浅谈AI深度学习之于先进封装的重要性

由中国半导体行业协会封装分会、天水市人民政府主办的第十八届中国半导体封装测试技术与市场年会，于11月8-10日在天水市举行。随着半导体的产业热度不减，本次封测大会吸引了众多专家学者，还包括几乎全部的中国半导体行业的大型封测厂商、主流的海内外封测设备提供商。在大会上，聚时科技（上海）有限公司 CEO郑军博士受邀出席，分享了深度学习和机器学习运用于封装质量控制、复杂缺陷检测与分析方面的技术产品进展和落地案例情况。

聚时科技定位于用AI技术赋能高端制造，而半导体封测领域的AI创新与落地是聚时科技的重要发展方向之一。

AI深度学习之于先进封装的重要性

随着半导体制造越来越逼近摩尔定律极限，本次大会最多讨论的高精密封装。半导体封测从最早的传统封装到先进封装，再到高精密封装，成为行业趋势。缺陷检测与良率控制的挑战来自于封测工艺流程的巨大变革。缺陷检测和复杂分析扮演着越来越重要的角色，而传统AOI检测方法已经无法适应半导体封装的快速迭代发展要求。

“毫无疑问，深度学习在降低重复性人工、提高良率、管控精度和效率，降低检测成本，AI深度学习驱动的AOI具有广阔的市场前景，但驾驭起来并不简单。”郑军博士在大会上详细分享了基于AI深度学习的缺陷检测与缺陷复杂分析的技术经验和实际落地经验。

聚芯系列的客户案例分享

郑军博士认为，将深度学习和机器视觉用于半导体高端制造的AOI，主要挑战来自于几个方面：首先需要叠加专门设计和优化的硬件包括光学系统，才能综合解决某些场景下的AI效力的问题，其次才是AI算法问题。围绕上述问题，郑军博士分享了聚芯2000和5000系统在这方面的技术进展和落地客户案例。聚芯2000把设备自动化与AI算法优势进行了深度融合创新。跟国外设备对比方面，郑军博士分享了量化的参数对比、功能对比和生产实际数据对比。MatrixSemi®️驱动的聚芯2000系统，不管是性能和功能，都超越了类似国外检测设备。

聚芯5000的ADC（缺陷自动化分类）系统，与国内最大的封测企业合作，实现了AI深度学习自动化分析、同时实现1拖N的分布式系统部署模式，容易兼容客户既有设备。郑军博士分析聚芯5000与国外设备的对比情况。相对于国外ADC设备系统，聚芯5000的数据吞吐量处理能力、数据复杂度处理能力、算法复杂性和准确性，都大幅提高。

将AI用于半导体封测的技术挑战

除了要驾驭硬件与光学系统的融合优化，如何应对AI深度学习本身的技术挑战，如何实现落地，保证AI检测的大规模生产的可靠性，是行业参会者关心的主要问题。郑军博士从两个维度进行了详细的分享：

· 数据与模型驾驭能力

要深入跟踪和研究客户开放的场景数据，才能有针对性的设计底层深度网络，包括Pre-train和全新设计Backbone深度网络。一方面要驾驭场景化的Image Know How数据、驾驭缺陷标准界定，又要具备有原生的深度神经网络设计开发能力。如果仅仅是应用开源、或者直接套用泛在的AI模型，或者没有深入驾驭KnowHow数据，AI落地会有问题。

· 跨产品模型迁移能力

与半导体前道不同，半导体后道的巨大挑战之一，就是待检测产品之多样性。同样的AOI检测与ADC设备系统要应对过百过千的产品类型，“多批次小批量”是半导体后道的行业特点。如何脱离纷繁复杂的产品背版，做统一检测和分类模型，是巨大的技术挑战。郑军博士结合目前的封测客户案例，分享了聚时科技在这方面的技术进展和落地应用情况。

基于AI深度学习的MatrixSemi®️产品方案

在本次封测大会上，聚时科技展示了MatrixSemi®️的产品方案。MatrixSemi®️是聚时科技针对半导体AI检测、深度学习与复杂视觉应用而开发的产品平台化方案，可以适配到前道后道不同的半导体工艺领域。基于MatrixSemi®️产品平台，聚时科技研发了引线框架和基板类AI检测设备聚芯2000 、晶圆级先进封装的ADC检测设备系统聚芯5000。

MatrixSemi®️基本涵盖4个子系统：

1、 半导体特殊打光成像系统技术： 高精度、针对性的特殊打光与光学成像方案

2、深度学习模型（MatrixVision）： 大规模模型算法库，覆盖半导体视觉主要场景

3、底层AI加速（MatrixPlatform）： 面向半导体的全栈优化、高性能AI实时计算

4、ADC缺陷自动分类机器学习系统：机器学习分析缺陷，实现质量控制闭环管理

聚时科技结合自身AI能力与工业软件能力，更致力于创建可持续合作的伙伴生态。作为AI设备的“眼睛和大脑”，MatrixSemi®️定位于赋能半导体检测设备。MatrixSemi®️可以兼容其他半导体设备厂商的设备。聚时科技也在与更多的设备厂商合作，实现AI在半导体行业的更多落地。
责任编辑:tzh