广电计量五大测试技术平台 助力国家人工智能（AI）芯片全产业链

随着人工智能技术的迅猛发展，AI芯片正在为各个行业带来革命性的变革。凭借其强大的计算能力、推理能力和能效优势，AI芯片已成为自动驾驶、低空经济、具身智能、航空航天、智能生活、医疗健康、金融科技、工业自动化等领域不可或缺的基石。

我国将AI芯片确定为“国家战略安全制高点”，全面提速国产AI芯片研制和部署，力争2027年实现70%自给率，2035年全球领跑。广电计量深耕国家先进集成电路产业服务领域多年，紧跟国家AI芯片发展战略，形成五大关键技术平台，服务AI芯片全产业链，支撑国家各工业领域智能化战略转型。

针对AI芯片处理单元密度大、内存层次多、异构集成复杂和能效指标分级难度大的挑战，广电计量构建了面向量产的高覆盖率DFT与ATE测试方案：

挑战：超大规模SOC设计，pin脚规模达几千个，也集成了众多的IP模块，导致测试数据量（TDL）巨大，测试应用时间过长，对ATE通道资源和向量存储深度需求显著变大。

方案：

●采用层次化ATPG流程，并行处理不同模块，提升向量生成效率。多条扫描链验证测试技术加速测试，提升测试效率，降低对ATE测试资源的需求。

●实施测试压缩技术，通过片上解压缩器将ATE通道的少量输入扩展为大规模内部扫描链激励，将测试时间降低数个数量级，同时降低对ATE测试资源的消耗。

●通过不同的模式测试确保98%+的固定型和速度型的故障覆盖率，确保制造缺陷被有效捕获。

挑战：大规模的SOC设计集成了嵌入式存储器，占据大部分芯片面积，是缺陷高发区，需要更为高效的测试策略。

方案：

●集成高性能MBIST控制器，支持多种March算法（如March C+），覆盖地址解码故障、耦合故障等复杂缺陷模型。

●采用后台修复技术，通过冗余行列对故障单元进行替换，显著提升良率。

挑战：集成高度复杂的多类型通信接口模块，其功能和速率远超多数ATE数字通道能力。

方案：

●利用ATE高速板卡支持和高速采样单元进行测试。

●利用芯片DFT测试技术，采用ATPG多链并行或者数据压缩测试技术对高速通信接口IP进行覆盖性测试。

●精确测量协议、眼图、抖动（TJ, RJ, DJ） 和误码率，确保高速信号完整性符合规范。

挑战：芯片的多电源域设计，高可靠性高性能应用，对功耗和性能参数测试提出严苛的要求。

方案：

●在ATE上采用高功耗大电流板卡支持，也可利用ATE电源板卡的并行设计来提升芯片的功耗支持。在loadboard考虑电源多域设计和SI&PI的验证支持。

●在芯片的性能表征上，对重点关注的芯片性能参数执行Shmoo分析，绘制芯片在不同电压（V）、频率（F）下的通过/失败区域，精确界定其性能边界。根据最大稳定频率（Fmax） 或最低工作电压（Vmin） 进行性能分级，实现产品价值最大化。

●精确测量静态与动态电流，筛除功耗异常器件，并为能效关键应用提供分类依据。

高速光通信是AI 的“神经网络”，它连接起分散的算力与海量的数据，让 AI的算力能高效协同，数据能自由流转。AI的竞争力也取决于高速光信号稳定一致的传输能力。广电计量构建了从高速光芯片测试到光模块的智能运维方案，为高速光通信研发和应用提供测试及可靠性保障。

挑战：硅光芯片需同时测量多种光电参数，测试复杂度高，同时光纤与芯片的精准耦合难度大，影响测试效率和准确性，缺少标准化可靠性认证方案及规范的问题。

方案：

●建立了覆盖800GHz光通信应用的硅光芯片自动测试分析平台，实现带宽、眼图、误码等指标测试，满足晶圆级硅光芯片测试需求。

●建立贴合实际使用场景的激光器、探测器、调制器芯片静态和动态可靠性试验能力。针对硅光芯片特有器件(MPD、Heater、MZ等)制定了专属的可靠性测试标准，推动标准化组织立项硅光芯片可靠性认证方法及规范。

硅光芯片参数及可靠性测试

挑战：AI场景下追求光模块的高可靠性，对于光模块的可靠性验证和智能运维系统提出了高要求，同时还需要结合AI应用场景，建立针对性的可靠性试验与失效预警能力。

方案：

●采用 AI技术和大数据技术进行学习和训练，构建了高速光模块加速寿命失效算法模型，建立了光模块健康状态评估算法。解决光模块健康状态实时监控难题，实现光模块失效前进行风险预判。

800G光模块测试

面向算力峰值不断攀升，AI芯片功耗的急剧攀升，发展到目前的单颗1000W。广电计量构建了面向AI行业的智能老化检测平台，涵盖：

挑战： AI芯片极致热管理挑战，核心区域功率密度可能超过几十W/cm²，更为复杂的3D封装结构对可靠性测试的电、热控制难度远超过普通CPU、GPU芯片。

方案：

●继续提升芯片老化功率驱动能力，已构建单颗500W~800W芯片老化能力，未来1~2年内将建立1200W以上检测平台。

●从传统的单一独立温控（单一加热器On-Off），通过多维度热管理FPGA智能驱动模式，专项热仿真、多重高效散热系统，并构建了智能化温度监控系统，做到精准的温度控制，保证超高老化功率密度下系统的高可靠。

●自主开发的智能电源关系PMU系统，模拟AI芯片不同应用场景的功率(算力运算)启动与关闭过程，让前端元器件级的老化测试更加与应用场景更加贴合。

挑战：传统CPU、GPU芯片内部Die单一，到AI芯片及其模块化应用，其高算力应用寿命，不止与自身芯片相关，应用负载、安装方式都会影响其可靠性寿命评价，广电计量针对高阶封装AI芯片率先提出了芯片级应用寿命评价方案，取得了一定成效。

方案：

●融合传统芯片DFT老化测试，针对后期台架DV应用，采用二者结合与独立两种方式，快速考核应用寿命，延伸了阿伦纽斯方程在3D高算力芯片上的新的应用。

AI芯片普遍采用7nm以下先进流片工艺，晶圆流片过程中微小工艺波动会造成芯片大面积失效。针对AI芯片制造过程中缺陷的高精细分析需求，广电计量形成了独特的技术解决方案：

解决方案：研发了先进制程芯片晶圆级FIB制样预处理技术（专利），降低了FIB制样时样品的损伤，实现了先进制程晶圆级样品的高分辨TEM分析，降低了电子束敏感样品的损伤，提升了TEM图像质量，提高了细节分辨率。

解决方案：开发了一种新的FIB减薄方法（专利），制备了超薄的TEM样品，实现了3nm先进制程芯片的晶圆级显微工艺分析，并能够对关键结构进行原子级分辨率表征。

解决方案：融合热点分析定位、低损伤双束聚焦离子束技术以及超薄切片高分辨透射电子显微技术，实现了3nm及以下制程纳米级缺陷定位，精度可达到纳米级，可分析的最小工艺缺陷尺寸可达到原子级。

先进制程芯片FinFET结构TEM照片

AI芯片热耗散管理已成为AI应用发展的关键瓶颈。广电计量基于AI芯片的应用现状，搭建了材料与结构的热管理兼容性研究平台，以及非均匀热场的监测与界面热阻量化测试平台，为AI芯片的热设计及可靠性热分析测试提供技术支撑。

挑战：AI芯片具备高集成，高速度的特点，对芯片发热点精准高效探测对芯片热管理至关重要。

方案：

●广电计量搭建了从晶圆到封装的热分析和热评价能力，时间分辨率最高可达500ns，空间分辨率可达2.7μm。能开展芯片热点探测、表面温度分析与验证、多热源器件瞬态热性能评价与验证，以及典型封装缺陷的热分析、探测与定位。

挑战：仿真是开展芯片热管理的关键辅助技术，而对AI芯片的热仿真涉及到多物理场、多异质界面交互的技术难题。

方案：

●基于材料物理特性及应用场景热阻网络构建，从微观晶格到宏观散热的全流程规划，通过材料缺陷调控、异质界面的优化实现对新型半导体材料热导率的高精度预测。

挑战：AI芯片的热管理不是一个孤立的技术点，而是一个贯穿芯片设计、制造、测试和装联等全链条的系统性工程。

方案：

●广电计量搭建了封装芯片电子装联热可靠性分析测试系统，兼容DEC 22B112与JEITA ED7306标准要求，通过非接触式外貌变形检测技术，可实现最大样品尺寸为400mm×370mm的平整度测试分析与评价（Warpage分辨率＜ 1μm），支撑先进封装AI芯片的装联可靠性分析与评价。

挑战：AI芯片热管理技术正沿着"更贴近热源、更高效、更智能"的方向快速演进，随着AI芯片采用CoWoS、EMIB等先进3D封装技术，热流密度突破1000W/cm²，紧凑热建模方法已成为AI芯片热管理领域的关键技术发展趋势。

方案：

广电计量通过构建AI芯片多物理场协同的热可靠性测试与分析能力，赋能AI芯片的研发可靠性。基于Delphi模型，通过建立边界条件无关（BCI）的热网络，在保证精度的同时大幅降低仿真复杂度。实现：

●早期热设计验证：在物理原型前预测芯片-封装-系统的热交互。

●多时间尺度分析：从毫秒级瞬态响应到稳态性能评估。

●界面优化：精确量化材料界面的热阻网络。

●系统集成研究：评估微流道到浸没式冷却等方案的兼容性。

文：集成电路检测与分析技术研究所

编辑：杨茜

*本公众号部分内容来源于网络，知识产权归其权利人所有。如您认为存在使用不当情形，请与我们联系。我们将在核实后及时处理。