AI与高带宽内存如何重塑半导体测试领域

人工智能正在推动半导体行业的创新步伐。从AI训练集群和高性能计算系统，到先进封装和下一代存储技术，当今的半导体器件正不断突破性能、带宽和集成度的极限。

随着这些技术的发展，半导体测试所面临的挑战也在迅速增加。

在最近一期的半导体领导力播客节目中，FormFactor首席执行官Mike Slessor分享了他对AI、高带宽内存、先进封装和硅光子技术如何改变半导体测试技术和经济现实的看法。

测试不再仅仅是缺陷检测

几十年来，半导体测试通常被视为质量控制环节，是产品交付前识别不良器件的必要步骤。如今，测试的意义已远超最终的质量检查。

随着器件变得越来越复杂且制造成本高昂，测试所获得的数据与制造工艺本身具有同等价值。晶圆测试阶段收集的数据有助于制造商在产品上市前就对良率、性能和生产成本做出更明智的决策。

在晶圆层级，各个芯片在封装前会进行电性测试以识别缺陷并验证功能。及早发现问题有助于提高良率，同时避免封装和组装带来的高昂成本。

对于前沿器件而言，测试不再只是判断芯片是否通过或失败，而是理解器件行为、优化制造流程和确保长期可靠性的关键工具。

高带宽内存提升测试重要性

很少有技术能像高带宽内存那样体现这种转变。

HBM已成为AI加速器和高性能计算系统的必备技术，因为它显著提升了内存带宽并降低了功耗。实现这一性能需要通过先进封装技术垂直堆叠多个内存芯片。

挑战在于，当多个芯片堆叠在一起时，即使单个缺陷也可能带来昂贵后果。如果HBM堆栈中的一个芯片失效，整个封装可能就会报废。随着内存堆栈复杂度的增加，制造商面临更大压力，必须确保进入组装阶段的每个组件都完全正常工作。

这就是为什么已知良好芯片策略和晶圆级测试变得至关重要。

通过在封装前验证芯片，制造商可以：

验证这些器件还需要新的精度水平，因为工程师需要处理更高的速度、更严格的容限和更苛刻的性能目标。

结果是需要更先进的测试和测量能力，以跟上AI驱动计算的需求。

先进封装带来新的测试挑战

先进封装和chiplet设计解决了重要的性能挑战，但也使测试变得更加复杂。

现代系统不再将所有功能构建在单一的单片芯片上，而是越来越多地将多个专用芯片整合到一个封装内。这种方法提供了灵活性和性能优势，同时为验证和表征引入了新的挑战。

工程师现在需要了解的不仅是每个芯片的单独性能，还要了解它们整合到单一封装后如何协同工作。

这意味着测试策略必须解决：

随着更多功能在封装层面整合，测试变得更为深入、全面和数据密集。

据Slessor所说，这一趋势正在从根本上改变行业对测试的看法。测试不再是离散的制造步骤，而是在整个半导体生命周期中持续提供洞察的来源。

光子学和电光测试的兴起

播客讨论的另一个重要话题是硅光子学和共封装光学的日益普及。

随着AI基础设施的扩展，传统的电气互连正受到带宽和功耗限制。光学技术通过在处理器、内存和网络设备之间实现更快、更高效的数据传输，为未来发展铺平了道路。