Teradyne Titan HP 平台：面向 AI 与数据中心的系统级测试观察
Teradyne 整合系统测试部门高级总监 Ben Mitchel 谈系统级测试为何在 AI 与数据中心设备量产中变得至关重要。这些设备采用多 chiplet 设计、功耗达数千瓦，需在真实条件下测试。Titan HP 平台可提供此类设备所需的功率、热管理与吞吐能力。
#检测/量测
#检测/量测
今日 6 条Semiconductor Engineering 芯片与封装AI 评分2020 Semiconductor Engineering 芯片与封装AI 评分2121 FAaST 路线：通过电学工艺控制赋能先进封装
半导体工艺控制正从视觉检测走向电学测量。先进封装中的残留电荷和静电累积难以被传统检测与量测手段发现，却会影响良率、器件可靠性和制造一致性；随着吸湿性薄膜、绝缘层和等离子体工艺的引入，这一问题愈发突出。Onto Innovation 给出了全晶圆映射和面板级高分辨率映射方案，可定位局部非均匀性与热点。
Semiconductor Engineering 芯片与封装AI 评分2121 先进封装从工艺学习到量产控制：表征与测试的挑战与方法
随着异构集成从 2.5D interposer、CoWoS 发展到混合键合与 3D 堆叠，先进封装的良率敏感性和缺陷机制与前端逻辑及标准封装截然不同，行业一直缺乏专用计量、表征与分析框架。文章介绍一套集成方法论，用于加速先进封装工艺开发并维持量产控制。
Semiconductor Engineering 芯片与封装AI 评分3838 Shift Left 让晶圆厂制造数据管理更复杂
半导体晶圆厂借助设备传感器实时数据和 AI/ML 推理模型，将良率异常检测前移到工艺模块内部，以加速良率学习并改进先进过程控制（APC）。设备传感器参数从约每秒一次提升到每几十毫秒采样一次，数据种类较十年前至少增加 10 倍，部分晶圆厂每年产生数百 PB 数据。如何在 sub-second 处理的同时保留数据上下文与连通性，成为 shift left 带来的主要数据管理难题。
Semiconductor Engineering 芯片与封装AI 评分3131 如何弥补先进芯片的“可见性鸿沟”：检测、测试与数据关联
先进芯片的每一种测试、检测与监测手段都存在物理、空间或时间上的盲区，没有任何单一技术能提供完整视图。Nordson、ZEISS、Teradyne 等厂商指出，焊点空洞、head-in-pillow 等缺陷可通过电测却导致早期失效，而 X-ray 在堆叠芯片与 TSV 检测上仍有精度、吞吐与分辨率之间的取舍。
Semiconductor Engineering 芯片与封装AI 评分2626 混合键合与先进封装的过程控制：如何在缺陷演变成昂贵失效前发现它们
先进封装中缺陷随工序层层累积价值，特征尺寸缩小使检测要求逼近前道制程水平，涉及表面颗粒、侧壁裂纹、埋藏缺陷、微凸点异常和键合空洞等多类问题。厂商需要在统一工作流中组合高灵敏度 2D 检测、红外亚表面检测与 3D 量测等互补手段，兼顾灵敏度与产能，并通过有效分类把检测结果转化为可行动的工艺信息。