能進行分析，會對良率提升有很大貢獻。
（校對/Yuna）
