核心要點

1. 數(shù)字孿生技術(shù)正逐步落地，成為芯片從設(shè)計到制造全流程各環(huán)節(jié)驗證多種方案的重要手段；

2. 人工智能可整合多物理場仿真中各類異構(gòu)數(shù)據(jù)；

3. 數(shù)字孿生的應(yīng)用潛力巨大，但實現(xiàn)其全部價值仍需攻克諸多難題；

4. 盡管目前數(shù)字孿生的所有權(quán)、管理主體、最優(yōu)抽象層級及互聯(lián)方式尚未明確，仍在芯片行業(yè)引發(fā)廣泛關(guān)注。

數(shù)字孿生技術(shù)雖仍存諸多待解問題，但其相關(guān)投資持續(xù)走高，初代版本已開始落地，芯片行業(yè)各細(xì)分領(lǐng)域均在展開相關(guān)試驗 —— 一方面探索其應(yīng)用場景，另一方面也是為了避免被新老競爭對手搶占先機。若數(shù)字孿生能如期兌現(xiàn)其技術(shù)潛力，將實現(xiàn)以下突破：

• 推動可測試性設(shè)計（DFT）、可制造性良率設(shè)計（DFY）和可制造性設(shè)計（DFM）在芯片設(shè)計到制造的全流程中進一步左移，同時向流程后端進一步延伸；

• 構(gòu)建晶圓廠內(nèi)特定類型數(shù)據(jù)的正向反饋與逆向追溯機制；

• 集成智能體人工智能（或智能體式 AI）中間件，實現(xiàn)不同工藝環(huán)節(jié)的數(shù)據(jù)融合；

• 為芯片、晶圓、封裝體或工藝制程生成更全面、更精細(xì)的黃金基準(zhǔn)模型，更易識別異常并及時調(diào)整參數(shù)。

而這僅僅是開端。芯片行業(yè)內(nèi)外眾多企業(yè)的長期愿景是：在芯片流片前，實現(xiàn)從初始架構(gòu)設(shè)計到量產(chǎn)啟動階段的全流程洞察；在芯片流片后，將終端現(xiàn)場的運行數(shù)據(jù)反向回傳至晶圓廠或封測廠。這一過程將產(chǎn)生海量數(shù)據(jù)，進而對計算算力和存儲資源提出極高要求。

數(shù)字孿生的應(yīng)用可大可小：既可以模擬整輛汽車、整座城市，也可以模擬某個子系統(tǒng)、單顆芯片，甚至是單一工藝在不同工作負(fù)載或環(huán)境條件下的運行狀態(tài) —— 且這一切都能在芯片或系統(tǒng)正式量產(chǎn)前完成。

泰瑞達智能制造產(chǎn)品經(jīng)理伊萊?羅斯表示：“數(shù)字孿生就像一個系統(tǒng)之系統(tǒng)，能將各個模塊整合為一體。它從原本相對孤立的仿真和驗證環(huán)境發(fā)展而來，如今已能實現(xiàn)從芯片設(shè)計、封裝到測試全流程的一體化融合，堪稱‘超級強化版’的 SOLIDWORKS 建模工具，可無縫接入英偉達元宇宙 3D 模型。在芯粒和異構(gòu)集成領(lǐng)域，數(shù)字孿生的價值尤為凸顯：芯片裸片、基板、材料與熱管理之間的耦合度越來越高，哪怕是微小的翹曲都可能引發(fā)高成本的失效問題。如果能在將這些器件集成到高成本、高耦合度的系統(tǒng)前，通過數(shù)字孿生預(yù)判并解決問題，將帶來極大的價值。”

愛德萬測試云解決方案高級咨詢經(jīng)理朱文軒（文森特?朱）對此表示認(rèn)同：“這些理念具有顛覆性意義。如今業(yè)內(nèi)探討的晶圓廠工藝數(shù)字孿生，往往僅局限于前段工藝；若能將其與后段測試結(jié)合 —— 畢竟自動測試設(shè)備（ATE）掌握著器件的黃金測試標(biāo)準(zhǔn) —— 就能讓前段工藝的仿真更精準(zhǔn)。通過在數(shù)字孿生環(huán)境中實現(xiàn)各環(huán)節(jié)的數(shù)據(jù)正向流轉(zhuǎn)，我們可以搭建模型、開展各類假設(shè)場景模擬，進而提升后段測試流程的效率。”

這其中包括通過多版本篩選提升生產(chǎn)吞吐量和產(chǎn)品良率，這一點在多裸片集成封裝中尤為關(guān)鍵。朱文軒說：“我們當(dāng)下生產(chǎn)的 AI 芯片普遍采用異構(gòu)集成技術(shù)，核心挑戰(zhàn)是如何在封裝前確保每一顆裸片的品質(zhì)。這類封裝體尺寸巨大，集成了數(shù)顆甚至數(shù)十顆裸片，若未能提前篩除存在問題的裸片，最終可能導(dǎo)致整個封裝體報廢。”

盡管芯片量產(chǎn)前的數(shù)字孿生投入更高，但由此帶來的良率提升、產(chǎn)品可靠性增強，以及更貼合具體應(yīng)用場景和工作負(fù)載的設(shè)計優(yōu)化，能大幅減少產(chǎn)品返修授權(quán)（RMA）的發(fā)生，最終實現(xiàn)顯著的成本節(jié)約。不過，如何協(xié)調(diào)整合數(shù)字孿生的各個環(huán)節(jié)，仍是一項極具挑戰(zhàn)性的工作。

PDF 解決方案公司首席執(zhí)行官約翰?基巴良指出：“晶圓在工廠完成測試后，工作人員并不知道這些芯片后續(xù)會送往何處進行封裝、組裝和二次測試，因此也無法確定物料的調(diào)配方向，這是行業(yè)長期存在的痛點。數(shù)字孿生相當(dāng)于用低代碼或無代碼的方式打通各大應(yīng)用系統(tǒng)，需要整合產(chǎn)品生命周期管理（PLM）、企業(yè)資源規(guī)劃（ERP）、制造執(zhí)行系統(tǒng)（MES），以及工程數(shù)據(jù)、生產(chǎn)良率數(shù)據(jù)，最終對接設(shè)計自動化信息。只有整合好這些信息，才能實現(xiàn)人工環(huán)節(jié)的自動化替代，讓人工智能做出合理決策，這正是我們研發(fā)數(shù)字孿生的核心目標(biāo)。”

人工智能與數(shù)字孿生的雙向賦能

機器學(xué)習(xí)與深度學(xué)習(xí)模型對數(shù)字孿生的支撐

• 組件孿生：單一零部件與設(shè)備的數(shù)字化映射

• 工藝孿生：整個生產(chǎn)工廠的數(shù)字化映射

• 企業(yè)孿生：整個制造生命周期的數(shù)字化映射

人工智能對數(shù)字孿生的賦能

人工智能算法可實現(xiàn)數(shù)據(jù)采集、整合與處理的自動化，確保數(shù)字孿生模型的精準(zhǔn)性，實時反映物理系統(tǒng)的運行狀態(tài)；生成式人工智能能對數(shù)字孿生的輸入數(shù)據(jù)進行結(jié)構(gòu)化處理，并對輸出結(jié)果進行融合分析。

同時，數(shù)字孿生也為生成式人工智能提供了可靠的測試與學(xué)習(xí)環(huán)境。

人工智能驅(qū)動的數(shù)字孿生核心價值

1. 預(yù)測性維護：提前識別潛在故障，減少設(shè)備停機時間與維護成本；

2. 性能優(yōu)化：分析數(shù)據(jù)挖掘優(yōu)化空間，提升整體運營效率；

3. 輔助決策：提供數(shù)據(jù)驅(qū)動的洞察，支撐更科學(xué)的決策制定；

4. 提效降耗：精簡業(yè)務(wù)流程，減少生產(chǎn)浪費；

5. 無風(fēng)險測試：通過虛擬環(huán)境模擬場景、驗證設(shè)計，降低研發(fā)風(fēng)險與成本。

跨學(xué)科融合的技術(shù)挑戰(zhàn)

當(dāng)前數(shù)字孿生的發(fā)展水平，與行業(yè)愿景仍有較大差距。要實現(xiàn)最終目標(biāo)，需分階段推進，首要任務(wù)是減少制造工藝中的參數(shù)波動，進而提升芯片從量產(chǎn)之初到全生命周期的可靠性。

西門子數(shù)字工業(yè)軟件汽車芯片解決方案總監(jiān)李?哈里森表示：“多年來，芯片測試環(huán)節(jié)一直在向設(shè)計前端左移，如今這一趨勢已達到極致。一名可測試性設(shè)計工程師，同時也需要承擔(dān)功能架構(gòu)師的工作。我們在設(shè)計中采用 PCIe 接口，通過工藝控制測試流程，搭建安全隔離區(qū)；因此，可測試性設(shè)計工程師必須完成包含功能總線、嵌入式軟件的完整子系統(tǒng)架構(gòu)設(shè)計，還要掌握 PCI 和 UCIe 接口的調(diào)試方法。我們內(nèi)部正推動可測試性設(shè)計工程師向功能設(shè)計師轉(zhuǎn)型，因為在芯粒這類大型設(shè)計中，測試基礎(chǔ)設(shè)施的控制、監(jiān)控與整體配置，已不再通過器件外部的隨機引腳實現(xiàn)，而是由專門的小型功能域完成。”

數(shù)字孿生同樣可用于驗證可測試性設(shè)計的基礎(chǔ)設(shè)施與架構(gòu)設(shè)計。哈里森說：“這是可測試性設(shè)計工程師首次登上設(shè)計與驗證大會（DVCon）的舞臺。我們能在自動測試設(shè)備上對整個測試基礎(chǔ)設(shè)施進行虛擬試運行，在芯片流片前驗證其可行性。”

這一過程，相當(dāng)于先從谷歌地球的宏觀視角切入，再逐步深入分析特定工作負(fù)載下的熱梯度對 2 納米晶體管的微觀影響。它需要將以往從未關(guān)聯(lián)的各類模塊打通，并且能在不同壓力條件下對這些模塊進行調(diào)整，以得出最優(yōu)或至少可行的解決方案。目前，大型仿真已實現(xiàn)了有限范圍內(nèi)的這類操作，但能靈活調(diào)控各類工藝、替換不同組件（如不同制程的芯粒、不同互連方式或存儲器件）的能力，仍是全新的技術(shù)突破。

新思科技資深架構(gòu)師亞當(dāng)?克朗稱：“我們的仿真能力已實現(xiàn)從原子級到整機系統(tǒng)級的全覆蓋。數(shù)字孿生的核心是仿真，實現(xiàn)無需實體制造的各類驗證。事實上，芯片流片前的功能模式仿真，本質(zhì)上就是數(shù)字孿生的應(yīng)用。如果仿真發(fā)現(xiàn)問題，要么放棄流片，要么至少能明確問題所在。芯片制造不僅成本高昂，且耗時漫長，在啟動量產(chǎn)前通過數(shù)字孿生完成驗證，能大幅提升研發(fā)效率。”

邁向更優(yōu)的技術(shù)落地效果

要充分釋放數(shù)字孿生的潛力，需要不同行業(yè)間的深度協(xié)作，部分場景下甚至需要行業(yè)內(nèi)各細(xì)分領(lǐng)域的協(xié)同配合。

克朗表示：“目前行業(yè)仍處于單點解決方案階段。我們已落地知識助手工具，也實現(xiàn)了腳本的自動生成；如果需要特定的技術(shù)文檔，工具也已具備相關(guān)功能 —— 只需在界面發(fā)起指令，就能自動生成并嵌入研發(fā)流程。我們正逐步向智能體化方向發(fā)展：系統(tǒng)可自動識別設(shè)計規(guī)則檢查（DRC）中的違規(guī)問題，并通過工具自動修復(fù)；未來，智能體之間還能實現(xiàn)互聯(lián)互通，這一功能已在部分專屬環(huán)境中落地。”

數(shù)字孿生也可用于優(yōu)化單一制造工藝。昂通創(chuàng)新企業(yè)軟件業(yè)務(wù)單元產(chǎn)品經(jīng)理肖恩?金說：“它能充分挖掘各類入廠、出廠檢測數(shù)據(jù)的價值，還能提升設(shè)備的運行性能。我們的檢測和量測設(shè)備正采集更多數(shù)據(jù)，并將其匯聚至統(tǒng)一平臺，通過識別數(shù)據(jù)不一致性，讓所有數(shù)據(jù)在中央平臺實現(xiàn)協(xié)同聯(lián)動，從而掌握設(shè)備的運行狀態(tài)及相互匹配度。基于此，我們可搭建設(shè)備預(yù)測性維護的數(shù)字孿生模型，確保設(shè)備穩(wěn)定運行。而對于客戶而言，我們的設(shè)備數(shù)據(jù)是其搭建質(zhì)量檢測、物料分析數(shù)字孿生模型的核心輸入。如果客戶無法信任我們的設(shè)備輸出數(shù)據(jù)，其模型的可靠性也就無從談起。”

數(shù)字孿生落地的核心挑戰(zhàn)在于數(shù)據(jù)的整合與管理，唯有實現(xiàn)數(shù)據(jù)的高效利用，才能精準(zhǔn)識別、預(yù)防或解決問題。肖恩?金強調(diào)：“結(jié)果輸出的時效性至關(guān)重要，這取決于我們要解決的具體問題、其背后的價值、數(shù)據(jù)處理的部署方式 —— 是本地部署，還是部署在外部高成本的大型服務(wù)器或云端；同時也要避免過度設(shè)計，搭建超出實際需求的模型，否則會增加問題定位的難度。針對設(shè)備漂移這類具體問題，我們能精準(zhǔn)定位并制定最優(yōu)應(yīng)對策略，但在多供應(yīng)商的生態(tài)體系中，若各方缺乏統(tǒng)一的溝通與數(shù)據(jù)共享標(biāo)準(zhǔn)，問題就會變得復(fù)雜。”

解決這些差異是行業(yè)面臨的一大難題。哈里森介紹：“歐洲正在推進一個名為 CHASSIS 的大型汽車項目，全稱是‘面向軟件定義汽車的芯粒化硬件架構(gòu)’，該項目的核心環(huán)節(jié)之一，是搭建整個平臺的數(shù)字孿生模型，讓為系統(tǒng)提供芯粒的各供應(yīng)商能通過虛擬環(huán)境接入自研芯粒，驗證其兼容性。比如，測試基礎(chǔ)設(shè)施能否實現(xiàn)互聯(lián)互通并正常運行？芯粒集成至整體系統(tǒng)后，可測試性設(shè)計基礎(chǔ)設(shè)施能否正常啟動？最糟糕的情況是，一堆功能完美的芯粒組合在一起，卻因可測試性設(shè)計的連接問題，只能完成一半的測試工作 —— 這樣的產(chǎn)品看似優(yōu)秀，實則毫無價值，無法應(yīng)用于汽車生產(chǎn)，因為其可測試性僅有 50%。”

各類異構(gòu)數(shù)據(jù)的互聯(lián)互通也是一大難題，而這正是人工智能的用武之地。PDF 解決方案公司全球晶圓廠應(yīng)用解決方案經(jīng)理喬恩?霍爾特說：“我們發(fā)現(xiàn)業(yè)內(nèi)正采用智能體化的解決方案。目前行業(yè)內(nèi)仍存在大量遺留系統(tǒng)和數(shù)據(jù)孤島，部分系統(tǒng)通過可編程邏輯控制器（PLC）或電子設(shè)計自動化（EDA）控制器實現(xiàn)數(shù)據(jù)交互，還有部分通過制造執(zhí)行系統(tǒng)（MES）完成。哪怕是隨產(chǎn)品交付的簡易數(shù)據(jù)手冊，只要錄入系統(tǒng)并完成數(shù)字化，就能成為智能體的一部分。我們將每個系統(tǒng)、每份文檔都視為一個智能體，這樣就無需傳輸知識產(chǎn)權(quán)相關(guān)的全部信息，僅需在信息使用節(jié)點，通過智能體完成所需數(shù)據(jù)的交互即可。”

霍爾特表示，研發(fā)目標(biāo)是將所有智能體的數(shù)據(jù)整合，并在智能體化的工作流中實現(xiàn)自動化處理。“我們要在現(xiàn)有遺留基礎(chǔ)設(shè)施的基礎(chǔ)上，結(jié)合生成式人工智能或大語言模型的能力實現(xiàn)技術(shù)升級，其中的關(guān)鍵是保障數(shù)據(jù)傳輸鏈路的安全。無論采用何種技術(shù)方案，都需要部署傳感器，以支撐結(jié)果分析所需的粒度，精準(zhǔn)映射物理世界 —— 這意味著傳感器的采樣頻率可根據(jù)需求調(diào)整，比如對生產(chǎn)環(huán)境按小時采樣，或?qū)ι漕l脈沖沉積設(shè)備按毫秒采樣。”

行業(yè)標(biāo)準(zhǔn)的制定將為數(shù)字孿生的發(fā)展提供助力。過去六年，國際半導(dǎo)體設(shè)備與材料協(xié)會（SEMI）一直致力于數(shù)字孿生的信息共享，舉辦多場研討會探討其在制造和供應(yīng)鏈韌性中的作用。相較于最初的概念，如今的數(shù)字孿生技術(shù)迎來兩大關(guān)鍵突破：一是云端近乎無限的計算資源成為標(biāo)配，二是人工智能實現(xiàn)了各類異構(gòu)數(shù)據(jù)的整合。這讓數(shù)字孿生既能實現(xiàn)大規(guī)模部署，也能針對細(xì)分場景進行深度落地，還能靈活實現(xiàn)視角的縮放與聚焦。

朱文軒說：“數(shù)字孿生的仿真可分為多個層級。測試單元本身可擁有虛擬身份，比如為測試設(shè)備和測試流程搭建虛擬模型，虛擬測試設(shè)備能離線運行測試程序，并在仿真中調(diào)用歷史數(shù)據(jù)日志，模擬不同條件下的測試結(jié)果；另一層級是器件本身，比如為芯片搭建虛擬硅模型，在實際流片前完成測試方案的初步驗證。如果測試車間內(nèi)的所有測試設(shè)備都擁有數(shù)字孿生模型，系統(tǒng)就能基于當(dāng)前的測試條件，通過自適應(yīng)測試模型預(yù)測良率和生產(chǎn)吞吐量，還能搭建模型仿真整個測試設(shè)備集群的運行狀態(tài)，對比實際生產(chǎn)與計劃的偏差。芯片流片后，正式的物理測試才會啟動，而行業(yè)目前的趨勢是對器件進行參數(shù)調(diào)優(yōu) —— 可通過 Verilog 模型仿真器件特性，再運行測試程序模擬量產(chǎn)場景。仿真所使用的數(shù)據(jù)可以是合成數(shù)據(jù)，基于同系列器件的歷史量產(chǎn)數(shù)據(jù)構(gòu)建，即便新器件暫無實際生產(chǎn)數(shù)據(jù)也能實現(xiàn)仿真。”

這一理念還可延伸至芯片電路的老化監(jiān)測與分析，這對于汽車、航空航天等安全關(guān)鍵型和任務(wù)關(guān)鍵型應(yīng)用至關(guān)重要。同一顆芯片，若承擔(dān)的工作負(fù)載使其核心模塊利用率大幅提升，其電遷移現(xiàn)象的發(fā)生概率會更高，老化速度也會遠快于承擔(dān)低負(fù)載工作的同類芯片。

克朗表示：“我們可搭建可校準(zhǔn)模型，模擬汽車芯片的各類老化退化現(xiàn)象。該模型能預(yù)判芯片性能或漏電率的衰減程度，而芯片本身也會內(nèi)置這一模型。通過將硅生命周期管理（SLM）與可測試性設(shè)計技術(shù)進行一體化整合，汽車每次啟動或熄火，甚至運行過程中的每微秒，系統(tǒng)都能驗證模型的準(zhǔn)確性，進而提前預(yù)判芯片是否能達到設(shè)計壽命，或是否出現(xiàn)異常老化。這讓數(shù)字孿生從工廠延伸至終端現(xiàn)場，實現(xiàn)了全生命周期的價值落地。”

依托高質(zhì)量的數(shù)據(jù)和定義清晰的數(shù)字孿生模型，這類預(yù)測的精準(zhǔn)度將大幅提升。普羅蒂安泰克公司業(yè)務(wù)發(fā)展高級總監(jiān)尼爾?塞弗說：“可測量，即可預(yù)測；可預(yù)測，即可預(yù)防。通過長期的量測數(shù)據(jù)，能掌握芯片的退化速率，進而推斷其失效時間。一旦實現(xiàn)這一點，就能提前發(fā)出預(yù)警，避免直至故障發(fā)生才采取措施。”

借助合適的模型和數(shù)據(jù)，這一過程可實現(xiàn)實時監(jiān)測。塞弗指出：“如果測試實現(xiàn) 100% 覆蓋，且器件在絕對最大負(fù)載下完成可靠性測試，那么在模型準(zhǔn)確的前提下，合格器件本不應(yīng)出現(xiàn)提前失效的情況。但實際應(yīng)用中存在太多不確定因素，我們能做的是盡可能提升模型的精準(zhǔn)度，因此需要加大測試投入；而要在故障發(fā)生前識別潛在的異常退化，全生命周期監(jiān)測仍是不可或缺的環(huán)節(jié)。”

哈里森補充道，數(shù)字孿生還能驗證片上監(jiān)測器是否能有效識別異常的性能退化。“在芯片上集成各類監(jiān)測器后，如何確認(rèn)其能提供有效數(shù)據(jù)？數(shù)字孿生能模擬我們想要檢測的各類失效效應(yīng)，比如芯片退化、過壓等；在安全領(lǐng)域，我們也正通過數(shù)字孿生模擬各類側(cè)信道攻擊。能在芯片流片前，通過虛擬環(huán)境完成各類方案的驗證，對研發(fā)工作而言意義重大。”

全生命周期的雙向賦能

數(shù)字孿生的應(yīng)用場景具有無限可能性，這也是其近十年來始終占據(jù)行業(yè)視野的原因。而數(shù)據(jù)融合的技術(shù)需求，也解釋了為何 PDF 解決方案公司去年收購 secureWise、新思科技收購安世亞太 —— 各大企業(yè)正積極布局，為數(shù)字孿生技術(shù)的下一階段發(fā)展蓄力，并持續(xù)加大相關(guān)投資。

如今，數(shù)字孿生技術(shù)迎來了落地的關(guān)鍵節(jié)點：充足的計算資源、成熟的數(shù)據(jù)管理與挖掘工具、完善的人工智能 / 機器學(xué)習(xí)基礎(chǔ)設(shè)施，這些核心技術(shù)要素均已就位，讓數(shù)字孿生終于能在芯片行業(yè)發(fā)揮實際價值。

羅斯說：“試想一下產(chǎn)品返修的場景：一批器件出現(xiàn)故障，原因何在？三個月前的生產(chǎn)環(huán)節(jié)究竟發(fā)生了什么？我們可以調(diào)取所有生產(chǎn)數(shù)據(jù)、測試結(jié)果和工藝流程記錄。但芯片的生產(chǎn)流程極為復(fù)雜，哪些環(huán)節(jié)完成了老化測試，哪些沒有？這些決策是如何做出的？負(fù)責(zé)返修的工程師往往并非搭建測試方案的工程師，他們需要從復(fù)雜的測試程序中尋找答案，而這些測試程序可能由二三十人共同開發(fā)，想要理清其中的邏輯，難度堪比破解謎案。但如果能通過器件型號、庫存單位（SKU）等信息，在虛擬環(huán)境中重新還原測試過程并完成調(diào)試，問題就能迎刃而解，這將是極具價值的技術(shù)突破。”

在芯片從設(shè)計到制造的全流程中，實現(xiàn)數(shù)據(jù)的快速篩選與靈活應(yīng)用，是行業(yè)的一大技術(shù)飛躍。朱文軒表示：“我們需要實現(xiàn)晶圓廠前段工藝到后段工藝的數(shù)據(jù)正向反饋，因為想要優(yōu)化前段工藝參數(shù)，就需要參考后段的測試性能數(shù)據(jù)，而這一切都取決于模型的完善程度。若能為前后段工藝都搭建完善的數(shù)字孿生模型，就能實現(xiàn)各環(huán)節(jié)的數(shù)據(jù)流轉(zhuǎn)與仿真分析。”

目前，數(shù)字孿生技術(shù)仍處于發(fā)展初期，諸多難題仍待攻克，但它為芯片行業(yè)帶來的工藝優(yōu)化、系統(tǒng)可靠性提升和全流程成本降低的價值，真實且巨大。