芯片制造设备巨头应用材料公司(Applied Materials Inc.)正致力于为其芯片代工厂客户降低生产难度,帮助他们构建下一代人工智能处理器所需的超复杂3D架构。
为此,该公司发布了一系列全新芯片制造系统,覆盖先进封装、工艺控制及动态随机存取内存(DRAM)制造等多个领域。这些新设备将帮助半导体制造商提升更复杂、更高性能、更节能芯片的产量与良率,推动现有制造能力突破极限。
突破AI基础设施的"内存墙"瓶颈
应用材料公司正积极协助芯片企业攻克AI基础设施领域所称的"内存墙"难题。随着AI模型能力不断增强,现有硅基处理器已难以满足其对内存容量和带宽的极端需求。为应对这一挑战,大多数芯片制造商纷纷转向更先进的封装架构,采用3D堆叠技术与高带宽内存(HBM)组件。
然而,3D堆叠工艺极为复杂。该工艺要求将多颗DRAM芯片垂直叠加,并通过微米级硅通孔(TSV)相互连接。尽管这一技术可显著提升处理器的数据吞吐量,但其制造过程极为精密。再加上尺寸不断缩小、互连结构不均匀,以及超薄芯片本身的物理脆弱性等问题,若不采取针对性措施,高缺陷率将严重侵蚀生产良率。
三款全新CMP与沉积系统登场
应用材料公司表示,其新系统专为攻克上述难题而设计,针对先进封装中最精密的工艺环节。新品包括三款化学机械平坦化(CMP)与沉积领域的创新系统。
Opta Quad CMP平台专为以空前精度平整较厚薄膜和混合键合而打造。该系统在制造过程中对硅晶圆进行持续监测,并实时动态调整,确保表面达到完美的平坦度。
Nokota Vmax 2电化学沉积(ECD)系统则专为解决互连不均匀的难题而设计。该系统采用自适应图案调谐技术,实现高精度铜镀层,确保TSV和微凸点在整个晶圆上均匀分布,从而消除3D层间间隙。
Producer Avila 2等离子体增强化学气相沉积(PECVD)系统则针对超薄芯片的物理翘曲问题。现代高带宽内存芯片的厚度仅为标准硅晶圆的约二十五分之一,极易发生形变。应用材料公司表示,该系统通过在硅通孔周围沉积应力平衡介电薄膜来增强稳定性,使芯片制造商得以实现12层、16层乃至更多层的无障碍堆叠。
工艺控制与内存性能的双重突破
在工艺控制方面,应用材料公司发布了两款全新电子束系统——VeritySEM 7AP与SEMVision G7AP,旨在检测可能导致3D堆叠HBM封装报废的微观缺陷。这两款工具具备低于10纳米的检测灵敏度,能够对异质基板上的缺陷进行测量与审查,捕获现有光学检测设备无法识别的微小瑕疵与游离颗粒。
此外,应用材料公司全新推出的Enhanced Centura Prime Epi系统可提升内存芯片本身的性能。该系统将先进的逻辑级外延工艺引入DRAM制造流程,以提高晶体管效率,实现更低功耗的内存运行,同时该设备的工厂占地面积缩减了20%。
Q&A
Q1:应用材料公司发布的新设备主要解决什么问题?
A:应用材料公司此次发布的新设备主要针对芯片制造中的"内存墙"瓶颈和3D堆叠工艺难题。随着AI模型算力需求激增,传统处理器在内存带宽上严重不足,而3D堆叠技术虽能大幅提升数据吞吐量,却面临互连不均、表面不平及芯片翘曲等挑战。新系统覆盖CMP平坦化、电化学沉积和薄膜沉积等关键环节,帮助芯片制造商提升良率和生产效率。
Q2:3D堆叠芯片制造为什么如此困难?
A:3D堆叠芯片制造难度极高,主要体现在三个方面:一是需要将多颗DRAM芯片通过微米级硅通孔(TSV)垂直互连,工艺极其精密;二是现代高带宽内存芯片厚度仅为标准硅晶圆的约二十五分之一,物理强度极低,极易变形;三是随着尺寸不断缩小,互连结构容易出现不均匀问题,导致层间出现空隙,最终造成高缺陷率和低良率。
Q3:VeritySEM 7AP和SEMVision G7AP有什么技术优势?
A:这两款电子束检测系统具备低于10纳米的超高灵敏度,能够识别现有光学检测设备无法发现的微小缺陷和游离颗粒。它们可对异质基板进行精准的缺陷测量与分析,在3D堆叠高带宽内存封装制造过程中及时捕获关键缺陷,从而降低因微观缺陷导致的封装报废率,有效提升整体生产良率。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。