電子發燒友網報道（文/周凱揚）隨著AI技術的急速發展，特別是在機器視覺領域，目前半導體產業的中下游已經全面擁抱了這一技術。然而在上游的半導體制造中，也已經有不少設備開啟了對該技術的應用，比如晶圓檢測領域。在部分廠商仍在增加產能的當下，如何進一步降低制造成本就成了當務之急。

放在晶圓檢測這道工序上，降低制造成本的方式就是進一步提高缺陷檢測效率，及時發現缺陷就能幫助廠商減少更多的產量損失。要知道，對于現代晶圓廠而言，一旦因為缺陷而導致停工檢測，造成的損失都是天價。可隨著制造工藝的提升，傳統的晶圓缺陷檢測手段也紛紛遇到了困難，這才有了AI的介入。

科磊

早在2020年，科磊公司就推出了一系列AI驅動的晶圓缺陷檢測設備，包括eSL10、Kronos1190、ICOSF160XP和ICOST3/T7四大產品線。其中eSL10為電子束晶圓缺陷檢測系統，專為加速高性能邏輯與內存芯片的上市速度而打造，尤其是那些依靠EUV***系統打造的芯片。

由于EUV***系統制造的芯片多為7nm以下的先進工藝，在特征尺寸減小之下，勢必會產生超大吞吐量的數據足跡，所以檢測工具也需要更高的性能，乃至應用人工智能檢測算法，才能保證檢測效率。而eSL10憑借科磊自研的SMARTs深度學習算法，可以在圖樣特征和工藝噪聲之間，精準地辨別出極其細微的缺陷信號，從而找到影響設備性能的關鍵問題。

至于負責封裝檢測的ICOST3/T7，可以選擇在托盤T3和編帶T7輸出之間重新配置的同時，也一并引入了深度學習算法。ICOST3/T7可對缺陷類型進行智能分類，從而提供對封裝質量的準確反饋，方便操作員更快地進行產品質量分類。

應用材料

2021年，應用材料也宣布他們在自己的晶圓檢測設備中開始使用自研人工智能技術，ExtractAI。該技術充分利用了應用材料的Enlight光學檢測工具，以及SEMVision電子束審查系統，利用深度學習來發現晶圓缺陷。

ExtractAI的作用其實就是連接Enlight和SEMVision兩大系統，光學檢測工具快速但分辨率有限，而電子束檢測工具較慢但分辨率高。先用Enlight系統快速生成潛在的缺陷大數據庫，ExtractAI用于分類缺陷和噪聲，SEMVision則用于驗證訓練ExtractAI獲得的結果。

如此一來，Enlight系統加上ExtractAI就能自動識別晶圓上的特定缺陷了。額外的訓練可以使其提供更高的精度和性能，且由這一過程產生的缺陷數據庫可以在晶圓廠之間共享。應用材料表示，其實該技術早在公布之前，就已經被頭部的幾家邏輯晶圓廠在使用了，而未來隨著DRAM工藝變得愈發復雜，會有越來越多的制造商采用這一技術。

小結

從晶圓缺陷檢測設備上開始應用AI技術這一趨勢可以得知，半導體制造工藝的進步往往是各個上游產業通力協作的結果，無論是制造材料、檢測設備還是光學系統，都必須跟上步伐，才有將工藝往可用的埃米級逼近的機會。

AI技術的加入，即便是舊一代設備也能享受更加精密的晶圓缺陷檢測，從而保證產能和良率。但設備廠商也都在加入下一輪軍備競賽，隨著晶圓檢測負載中的數據增長，未來HPC級別的模塊也很有可能出現在半導體設備上。