人工智慧正在 重新定義半導體測試。今年在德州奧斯汀舉行的「Advantest VOICE 2025」大會，展示了多項創新成果，凸顯了人工智慧在應對現代半導體測試挑戰方面所扮演的關鍵角色。以下是我們從本次活動中精選的重點內容，並將深入探討人工智慧增強型測試的未來發展。
透過合作簡化實施流程
本次活動的亮點之一是 PDF Solutions 與Advantest之間的合作。在會議期間，我們展示了我們的「AI for Test」解決方案如何與 Advantest 的 V93000 測試平台 整合，以 優化測試流程。Sing Hee Wong ，副總監，任職於 台積電副總監黃思熙（Sing Hee Wong）親自進行了演示，並就「AI for Test」的實際效益與應用提供了專業見解。
這類由尖端硬體與軟體供應商之間建立的合作關係，不僅簡化了人工智慧驅動工具的部署，更彌合了晶圓級測試與最終產品驗證之間的鴻溝。
將人工智慧創新與產業挑戰相結合
「Advantest VOICE 2025」提供了一個絕佳的平台，用以探討人工智慧如何解決半導體測試領域中一些最迫切的挑戰。本次大會設有人工智慧相關的技術專題，並涵蓋人工智慧、5G／毫米波、汽車電子等主題。
為什麼用於測試的人工智慧對半導體創新至關重要？
在 VOICE 2025 大會上，我們觀察到並與多位專家討論的重點是：半導體元件的演進為測試工作帶來了重大挑戰。從3D 晶片架構到全球分散的供應鏈，再到先進封裝技術，這些複雜性都需要創新的解決方案。人工智慧已成為克服這些障礙的關鍵工具，並帶來顯著的好處：
- 提升測試效率：人工智慧運用預測建模技術，在不影響品質的前提下，消除冗餘測試並優化測試流程。
- 降低成本：測試費用通常佔產品成本的 5% 至 10%。人工智慧透過識別不必要的測試並簡化工作流程，從而將這項支出降至最低。
- 提升品質保證：機器學習能實現更智慧的缺陷檢測與品質控制，其表現優於傳統的測試技術。
- 串聯設計與製造：透過確保設計規格與製造實況保持一致，由人工智慧驅動的測試強化了這兩階段之間的關鍵連結。
PDF Solutions 是如何運用人工智慧進行測試的？
我們在該活動中的示範，突顯了 PDF Solutions「AI for Test」解決方案的實際應用。透過機器學習與預測分析，我們的解決方案能解決半導體測試工程師所面臨的關鍵挑戰：
- 自適應測試：預測哪些測試會通過，跳過冗餘的測試以縮短測試流程（「減少測試」），同時識別高風險單元以進行額外測試（「加強測試」）。
- 預測性老化測試：針對預測可通過測試的裝置，省去不必要的老化測試，從而大幅降低成本。
- 預測性分箱：透過預測故障來協助及早做出報廢決策，對於微晶片（chiplets）及高成本的先進封裝尤為重要。
這些由人工智慧驅動的技術帶來了實質性的好處，包括提升品質、降低成本以及簡化測試流程。
我們該如何應對各產業面臨的挑戰？
在半導體測試中導入人工智慧並非沒有挑戰。測試數據的龐大數量與複雜性，加上對可擴展且具適應性的模型的需求，往往令人望而生畏。為解決這些問題，PDF Solutions 提供了一套穩健的基礎架構，其中包含：
即時監控與模型重新訓練：透過偵測資料漂移，並隨著流程演進對模型進行重新校準，我們確保系統能持續保持精準度與適應性。
自帶模型 (BYOM)：企業可靈活選擇整合自有的機器學習模型，或採用我們的預訓練模型，以實現無縫部署。
我們的目標是打造既靈活又強大的解決方案，既能因應各家製造商的獨特需求，又能維持嚴謹的品質標準。
展望未來
半導體測試的未來，在於人工智慧創新與先進技術的交匯點。正如在「Advantest VOICE 2025」所展示的，人工智慧在測試解決方案方面的潛力極為龐大。然而，要實現廣泛應用，則需要各方合作、堅實的基礎設施，以及對持續研發的承諾。