坐擁PB級數據反成“信息繭房”，晶圓廠代工之苦誰能懂？

晶圓加工絕非一件輕而易舉的事情。

事實上，半導體晶圓廠處理一片晶圓通常需要數百個工藝步驟，歷時一個多月。即便在加工完成之后，還需要再有一個多月的時間來完成組裝、測試和封裝，才能最終產出可供使用的合格芯片。

但隨著摩爾定律的放緩，以及先進制造工藝越來越復雜，晶圓廠面臨的挑戰也在不斷升級：首先，如前文所述，隨著芯片制程工藝從納米級向埃米級演進，制造過程的復雜性必然增加，需要創新的軟件解決方案；其次，為了對大批量生產進行優化控制并最大限度地減少工藝偏差，晶圓廠產生的數據量正在向PB量級發展。不僅如此，由于供貨壓力加大、市場競爭激烈，晶圓廠還不得不在降低成本的同時努力完成嚴苛的生產目標。

那么，有沒有新的解決方案來幫助他們解決上述難題，讓制造過程更加高效，讓晶圓產能獲得更大的釋放？新思科技軟件產品Fab.da為此做出了有益的嘗試，晶圓廠可以籍此解決復雜挑戰，提高制造效率，獲得更大價值。

什么是Fab.da？

Fab.da是新思科技EDA數據分析解決方案的一部分，是一款全面的過程控制解決方案。它利用人工智能(AI)和機器學習(ML)來加快量產速度并實現高效的大批量制造，將整個芯片生命周期的數據分析和洞察能力融合在了一起，在Fab.da的加持下，半導體晶圓廠能夠做到在不停機的情況下，分析來自廠內數千臺設備的PB級海量數據。

換句話說，該創新解決方案能夠將晶圓廠內來自晶圓、設備、設計、掩模、測試和良率等多個環節中的數據匯集在一起，實現更高的效率、更大的數據可擴展性，并提高分析問題的速度和準確性。而此前，這些環節大多處于“孤立”狀態，容易形成“信息孤島”，導致諸多不同來源、不同類型的數據難以匯集到一個平臺，形成完整的連續數據集，用于先進節點和成熟節點的芯片制造。

Fab.da芯片制造工藝

作為面向先進晶圓廠的一種全面過程控制解決方案，Fab.da不僅提供基于AI和ML的故障檢測和分類(FDC)以及統計過程控制(SPC)，還允許動態地檢測故障并充分利用全面的決策支持系統。這樣，晶圓廠工程師就能盡早識別工藝偏差并快速確定根本原因，從而實現高效的工藝監控。

值得一提的是，Fab.da還可實現基于ML的自動缺陷分類和缺陷圖像分析。這樣，制造商就能在分析良率問題時，深入了解設備的子系統或特定的工藝參數，以快速確定工藝偏差的根本原因。而且，Fab.da支持在云端使用，可在擁有成本方面提供充分的靈活性，以滿足隨時間而變化的計算需求。

誰懂IC制造商之苦？

半導體晶圓制造商制造更小、更快、更便宜的晶體管，背后有著巨大的商業動機。然而，這需要晶圓廠擁有合適的專業知識、設備和軟件，才能滿足競爭激烈的市場需求。例如，一個尖端的晶圓廠需要超過50億美元的前期資本投資，才能每分鐘生產數萬億顆晶體管，這些晶體管比一縷頭發的寬度小2000倍。

在芯片制造過程中，這些晶圓廠每年通過數十萬個獨特的傳感器實時收集、傳輸、處理超過數十PB的數據，以便在高級節點共享與制造芯片相關的信息。這種大數據流需要在幾秒鐘內實時監控和分析，以指導晶圓廠實現最大效率。

同時，還要考慮到EDA、測試和IC制造工具產生大量的數據又是異構的，如時序路徑、功率特性、裸片合格/不合格報告、工藝控制或驗證覆蓋指標，而如何利用這些異構設計數據對于提高生產率、PPA和參數/制造良率至關重要。 

讓我們看看如果沒有類似Fab.da這樣的解決方案，在先進技術節點上進行制造工藝問題檢測會遇到怎樣的挑戰？顯而易見，工程師首先就只能自己進行良率分析，以找出潛在問題；發現問題之后，與缺陷和工藝團隊進行溝通，以確定根本原因并進行故障排查；再之后，缺陷團隊將開始尋找問題背后的一些相關性，而工藝團隊則進行故障排查并將其與根本原因聯系起來。

上述步驟無疑會耗費大量時間，而且很可能只是海量PB級數據產生過程中的一小部分。試想一下，如果我們把這些問題從局部放大到整個晶圓廠，面臨的挑戰將更加嚴峻和復雜。那么，為什么不能將這些時間集中起來用于提高芯片良率、降低成本和縮短產品上市時間呢？為什么不能轉變模式，利用工業4.0以及現代軟件解決方案中的AI/ML力量，實現晶圓廠效率的最大化呢？

智能制造推動下一代半導體芯片的發展

快速且智能的解決上述挑戰，正是Fab.da的最大優勢之一，例如工程師可以快速識別并查明特定芯片的問題，以進一步了解究竟是哪個工藝步驟和/或設備造成了問題。除了能夠快速、準確地進行過程控制之外，節省下來的時間和成本還帶來了其他諸多益處，包括：

• 效率：使晶圓廠能夠做出更好的決策并減少誤報。
• 連續性：連接多個晶圓廠，分析PB級數據，并提供云服務
• 魯棒性：無需停機并支持實時升級。
• 可擴展性：可在Fab.da平臺上部署客戶應用程序。
• 預測性應用：晶圓廠的過程控制從被動響應過渡到主動預測。

此外，晶圓廠還可以從最近的云工業化中受益。這意味著，多個晶圓廠能夠通過彼此之間的互聯進一步共享知識，增強多個晶圓工廠的流程。如果得到有效使用，托管在云中的軟件和數據則能夠對正確的數據進行排序、分析和優化，顯著減少停機時間，保護更大的供應鏈免受中斷，幫助公司履行可持續發展義務，并最終擊敗競爭對手。由AI和ML驅動的軟件分析多個晶圓廠的數PB數據，以幫助決策過程，并實現過程控制范式轉變。

其實，Fab.da只是新思科技AI驅動型EDA數據分析(Data Analytics，.da)解決方案的一部分，它與Design.da和Silicon.da共同組成了面向芯片開發全流程的完整平臺，是對Synopsys.ai全棧式EDA平臺的增強和擴展。

其中，Design.da對來自Synopsys.ai設計執行的數據進行深度分析，為開發者提供全面的可視化和可操作的設計分析，從而挖掘功耗、性能和面積(PPA)優化的機會；Silicon.da則收集來自測試設備的千兆字節級芯片監控、診斷和生產測試數據，以改進質量、良率和吞吐量等芯片生產指標以及功耗和性能等芯片運行指標。

最終，包括Fab.da在內的分析解決方案套件可通過AI驅動的流程和方法實現多域數據整合管理，從而顯著提高生產率并改善QoR。憑借更深入的設計分析，工程師可以實現更有效的調試和優化工作流程。

同時，芯片制造商可以在整個掩模、制造和測試過程中快速定位和糾正問題區域，以免影響產品質量和產量。芯片企業還可以在其數據集上使用生成式AI技術，從而實現知識助手、預防性和規范性假設探索以及引導性問題解決方案等全新用例。

結語

在提供過程控制解決方案以有效管理尖端晶圓廠的復雜性方面，新思科技不僅擁有類似Fab.da、Synopsys.ai這樣的平臺，還有更多涵蓋TCAD解決方案、掩模解決方案及制造分析的出色軟件解決方案。它們通過連接到多個晶圓廠數千臺設備上的數百萬個傳感器，以及最新的AI/ML軟件解決方案實現了自動數據分析，賦能工程師對數百PB的海量數據進行分析，并提醒晶圓廠注意潛在的工藝和產量問題。

這與先進芯片制造廠的需求無縫對接，也與工業4.0的愿景——“通過利用制造過程中的大量數據使制造業數字化，提高效率”相吻合。未來，新思科技將借助自身在連續數據集方面的豐富專業知識，通過AI/ML和大數據方面的先進技術，從各個方面幫助客戶從工業4.0中獲益，包括IC設計、掩模綜合、工藝建模、片上測試和監控技術等。