在廠商將晶圓切割成芯片之前，要經歷數百個生產步驟。這一過程中，一種建造成本高達220 億美元的光學半導體晶圓檢測機發揮著關鍵作用。近日，成立於1967 年的美國半導體和顯示設備製造商應用材料公司（Applied Materials）推出了新一代光學半導體晶圓檢測機，融合了大數據和人工智能技術，它將自動檢測更多晶圓，並發現更多可以影響芯片的致命缺陷。

AI 進入半導體製造業，為什麼？

Applied Materials 副總裁Keith Wells 在接受外媒VentureBeat 採訪時表示：

我們知道，人工智能和大數據有潛力改變每個領域，如今，我們把人工智能和大數據帶入了半導體製造業。

一方面，疫情之下全球芯片嚴重短缺，在製造廠商增加產能之時，晶圓檢測成本也在不斷上升。

十年前，廠商的製造成本約90 億美元，如今已翻了一倍。即便可以通過降低芯片製造設備成本的方式控製成本，但製造延遲和檢查失敗將導致工廠閒置，並造成大量損失。

就內存芯片而言，停工一周便會使年產出下降2%。此外，芯片價格會隨著時間的推移迅速下跌，因此製造速度落後於計劃可能會嚴重損害營收。

也就是說，半導體技術正變得越來越複雜和昂貴。對世界各地的芯片製造商來說，減少開發和部署先進製造流程節點所需的時間可能對應著的是數十億美元。

另一方面，隨著線寬縮小並成為抑制產量的一大因素，芯片的缺陷越來越難以被發現和糾正，檢查工作日益複雜。

Applied Materials 表示，3D 晶體管的形成和多處理技術也可能產生影響產量的缺陷。

市場分析公司VLSI Research 首席執行官Dan Hutcheson 表示：

能夠快速準確地識別緻命缺陷，是芯片工程師們30 多年來一直努力解決的問題。Applied Materials 的最新檢測系統就是解決這一挑戰的突破性方法。新系統採用了最先進的掃描電子顯微鏡，可幫助識別光學檢查器發出的信號，從而對缺陷進行分類。新系統每爭取一小時，就可以幫助廠商減少價值260 萬美元的產量損失（指晶圓因缺陷芯片而造成的損失的百分比）。

AI 進入半導體製造業，怎麼做？

據了解，新檢測系統是Applied Materials 當前運行速度最快的機器。

Keith Wells 稱：

我們相信，這將是業界最快的高端光學檢測設備，速度將提升3 倍。

這一系統結合了速度、高分辨率和先進的光學技術，每次掃描都將收集更多的產量關鍵數據，決定了是否降低生產速度，並在晶圓存在不同程度風險時發出警報，將捕獲關鍵缺陷的成本降低了3 倍。

同時，系統允許芯片製造廠商在工藝流程中插入更多的檢查點。大數據的可用性增強了“生產線監控”，即可在產量偏差發生前立即檢測偏差、停止晶圓加工以保護產量的統計過程控制方法，它將實現根本原因追溯，加速糾正措施，並恢復大批量生產。

值得關注的是，Applied Materials推出的新一代光學半導體晶圓檢測機集成了核心的ExtractAI技術。

該技術由Applied Materials 數據科學家開發，解決了晶圓檢測中最困難的問題：如何快速、準確地從高端光學掃描儀產生的數百萬信號甚至“噪音”中識別出導致產量下降的缺陷，並把可能出現的問題數從百萬個減少到一千個。

ExtractAI 將在基於廠商的光學檢測系統生成的大數據與電子束審查系統 SemVision 之間建立實時連接，電子束審查系統對特定良率信號進行分類，通過推斷區分良率障礙。

而SemVision 系統是世界上最先進、應用最廣泛的電子束審查技術，全世界有1500 個芯片工廠已安裝了該系統。

Keith Wells 表示：

過去五年，晶圓檢測機的成本不斷上升，行業希望通過更多的檢查來傳遞更好的經濟價值信息，而Applied Materials 正在努力實現這一點。