本文核心要點

設計復雜度正快速攀升，為半導體設計與制造領域帶來嚴峻挑戰，在 3D 創新與全球供應鏈場景下，該挑戰尤為顯著。

普迪飛 Exensio 大數據智能分析平臺與 DEX 數據交換網絡兩款核心產品，全面增強半導體制造與測試全流程的數據采集、分析及管理能力。

文中引入 “數據前饋（Data Feed Forward，DFF）” 技術概念，通過在供應鏈中實現數據的采集、轉換與分發，為先進測試方法的應用提供支撐。

普迪飛的技術升級迭代，更聚焦 “安全性” 與 “可擴展性”，旨在為半導體制造測試環節構建更穩定、更靈活的技術底座。

PDF

行業挑戰：設計與供應鏈的雙重壓力

當前半導體行業的設計復雜度已從 “難題” 升級為 “近乎無解” 的狀態 —— 盡管設計與驗證環節的挑戰常被熱議，但實際問題范疇遠不止于此。一方面，3D 創新技術的落地要求重新適配設計與制造流程；另一方面，全球供應鏈的協同難度持續增加。而AI 應用的普及更帶來新的命題：并非 “如何設計 AI 芯片”，而是 “如何用 AI 提升芯片設計的成功率”。

“數據如同新型石油，不僅是稀缺的‘資源’，更構成了人工智能（AI）運轉的核心動力基礎。”這一觀點在半導體行業尤為貼切。要破局上述挑戰，關鍵在于從復雜的全球供應鏈上游高效采集數據，并從中提煉洞察，進而指導供應鏈下游的決策與行動。要在復雜供應鏈中實現這一目標，就需要一個具備高安全性與高可擴展性的技術平臺。普迪飛此前已悄然完成這一平臺的技術布局，其針對性的制造與測試解決方案正逐步落地，持續重塑行業標準。

PDF

技術底座：兩大核心產品構建數據閉環

要應對半導體行業的復雜挑戰，搭建穩固的技術基礎是關鍵。普迪飛的這兩款核心產品，共同構成了覆蓋 “數據采集 - 傳輸 - 分析 - 應用” 的全鏈路體系。

1. Exensio 大數據智能分析平臺：數據價值挖掘的核心引擎

Exensio 大數據智能分析平臺的核心，在于突破地域限制 —— 無論制造測試、封裝環節位于全球何處，該平臺均能自動采集并分析這些環節的數據，精準識別可能對產品良率、質量或可靠性造成負面影響的統計異常。

該產品包含一系列功能模塊，可滿足不同類型企業的需求：Fabless、IDM、Foundry及 OSAT 均可通過該平臺實現安全管理測試數據，保障出廠產品質量、在邊緣端部署機器學習模型，提升實時決策效率、建立測試流程的標準化管控，優化整個制造供應鏈的運轉效率。

目前，Exensio 已在全球制造與測試環節實現廣泛應用，而其內置的機器學習能力，更成為后續技術升級的核心支撐。

2. DEX 數據交換網絡：全球數據互聯的 “管道”

要讓 Exensio 平臺的巨量數據分析有效運轉，需要全球供應鏈中多維度數據源的支撐—— DEX 數據交換網絡正是為此而生。作為一套部署于全球 OSAT 站點的基礎設施，DEX 可連接全球供應鏈中幾乎所有測試單元與測試組裝設備，實現兩大核心功能：

下行傳輸：自動向測試設備下發測試規則、算法模型及流程方案；

上行反饋：將所有測試數據實時回傳至 Exensio 平臺，并通過普迪飛的語義模型完成數據標準化處理，確保數據的完整性、一致性，直接滿足分析需求。

從行業實踐來看，半導體測試數據的對接曾是一大難題 —— 即便在測試設備數量較少的早期，實現數據精準采集與實時傳輸也需投入大量精力。而如今，DEX 通過 “軟硬件結合” 的方案，實現了全數據源對接、數據有效性驗證與定向傳輸，成功解決了這一復雜問題。目前，該系統支持 PB 級數據的云端管理，為 Exensio 平臺提供穩定的數據輸入。

DEX 向 Exensio 平臺傳輸關鍵數據

PDF

技術升級：數據前饋（DFF）與 AI 驅動測試

Exensio 與 DEX 的落地，已為半導體行業帶來顯著價值。而普迪飛將聚焦于“數據前饋（Data Feed Forward，DFF）” 概念—— DFF 能提供一套企業級解決方案，在客戶供應鏈中實現數據采集、轉換與分發的全鏈路流轉，為先進測試方法的應用提供支撐。

數據前饋的核心邏輯

數據前饋并非全新概念，此前已在半導體物理實現環節得到應用（通過早期數據優化后期流程評估）。而在制造測試領域，借助普迪飛的全球技術基礎設施，可將上游采集的測試數據傳輸至邊緣端，為下游測試策略的優化提供依據—— 這一邏輯，恰好適配芯粒（chiplet）與先進封裝時代的測試需求。

目前，普迪飛推出的 “AI 驅動測試解決方案” 聚焦三大方向，核心目標是 “降本、提效、提質”。

PDF

AI 驅動測試的三大落地場景

為深入了解該技術的實踐價值，普迪飛副總裁 Zhang Ming 博士結合行業痛點，對三大場景進行了詳細解讀：

1. 預測性測試：精準優化測試流程

當前半導體測試多采用 “統一程序”，即對所有芯片應用相同的測試方案 —— 但這種方式存在明顯浪費：性能穩定的芯片無需重復測試，而潛在薄弱點則可能因測試不足引發質量風險。借助數據前饋技術，可識別芯片設計中 “性能穩定” 與 “潛在薄弱” 的部分，并針對性制定測試程序：對已驗證穩定的部分簡化或省略測試，對潛在薄弱部分強化測試。最終，在測試時長基本不變的前提下，可顯著提升 “合格 / 不合格芯片” 的篩選精度，實現 “質量提升” 與 “成本持平（或降低）” 的雙重目標。

2. 預測性分箱：提前規避無效測試成本

預測性分箱的核心是“成本節約”。通過早期測試數據，可提前識別出 “可能在后續測試環節失敗” 的芯片，并將其提前剔除或分箱隔離 —— 這一操作能直接避免 “失敗芯片的后續測試成本”，從源頭降低整體測試支出。

3. 預測性老化測試：省去不必要的流程消耗

老化測試是半導體制造中的高成本環節 —— 需使用昂貴的測量設備與環境控制設備，且耗時長達數百至數千小時。通過預測性老化測試技術，可識別出 “性能穩定” 的器件，判定其無需進行老化測試，從而在不影響質量的前提下，顯著節約流程成本。

Zhang Ming博士強調，這三大場景的落地，均依賴 “先進AI 算法 + 全球制造海量數據庫” 的支撐：初始 AI 模型由普迪飛開發；同時，針對部分客戶“定制專屬模型”的需求，提供模型開發環境，支持客戶自主構建測試用 AI 模型與算法，進一步提升其市場競爭力。

PDF

行業愿景：全鏈條協作的規模化落地

對于該技術體系的長期價值，普迪飛總裁、CEO 兼聯合創始人John Kibarian 博士提出了更宏觀的視角。他表示： “如今，推出新產品需要從系統公司到設備供應商的全鏈條協作——這一點至關重要。而產品上市后，要維持生產流程的穩定運轉，所需的協作投入則會更多。未來，行業對協作的需求將持續提升，而這種協作的規模化落地，唯有在全行業共同推動下才能實現。”

普迪飛通過“安全性 + 可擴展性”的技術升級，不僅為當下半導體制造測試的難題提供了切實解法，更勾勒出行業全鏈條協同的未來圖景，為半導體行業的持續創新注入了新動能。

文章作者：Mike Gianfagna

文章轉自SemiWiki，如有侵權請及時聯系我們

END