英特尔的制造路线图

半导体制造一直以来都依赖于精确测量。然而，随着器件日益复杂，封装集成的元件越来越多，仅仅测量单个工艺步骤已远远不够。制造商需要了解制造、组装和测试等各个环节的决策如何影响最终产品。英特尔晶圆代工在2026年西部半导体展（SEMICON West 2026）上的演讲阐述了构建这种互联智能的举措，这将对良率、质量和工厂自主性产生深远影响。

英特尔晶圆代工业务运营与市场营销高级总监Lori Scott近期概述了一项涵盖计量学、缺陷分类、热建模、自动化和标准等领域的研究。其核心论点十分务实：自主制造需要可靠的测量数据、互联的基础设施和清晰的工程监管。将人工智能添加到彼此孤立的系统中无法提供这些基础。

计量技术的作用日益增强，这一点尤为重要。传统上，测量有助于判断制造步骤是否符合规范。互联计量技术还能帮助工程师探究材料、设备状况、污染以及下游缺陷之间的关系。及早发现问题可以避免对受损材料进行额外的加工，从而减少产能浪费并缩短调查时间。要实现这一目标，就需要建立测量数据与产生这些数据的生产条件之间的可靠联系。

先进封装技术提高了风险。芯片组、混合键合和堆叠器件等技术使得制造阶段在技术和经济上更加紧密地相互依存。组装后发现的缺陷组件可能会降低封装内其他已集成组件的价值。因此，在组装前识别合适的芯片并将测试结果与制造历史联系起来变得越来越重要。

英特尔晶圆代工将其高级芯片测试服务视为这一更广泛测量策略的一部分。这些服务包含预测性芯片分类、智能芯片配对、光学测试和良率分析等功能，旨在为制造决策提供信息支持。其重要性在于能够更早地利用测试信息，使工程师有更多机会预防代价高昂的后续问题。

人工智能可以加速学习，但其权限需要加以限制。英特尔晶圆代工的自动缺陷分类研究采用智能体工作流程，协助工程师处理日志、知识检索、调查和配方审查。人工审批环节确保了监督的有效性。这种区别至关重要，因为识别出统计关联并不能确定其原因，也不能成为更改生产配方的理由。

因此，对于晶圆厂经理而言，操作层面的问题很具体：哪些建议可以自动执行，哪些需要审核？有效的部署方案应保留原始证据，识别受影响的设备和批次，记录不确定性，并记录审批过程。否则，快速执行的建议可能只是将验证工作转嫁给工程师，同时使责任追究更加困难。

基于物理学的热建模提供了另一个潜在的重要方向。英特尔晶圆代工中心报告称，他们正在研究将人工智能与传热物理学相结合，以提高预测精度，同时减少所需的训练数据。对于高功率密度器件和异构封装，更深入的热理解有助于设计、测试和可靠性决策。然而，最终的量产价值取决于在相关材料、架构、工作负载和运行条件下的验证。

基础设施决定了这些功能能否扩展。数据被困在不兼容的设备平台中，限制了可视性，并使跨工厂部署变得复杂。与硬件无关的自动化、互联系统和边缘计算可以使信息更容易交换和利用。开放标准还可以减轻制造商在引入新设备或将自动化扩展到装配和测试环节时的集成负担。

英特尔晶圆代工项目重点介绍了SATAS，这是一个致力于开发互操作架构和自动化框架的行业联盟，也是实现这种协调的途径之一。共享接口和物料搬运标准至关重要，因为工厂自动化涉及众多供应商之间的互动。要取得进展，这些系统必须能够持续地交换信息，并在情况发生变化时做出可预测的响应。

这为什么重要？半导体行业的竞争力部分取决于能否将复杂的工艺流程转化为可重复、经济可行的生产方式。互联的测量和分析可以帮助制造商更快地学习、保护宝贵的组件，并更有效地利用工程资源。

目前提供的证据仍是研究和新兴能力的路线图，而非工厂整体自主性能的证明。客户最终应通过良率、废品率、周期时间、可靠性和工程工作量方面的实际改进来评判成功与否。尽管如此，英特尔晶圆代工的更广泛信息仍然意义重大：可扩展的自主性始于可靠的证据和协调的系统，并对每一个重要的制造决策承担明确的责任。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。