快速增加的设计复杂性、异构集成封装以及系统级测试插入的更广泛采用，都是增加测试秒数的驱动因素，但却没有秘密资金储备来为增加测试秒数提供支持。因此，我们面临的挑战是，如何在一秒钟内提供超过一秒钟测试时间的价值？
在2023年的电影《黑莓》中，AT&T Cingular公司的负责人向黑莓公司的CEO解释了Cingular与新推出的苹果iPhone一起销售数据套餐的策略：“你知道销售分钟数有什么问题吗？一分钟里只有一分钟。”作为在一家向半导体器件销售“测试秒”的公司工作的人，这句话让我想到，一秒钟里只有一秒钟的测试时间。虽然我们的客户可能会接受一些额外的测试秒数，以便将器件快速推向市场，但一旦器件开始大批量生产，这些秒数就必须恢复到正常水平，否则这些额外的测试秒数就会直接影响客户的利润。
快速增加的设计复杂性、异构集成封装以及系统级测试插入的更广泛采用，都是增加测试秒数的驱动因素，但却没有秘密资金储备来为增加测试秒数提供资金。因此，我们面临的挑战是，如何在一秒钟内提供超过一秒钟测试时间的价值？
Advantest America公司美国应用研究与技术副总裁Ira Leventhal
与电影中一样，答案与数据有关。就半导体测试而言，就是要最大限度地从测试过程中收集的数据中提取价值。
在前芯粒/前异构集成时代，测试仪资源需要比被测器件更快、更准确，虽然这一要求多年来确实给我们带来了巨大的挑战，但我们现在又面临着新的挑战，即必须比复杂的多芯片被测系统更智能。由于2.5D和3D封装正在减少对器件引脚的直接访问，通用处理器正在让位于服务于多种专用应用的人工智能(AI)处理器，因此我们必须应对这一额外的挑战。
为了应对这些挑战，作为一个行业，我们必须采用最新的机器学习和高级数据分析方法、现代数据共享技术，以及整个半导体价值链的共享和协作文化。
虽然我们可能会认为这些只是优化当前测试方法的可选途径，但我认为这些步骤是绝对必要的，不采用这些措施的公司将被抛在后面。
英伟达创始人兼首席执行官黄仁勋去年在哥伦比亚商学院发表演讲时表示：“人工智能不会抢走你的工作。使用人工智能的人才会抢走你的工作。”
在我看来，随着半导体价值链的转型和复杂性的爆炸式增长，争夺业务的公司也将面临同样的问题。
如果你不利用基于人工智能的方法，那么利用人工智能的公司就会抢走你的生意。
实现目标
我们如何从一秒钟的测试时间中榨取出超过一秒钟的价值？
首先，我们需要尽可能合理地利用这一秒钟的测试时间。实现这一目标的最佳方法是利用边缘计算能力，在测试流程中根据当前插入、先前测试插入以及制造或检查步骤中收集的数据组合做出实时决策。这带来了多重优势：
- 使用基于机器学习的预测取代测试级别和微调值的搜索算法，可以节省宝贵的测试时间。
- 对片上传感器数据的高效访问可提供更深入的性能洞察，尤其是在采用先进封装后减少了直接引脚访问的情况下。
- 在多站点测试中，可以对故障器件进行进一步检查，以收集至关重要的诊断信息，而不是在良好器件完成测试流程后将故障器件闲置。
- 基于机器学习的智能分级可实现复杂异构集成封装的裸片匹配，或使器件与特定的终端应用达到最佳匹配。
然后，可以将这些测试秒内所收集的数据与整个半导体价值链中的数据相结合，从而实现前馈和后馈应用，优化设计、制造和测试流程。
为了完全实现这一愿景，业界必须在通信基础设施、数据格式、可追溯性和高级数据分析算法方面取得进展。如果整个行业都能真正接受这一愿景，那么这些挑战将被视为提供创造性和有价值解决方案的机遇。通过连接两个或多个制造或测试步骤的数据，并利用机器学习和边缘计算技术的改进从这些数据中获得更多洞察力，已经取得了多项成功。在这些成功的基础上再接再厉，就可以达到临界质量，从而推动使能技术的进一步发展。
因此，虽然一秒钟内确实只有一秒的测试时间，但我相信，我们从这些测试秒内所收集数据中提取额外价值才刚刚触及到表面。创造和广泛采用提取这种价值的创新方法，将是芯粒时代取得成功的关键要求。
（原文刊登于EE Times美国版，参考链接：Getting the Most Out of ATE Test Seconds in the Chiplet Age，由Franklin Zhao编译。）
本文为《电子工程专辑》2024年8月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。
您可能感兴趣
