尖端創新正逐步滲透至封裝領域，這正改變著產業需要量測的項目、資料的流動方式，以及需要哪些單位進行合作。以下是這對特性分析與測試的意義，內容改編自 Ramune Nagisetty 於 於 IMAPS CHIPcon 2026 大會上的演講內容改編而來。
數十年來，半導體的進步始終圍繞著電晶體展開：更小、更快、更便宜。那個時代尚未結束，但如今已與其他領域並駕齊驅。尖端創新日益由先進封裝技術所驅動，而前端（矽晶片）與後端（封裝）之間曾經清晰的界線正逐漸消融。以下，我們將探討推動這項轉變的關鍵因素，以及業界需要具備的三大能力，以將封裝的複雜性轉化為競爭優勢。
為何先進封裝已成為尖端創新的主要驅動力？
摩爾定律已沿著第三個方向演進。最初的摩爾定律是一項經濟觀察，即每顆電晶體的成本大約每兩年減半。 丹納德縮放（即製程尺寸縮小）在 2000 年代初期陷入停滯，但效能仍透過另外兩條路徑持續提升：材料與元件創新（應變矽、高介電常數金屬閘極、FinFET、全周閘極結構），以及設計與製程協同優化（DTCO）（從擴散中斷、接觸式超活躍閘極到背面供電技術）。
第三個驅動因素是先進封裝與異質整合，這使得系統與技術的協同優化（STCO）成為可能。正如我們常說的：如果說矽是棋盤上的國王，那麼先進封裝便是皇后——多才多藝、威力強大且具有戰略意義。
這項轉變的規模究竟有多大？
規模之大，足以重塑發展藍圖。根據彭博智庫（Bloomberg Intelligence）近期發布的一份報告，2.5D 與 3D 封裝市場預計將以約26% 的年複合成長率（CAGR）增長，並於 2033 年達到約 800 億美元；其中，混合鍵合技術正成為雲端人工智慧與自動駕駛應用的首選解決方案，而隨著設計中逐步增加運算與記憶體容量，人工智慧封裝的尺寸預計將增長數倍。
最前沿的技術已顯現此趨勢：旗艦級 AI 產品將多個受光罩數量限制的晶片整合於大型矽中介層上，並堆疊高頻寬記憶體。中介層的發展藍圖顯示，光罩數量將達到14 片甚至更多。先進封裝已成為提升效能的關鍵驅動力。
先進封裝對特性分析帶來了哪些改變？
先進封裝存在良率敏感性與缺陷機制、埋藏空洞、疊層／對位偏差等問題，以及傳導至活性矽片的機械應力；我們現正將過去通常用於矽片的、經過驗證的測試晶片特性分析技術，應用於 RDL、微凸點、TSV 以及混合鍵合介面等封裝特徵。 PDF Solutions 已在矽晶片上流片超過 800 種特性分析載具 (CV®) 設計，並將相同的方法應用於以下兩類測試晶片：
- 短流測試晶片——專為速度與靈敏度而設計。 一款混合鍵合電容值（CV）測試晶片，可測試約10⁸ 至 10⁹ 個焊盤，觀測靈敏度達 ~0.5-5 ppb，並具備延伸至晶圓邊緣的卓越空間解析度。透過針對焊盤形狀、尺寸、間距及密度的設計實驗（DOE）掃描，該晶片能偵測埋藏空洞及軟/硬開路，分析對位與製程窗口的敏感度，並為失效分析定位缺陷——且成本低廉、週轉迅速。
- 全流量測試晶片——透過添加主動式電晶體與電路，並提升解析度，以量化機械與應力效應對元件及互連結構的影響、製程整合效應（CMP凹陷／侵蝕、熱膨脹），以及電氣完整性（TSV 至矽片漏電、電容、電阻、開路）。 內嵌式應力監測器可在晶粒薄化、分片及封裝前後、晶圓分選、最終測試及老化測試階段讀取數據，並可透過 JTAG 或其他介面進行測試。PDF 曾在 ECTC 會議上發表的研究結果顯示，較薄的基板具有最高的應力，且該應力會在較高的測試溫度下釋放。
既然量測問題已獲解決，為何小晶片資料仍如此難以運用？
這是因為晶片組產品需經過一個分散式的供應鏈。晶圓來自不同製程節點的多間代工廠；晶粒透過晶粒對晶粒、晶粒對晶圓及晶圓對晶圓組裝的方式整合；面板經分片後進行表面貼裝；所有元件最終匯聚於組裝與測試階段。 每個環節都是一個擁有獨立資料倉儲並進行物料交接的設施，這導致資料散落各處、形成孤島，且難以在單元層級進行追溯。直白地說：這些資料尚未準備好供人工智慧使用。
Chiplets 同時從三個方面改變了測試模式：晶粒數量與介面增加（導致更多故障模式及覆蓋率需求）、測試步驟與數據量增加（製程、晶圓分選、組裝、封裝測試、最終測試、老化測試、SLT），以及相互依存的決策（某個步驟的結果會影響後續步驟，因此錯誤會累積）。傳統的逐步測試忽略了上游資訊，導致良率、品質和性能未能充分發揮。
什麼是「資料前饋」，它為何如此重要？
資料前饋（DFF） 是對一個基本問題的解答：如何在分散式供應鏈中，於正確的時間將正確的資料傳送至正確的位置？DFF是一種運作機制，而非儲存概念，其 核心在於讓早期資料能即時 應用於生產 決策，將上游的成果轉化為下游的製程智慧。 它以閉環方式運作，橫跨以下五個層級：
- 收集— 匯入晶圓分選、探針測試及早期插裝數據（參數測量、分級、晶圓圖譜、上下文）。
- 轉換— 透過特徵工程、規則及模型推論，將原始資料轉化為預測結果。
- 傳輸— 透過 API 和資料傳輸管道，安全地將產出結果傳遞至各據點及合作夥伴。
- 套用— 將結果傳送至後續步驟，進行歸類、跳過、調整或標記。
- 記錄回饋——記錄結果以確保可追溯性，並持續改進模型。
每一層都會為前一層的資料增添價值並加以運用，這正是讓 AI 驅動的測試具備可擴展性，而非僅侷限於單一插入點的原因。
整合這些資料能帶來什麼好處？
互聯數據能帶來更完善的模型、更明智的決策以及更優質的產品，具體體現在 以下三個領域：
- 效率— 針對每台裝置調整適當的測試覆蓋率：減少重複性，縮小 Vmin 搜尋範圍以實現無風險的測試時間縮短，並針對預測為良品的裝置有選擇性地避免老化測試（從而為有風險的裝置騰出測試容量）。
- 品質— 預測剪接目標以防止剪接錯誤、統一各設施與合作夥伴之間的檢測閾值，並偵測插入位點之間的偏移 — 使品質管理從被動應對轉變為預測性管理。
- 效能— 透過上游歷史資料豐富內嵌式 AI 模型，以實現具情境感知能力的自適應測試、更智慧的分級與路由，以及能優化成本與效能的封裝決策。正如某位業界領袖所言，先進封裝的成本過高，無法隨意棄用——因此，仔細的特性分析與分級比以往任何時候都更加重要。
PDF Solutions 是如何實現這一點的？
透過專為半導體供應鏈打造的基礎設施，而非由通用工具改裝而成。Exensio®平台能貫通晶圓廠、OSAT 及測試（FDC、晶圓分選、最終測試、組裝）各環節，實現端到端的數據整合。線上可追溯性與可擴展的分析功能，能滿足先進封裝在多層插接與前饋測試方面的需求；而Exensio StudioAI則為自適應測試提供 ModelOps 層：摒棄靜態分級規則，改由基於相關晶粒與製程歷史資料訓練的 AI 模型，透過由 secureWISE（半導體產業中最廣泛使用的安全遠端連線解決方案）所支援 的安全資料交換網路 ，在供應鏈中持續更新並部署。 這與傳統的自適應測試有本質上的差異，也是當今多芯片組裝所必需的解決方案。
有哪些關鍵要點？
- 如今，尖端創新主要由先進封裝技術驅動，而前端與後端的界線正逐漸模糊——特別是在使用 300 公釐製程設備進行封裝整合的領域。
- 過去僅限於矽晶片的先進測試晶片特性分析方法，如今已透過短流程與全流程測試載板，應用於封裝領域。
- 跨部門的資料對齊與整合，是建構適合人工智慧運用的資料集的基礎。
- 資料前饋——這項姍姍來遲的舊有概念——當以閉環形式落實時，能提升效率、品質與效能。
- 基於晶片片的架構需要互聯的數據及生態系統的協作，才能實現其承諾。
該產業已來到一個轉捩點。特徵描述已確立、資料架構已釐清，分析平台也已就緒。接下來要做的，就是建立緊密的合作關係——讓資料能隨產品跨越企業與地域的界線——藉此建立適合人工智慧運用的資料集，並將頂尖的人工智慧能力帶入包裝產業。
想進一步了解嗎？請透過 www.pdf.com或點此聯絡 PDF Solutions，洽詢有關先進封裝特性分析、Data Feed Forward 以及 Exensio 平台的相關資訊
參考文獻
- 彭博智庫（Bloomberg Intelligence），先進半導體封裝市場成長展望（2.5D/3D 市場，年複合成長率約 26%，預計至 2033 年將達約 800 億美元）。
- 台積電 CoWoS® 發展藍圖：探討中介層向 14 光罩及更先進製程的微縮趨勢。
- S. Saxena 等人，IEEE ECTC，2022 年；A. Piadena 等人，IEEE ECTC，2024 年（先進封裝機械應力監測結果）。
- K. Larsen，新思科技（Synopsys），3DIC 整合方案與設計空間。