前沿创新正向封装领域延伸，这正在改变行业需要测量的内容、数据流转的方式以及需要开展协作的各方。以下是这对表征与测试领域意味着什么，内容改编自拉穆内·纳吉塞蒂（Ramune Nagisetty）在 在IMAPS CHIPcon 2026大会上的演讲内容改编而来。
几十年来，半导体的发展始终围绕着晶体管展开：更小、更快、更便宜。那个时代并未结束，但如今已不再独领风骚。前沿创新越来越依赖于先进封装技术，而前端（硅片）与后端（封装）之间曾经泾渭分明的界限正在逐渐消融。下文我们将探讨推动这一转变的驱动力，以及行业需要具备的三大能力，以将封装的复杂性转化为竞争优势。
为什么先进封装已成为前沿创新的主要驱动力？
摩尔定律沿着第三个方向发展。最初的摩尔定律是一种经济观察，即每个晶体管的成本大约每两年减半。 丹纳德缩放（即尺寸缩小）在21世纪初陷入停滞，但性能仍沿着另外两条路径持续提升：材料与器件创新（应变硅、高介电常数金属栅极、FinFET、全栅极结构）以及设计与工艺协同优化（DTCO）（从扩散中断和接触过栅极到背面供电）。
第三个驱动力是先进封装和异构集成，它能够实现系统与技术的协同优化（STCO）。正如我们常说的：如果说硅是棋盘上的国王，那么先进封装就是王后——多才多艺、功能强大且具有战略意义。
这一转变究竟有多大？
规模之大足以重塑发展路线图。据彭博智库（Bloomberg Intelligence）最近发布的一份报告显示，2.5D和3D封装市场预计将以约26%的复合年增长率（CAGR）增长，到2033年将达到约800亿美元；其中，混合键合技术正成为云端人工智能和自动驾驶应用的首选解决方案，随着设计中计算和内存容量的增加，人工智能封装尺寸有望增长数倍。
前沿技术已显现出这一趋势：旗舰级AI产品将多个受光刻掩模限制的芯片集成在大型硅中介层上，并堆叠了高带宽内存。中介层的发展路线图显示，未来将达到14个光刻掩模甚至更多。先进封装已成为提升性能的关键驱动力。
先进封装对特性分析带来了哪些变化？
先进封装存在良率敏感性及缺陷机制、埋藏空洞、对位/错位误差，以及传递至活性硅片的机械应力等问题。目前，我们正在将通常用于硅片的、经过验证的测试芯片表征方法应用于RDL、微凸点、TSV以及混合键合界面等封装特征。 PDF Solutions 已在硅片上流片了800 多种表征载体 (CV®) 设计，现将相同的方法应用于以下两种类型的测试芯片：
- 短流测试芯片——专为速度和灵敏度而设计。 混合键合电化学测试（CV）可测试约10⁸–10⁹个焊盘，检测限约为0.5–5 ppb，且在晶圆边缘区域具有出色的空间分辨率。通过针对焊盘形状、尺寸、间距和密度的设计实验（DOE）扫描，该技术能够检测埋藏空洞及软开路/硬开路，表征对位精度和工艺窗口灵敏度，并为失效分析定位缺陷——且成本低廉、周转迅速。
- 全流测试芯片——通过添加有源晶体管和电路并提高分辨率，可定量分析机械和应力对器件及互连的影响、工艺集成效应（CMP凹陷/侵蚀、热膨胀）以及电气完整性（TSV至硅片漏电、电容、电阻、开路）。 嵌入式应力监测器可在晶粒减薄、分片和封装前后，以及在晶圆分选、最终测试和老化测试阶段读取数据，并可通过JTAG或其他接口进行测试。PDF已在ECTC上发表的研究结果表明，更薄的基板应力最高，且在较高的测试温度下应力会得到缓解。
既然测量问题已经解决了，为什么芯片片的数据仍然难以使用？
这是因为芯片let产品的生产需要经过一条分散的供应链。晶圆来自不同制程节点的多家代工厂；芯片通过芯片对芯片、芯片对晶圆以及晶圆对晶圆的组装方式进行组合；面板经过分片和表面贴装；所有部件最终在组装和测试环节汇聚。 每个环节都是一处拥有独立数据仓库并涉及物料交接的设施，这导致数据分散、孤岛化，且难以在单元层面进行追溯。直白地说：这些数据尚未做好应用人工智能的准备。
芯片片段还同时从三个方面改变了测试范式：芯片数量和接口增多（导致故障模式和覆盖率需求增加）、测试环节和数据量增加（包括晶圆厂、晶圆分选、组装、封装测试、最终测试、老化测试、SLT），以及相互依存的决策（一个环节的结果会影响下一环节，从而导致错误累积）。传统的逐步测试忽略了上游环节的信息，导致良率、质量和性能方面存在提升空间。
什么是数据前馈，它为何重要？
数据前馈（DFF） 是针对一个基本问题的答案：如何在分布式供应链中，将正确的数据在正确的时间传递到正确的位置？DFF是一种运营机制，而非存储概念，其 核心在于使早期数据在实时生产 决策中发挥作用，将上游结果转化为下游流程智能。它作为闭环系统在五个层级中运行：
- 收集——导入晶圆分选、探针测试和早期插装数据（参数测试、分档、晶圆图、上下文信息）。
- 转换——通过特征工程、规则和模型推理，将原始数据转换为预测结果。
- 传输——通过 API 和数据管道，在各个站点和合作伙伴之间安全地交付成果。
- 应用— 将结果传递给下游的分类、跳过、调整或标记操作。
- 记录结果——为追溯和持续改进模型而记录结果。
每一层都会为前一层的数据增添价值并加以利用，这正是人工智能驱动的测试能够实现可扩展性，而非局限于单次插入的原因。
整合数据能带来什么收益？
互联数据有助于在 以下三个领域构建更优质的模型、做出更明智的决策并开发出更优质的产品：
- 效率——根据每台设备的情况合理调整测试覆盖率：减少冗余，缩小 Vmin 搜索范围以实现无风险的测试时间缩短，并对预测为合格的设备有选择地避免老化测试（从而为存在风险的设备腾出测试容量）。
- 质量——预测剪切靶标以防止剪切错误，统一各设施及合作伙伴之间的检测阈值，并检测插入位点间的漂移——从而将质量管理从被动响应转变为主动预测。
- 性能——通过将上游历史数据融入内联 AI 模型，实现基于上下文的自适应测试、更智能的分级与路由，以及能够优化成本和性能的封装决策。正如一位行业领袖所指出的，先进的封装成本高昂，不容浪费——因此，仔细的特性分析与分级比以往任何时候都更为重要。
PDF Solutions 是如何实现这一点的？
通过专为半导体供应链构建的基础设施，而非基于通用工具进行改造。Exensio®平台可实现晶圆厂、OSAT 及测试环节（FDC、晶圆分选、最终测试、封装）之间的端到端数据整合。在线可追溯性和 可扩展的分析能力满足了先进封装中多插片和前馈测试的需求，而Exensio StudioAI则为自适应测试提供了 ModelOps 层：与静态分级规则不同，基于相关芯片和工艺历史数据训练的 AI 模型会持续更新，并通过由 secureWISE（半导体行业应用最广泛的安全远程连接解决方案）支持的安全数据交换网络 在整个供应链中部署。 这与传统的自适应测试有着本质上的区别，也是多芯片片组装目前所必需的。
有哪些关键要点？
- 如今，前沿创新主要由先进封装技术驱动，前端与后端的界限正日益模糊——特别是在使用300毫米设备组进行封装集成的情况下。
- 以前仅用于硅片的先进测试芯片表征方法，如今已通过短流程和全流程测试平台应用于封装领域。
- 跨数据孤岛的数据对齐与整合是构建适合人工智能的数据集的基础。
- 数据前馈——这一古老理念如今已迎来应用时机——当作为闭环系统投入运行时，可提升效率、质量和性能。
- 基于芯片片的架构需要数据互联和生态系统协作，才能兑现其承诺。
该行业已到达一个转折点。数据特征已明确，数据架构已厘清，分析平台也已就位。接下来需要建立紧密的合作——让数据能够跨越企业与地域的界限，随产品流动——从而构建适合人工智能应用的数据集，并将一流的人工智能能力引入包装领域。
想了解更多详情？请通过 www.pdf.com 或点击此处，联系 PDF Solutions，了解有关先进封装表征、数据前馈以及 Exensio 平台的信息。
参考文献
- 彭博智库，先进半导体封装市场增长前景（2.5D/3D市场，复合年增长率约为26%，到2033年规模将达到约800亿美元）。
- 台积电 CoWoS® 路线图：关于中介层向 14 光刻片及更先进工艺缩放的讨论。
- S. Saxena 等，IEEE ECTC，2022；A. Piadena 等，IEEE ECTC，2024（先进封装机械应力监测结果）。
- K. Larsen，新思科技，3DIC集成方案与设计空间。