3月22日，常垒资本和水木梧桐创投在上海西岸国际人工智能中心组织了一场闭门分享会，现场的嘉宾及观众围绕国内芯片先进制程的现状、芯片研发/生产制造中的良率以及亟待突破的新技术等主题做了精彩的探讨和展望。
此次来到现场参与圆桌对话的嘉宾都是半导体领域的资深人士，他们当中有国内半导体行业的元老级人物，如今依然奋斗在半导体第一线；有曾经在国内最头部的Fab晶圆厂工作多年或者在全球的半导体设备公司工作多年，转战成为风险投资人，也有在海外半导体巨头公司工作多年，带着国际化的全球视角，回到中国服务于本土市场。无论怎样，这都是一场高水平的产业投资对话。
问题一、我们国家的芯片制造工艺从28nm开始，再到14nm甚至更先进的制程，所谓的先进制程的良率，中国本土跟国外的差距到底有多大？以各位的视角看，工艺经验、设备、材料、软件（包括EDA）以及生产数字化，上面这几个因素哪个对国内现阶段先进制程良率的影响比较大？
问题二：各位嘉宾结合自己过往的经验，给我们介绍下，在芯片生产或者研发过程中，良率问题的发现和解决一般都有哪些具体的流程，可以举一些细节的例子，让现场投资人朋友对于一线的生产研发有一个更直观的体验
目前国内半导体的研发和制造过程中，良率提升环节还面临着哪些困难或阻碍？各位嘉宾从你们的视角谈谈，国内在围绕良率提升方面，有哪些新的技术点或者创业方向值得创业者和投资人关注？
嘉宾一：祝波（沃衍资本合伙人），之前在泛林集团（Lam Research）担任产业基金合伙人、亚太投资总经理。再早曾任职于全球半导体设备龙头应用材料，担任技术总监。祝波本人也是清华精仪系的校友，加州大学伯克利分校工程博士。
祝波先生在90年代末尝试用机器学习来解决大制造生产中的一些问题，后来就慢慢做到装备这一侧，在应用材料继续做研究，后来到了Lam Research，也是负责这个方向，包括跟KLA曾经有一些更深度的合作。
关于各方面因素对于半导体良率的影响，他回顾了自己多年从业经历，讲了当时跟ibm、希捷科技（他们当时做的上一代数据存储的东西）等世界IT巨头合作，做一些半导体研发与生产关联预测探索，完全低估了这个问题的难度。当时其实根本不是一个良率问题，而是在整个从研发到生产的过程中，各环节链条基本全是缺口，当时没有数字基础，知识壁垒也很高，很难形成闭环，很多东西都不知道怎么建模。当时从前端的设计开始去建模模拟，发现跟最后生产出来的偏差简直是天差地别。经历了这段过程，他发现半导体整个产业的升级其实是一代结构、一代材料、一代装备、一代工艺，是这么一个不断循环的过程。
在谈到良率差距的时候，祝波先生表示，我们现在的国内的制程可能在某些方面受限，比如说14纳米上面可能受限，所以我们不得不用多重曝光。这种限制就一定是你80%乘以80%偏差，64%再乘以80%，就到了50%以下的偏差，这是没有办法的。我们现在只能在现有的装备基础之上，不断做工艺的优化，甚至重新做器件的优化，直到最后整体的良率水平能够达到我们可以商业化的标准。
谈到良率对半导体产业的一些具体影响，祝波先生举了些具体的例子，比如当时跟微软和英伟达合作，怎么样能让芯片整个设计过程变得特别快，由原来的9个月变成现在的3个月。这里头涉及到很多细节的问题，比如说我们只有几台套的设备，怎么样把Fab厂所有的设备能串起来，这里头的最大的问题是数据孤岛,大家不愿意跟你分享这些，当时去跟台积电去沟通这问题，对方说不可能每天给你全部的数据，只能给你一部分。还有就是知识壁垒，虽然你有了数据，但知识之间是有壁垒的。最后其实就是时间压力，因为时间就是金钱。当时我们去用类似现在所谓的大模型作为语义的接口，背后其实是有大量的数据，一个是外部的科研的数据，第二个是内部的工程积累的数据。第三个就是我们跟关键的一些客户之间所能够分享的生产的数据，然后用大模型把这三个数据能够串起来。工艺工程师在旁边在做调试的时候，旁边就出来一个提示框说你这个气流是不是高了？你这个温度是不是低了？你有没有考虑到斯坦福大学的研究成果，可能3年前已经做过，以前有一个类似的客户已经想到这个方向，但是失败了等等。虽然只是提示信息，但这种信息本身就已经是具备价值。最后他提到，其实大模型本身并没有打破知识壁垒，它更多是把冰冷的数据怎么样转换成工程师能够理解的语言的问题。但是背后真正难做的就是数字底座，各个FAB厂，各个设备厂，相互合作能够把外面所有的知识体系串联起来，这个是难的。
在谈到国内良率遇到的瓶颈以及关注的创业方向时，祝波先生表示，首先这个差距我觉得，不是短时间内就可以赶上。虽然然进入到了数据和AI时代，我们对整个半导体技术的提升、装备技术的提升仍然有限。以前我们的设备进到厂子里以后，所有的工程师就是人肉搬运工，工程师离开后会带走工艺Know-how，但是详细的数据是带不走的，也是不允许的。这对于原有的产业链条反而形成了一种保护，所以国内追赶的速度也受到这个制约。
在当下这个数据时代，祝波觉得数据在半导体各个环节的互信是一个问题。我们其实花了大概很长时间做同态加密，就是从芯片到设备，到真正把装备厂、工艺厂、生产厂能够在数据层面打通，而且又能做到隔离保护。，其实这是国外的一个比较热的一个，特别是在一些关键节点的生产制造上。
另外，他相信在中国半导体领域做一些技术性或者商业性创新时候，仍然存在大量的机会，而这些机会可能跟我们以前认识到的壁垒和机会都不太一样，很多半导体领域尤其是中国在追赶过程中要解决的技术性问题，反而需要运用一些跨界或者交叉学科的知识，这些基础性的交叉技术反而需要投资人关注，可能要大家花一点时间去寻找。
嘉宾二：陈瑜（元禾璞华董事总经理），曾任中芯国际新技术引进部主任工程师、市场销售部美国区资深经理、上海华力销售部销售总监。本人获得复旦大学工商管理硕士，对国内半导体生产制造有着丰富的产业经验。目前在任职于元禾璞华，专注于投资半导体的全产业链，最近也在关注半导体良率的软件投资机会。
关于各方面因素对于半导体良率的影响，陈瑜本人曾担任Fab厂的工艺整合工程师，她觉得整体来讲，工艺应该是占有一个60%的一个比重，设备可能占20%，材料占15%，剩下的人员和软件大概有5%。当然在随着制程向高阶制程发展，她认为设备、材料，包括人员软件等因素比起普通制程重要性占比要更高。在谈到良率差距的时候，因为有在上海华力的工作经历，陈瑜谈到，28nm第一个量产是我这边负责的，所以其实对良率，尤其是28纳米我还是比较清楚的。当时这个数据其实在台积电大概能做到95%以上的，甚至更高一些。目前上海华力基本上跟台积电比还是有5%的差距。但当时的研发过程也是非常艰辛的，大概花了3年的时间。特别是到最后1年，从那个良率从50%一直提升到80%，因为80%以上才能够实现一个所谓的商业化量产。在14nm到7nm的这个节点，现在大家也都知道那些只有中国国际这边有一些产能，由于咱们现在没有EUV的这个工具，到了7nm或者更先进的制程，就可能他要用DUV多次曝光。多次曝光良率差距就比较大，但是我也请教了一下产业一线的人，如果全部都是按照DUV的工艺去优化处理，大概理想状态也能缩短到10%的差距，甚至某些场景应该也已经达到同等量级水平。
谈到良率对半导体产业的一些具体影响，陈瑜从FAB厂的角度，谈起良率贯穿了整个芯片制造的全流程。FAB厂里面有量测和缺陷检测设备，在晶圆片每一层跑过之后，都要做检测。到了关键出货之前，FAB有一个非常重要的一个测试，是叫wat测试，就是电性测试。这个是非常的关键，只有电性测试通过，这个才能顺利的被出货。之后封测场有cp和ft，如果cp/ft发生低良率的时候，客户就会反馈说你这一批出现良率问题了，FAB收到这些信息之后，他也是由系统传输回来，就整个会有一个database。我在工作的时候都是用Synopsys那个软件，当然国内的一些企业，像芯率智能，他们也做这些这一块。
PIE工程师和产品工程师，会对这些良率进行分析，跟wat的测试的这些数据去做一个对比。包括会对cp、ft的截图去和依赖去做对比。这些数据的比对跟追溯目的就是去发现当时生产过程中究竟发生了什么情况。然后去找原因。是设备运行除了问题，还是工艺的问题。所以说在整个生产制造的过程中，工程师他因为人力也是有限，一直到12英寸，数据量也是原来越来越大，所以非常需要这个软件一直从客户端的，包括测试场的那些cp、ft的这些数据，能够直接就是关联到FAB厂的在线数据，以便说工程师更快的能够查找到原因。目前defect这一块儿，比如说像芯率这样的公司，它已经能做出来adc,它就能够自动的去辨别defect的类型。而且要辨别出来说这个缺陷跟哪个设备、什么样的参数会发生关联。
在谈到国内良率遇到的瓶颈以及关注的创业方向时，她认为越是困难的地方，越有投资机会。首先从硬件角度来讲，国内的量检测设备，特别是高端的明场量检测设备，这个赛道其实在国内的国产化率是非常低的，虽然技术上有挑战，但是还是值得去关注的。从软件方面来看，当时我在华力28纳米的良率的整个的提升过程中，其实PDF solution 起到了非常大的作用。他们的电性测试工具（包含软件）以及行业经验，给我们带来了很大帮助。所以在高端工艺know-how方面，如果能集成到一种软件或者设备中去，我觉得还是很有价值。另外，从IC设计、FAB晶圆厂，再到后端的CP测试厂，这整个链条的数据传输是有隔断的，各自为黑盒子，封闭比较严重。如果有第三方能够连接方方面面的数据（前提是合法安全），再加上AI的技术，做一些像虚拟量测这样前沿性的探索，可能会比较有价值。
嘉宾三：卢兵（复星高科技集团首席科学家 ），在半导体行业从业30年，其中在美国德州仪器公司工作近20年，负责半导体生产研发，之后在荷兰恩智浦半导体、日本TDK担任全球副总裁，现任复星智造BG首席科学家，产业研究院院长。本人毕业于浙江大学和美国德州大学。过去多年工作，每天在跟半导体产能、良率和技术提升打交道，也希望跟现场的观众做一些深入的交流。
关于各方面因素对于半导体良率的影响，卢兵先生分享了国外的晶圆厂的事例。他说，因为每个晶圆厂的良率信息是最核心信息，我是做了一辈子的模拟芯片，其实你别小看它工艺节点高，实际它的良率在不同产品间也是不同的。每一个芯片它的区别是从晶圆晶锭开始的，并不是说你同样的晶圆过后来我可以做不一样的器件。另外，国外的晶圆厂的所有的工艺材料设备，真正起到关键作用的实际是晶圆厂的人。比如ASML的光刻机，实际上台积电的人起了决定性的作用。我再给大家举个例子，全球大的晶圆厂的炉子都是他们自己做的，你真正怎么样用好这个炉子才重要。把长晶拉晶做好，实际上取决于大硅片厂的工程师。目前我们国内，真正做工艺的工程师是比较缺的。一个工程师能够在晶圆厂沉下心来20年、30年做一件事情是非常不容易的。实际上他要沉下心来。工艺的沉淀与你的学识、知识、是不是顶尖级聪明，好像关系不是很大。最重要的是你要花足够的时间积累。
大家可以关注下英伟达的发布会，如此复杂的有几千亿个晶体管的芯片，英伟达已经把开发时间缩短到一年3带，也就意味着4个月完成一个版本的芯片。大家知道以前类似这种产品至少3年才完成一个周期，可是他现在缩短到4个。
JOB竞博 上一篇：光云科技状告中融信托 事关本金9000万元 下一篇：如何评估国产CAD合适企业信创国产化？这七个标准很