核心要點

• 良率損失越來越多地由薄膜、界面與污染帶來的分子級波動導致，而非傳統可見缺陷。

• 可靠性問題通常先表現為參數漂移或負載 / 熱應力下的裕量衰減。

• 有效檢測需要將分子級量測、嵌入式電學遙測與AI 驅動晶圓檢測三者關聯。

隨著半導體制造邁向埃米級器件與異質集成，影響良率與可靠性的缺陷本質正在改變。在先進工藝與多芯片方案中，越來越多的良率損失源于材料內部的細微變化，而非肉眼可見的缺陷。

數十年來，行業依靠檢測與電學測試策略識別結構失效，例如金屬線間顆粒橋接、光刻缺陷或互連線開路。這類失效依然重要，但已不再是先進工藝中波動的唯一來源。

薄膜成分變化、界面鍵合異常、工藝殘留物以及化學結構的微觀偏移，都會影響器件性能。這些影響在傳統檢測系統中通常不可見，也不會立刻造成功能失效。相反，它們表現為漸進式參數漂移，隨時間不斷侵蝕電學裕量。這類退化可能在器件出廠很久之后，才在特定負載或熱條件下顯現。要檢測它們，需要在三個不同層面運作的工具與策略：材料表面的分子表征、電路級的電學監測，以及晶圓級的AI 驅動關聯分析。

proteanTecs 商務拓展高級總監 Nir Sever 表示：“傳統缺陷檢測聚焦明確的二元失效，比如固定故障、阻性開路、橋接短路或功能失效。但材料或界面不穩定性的表現不同，它會在變成永久缺陷之前很久，就以參數漂移、間歇性裕量不足或負載相關退化的形式出現。”

在接近功耗與熱極限運行的高性能計算系統與 AI 加速器中，即使材料特性微小變化，也可能改變時序穩定性、信號完整性或長期可靠性。捕捉這些問題需要全新的分析方式。

材料復雜度持續上升

這類問題愈發突出的原因之一，是半導體制造與先進封裝流程中所用材料的快速擴張。傳統前道工藝主要依賴硅與少數幾種成熟薄膜。

如今的異質集成方案引入了聚合物介電材料、鍵合金屬、黏合劑、封裝材料、重布線層與熱界面材料。每一種都有獨特的力學與化學特性，并與周邊材料相互作用。但復雜性并非僅來自材料本身，而是來自它們在每一步工藝中的相互作用。流程早期化學鍵合的微小變化，可能要經過多道下游工序放大后才會顯現。

Critical Manufacturing 項目與計劃經理 Tiago Tavares 說：“很多這類缺陷你根本看不見，它們要么隱藏，要么是被忽略的微小偏差。但它們必須被捕捉。我們需要找到新的測量方式、早期檢測方式，把它們納入考量。”

與此同時，這些相互作用核心的薄膜本身正在收縮到尺度極限，其行為發生根本性改變。

ASM 首席執行官 Hichem M’Saad 表示：“沉積很厚的薄膜時，界面無關緊要。10 埃相對于微米級厚度可以忽略，但當你沉積只有 5 埃厚的 ALD 薄膜時，界面就成了大問題。”

在這樣的尺寸下，前驅體化學、原子鍵合或表面處理的細微差異，會直接影響薄膜內原子排布。這些差異用傳統檢測方法可能太小而無法察覺，卻會改變晶體管閾值電壓、載流子遷移率或柵氧完整性。這些影響默默累積，直到器件出廠后才暴露。

不像缺陷的缺陷

化學可變性檢測的難點在于：這些影響幾乎不會產生可見缺陷，而是緩慢、統計性地改變電學特性。

薄膜成分微小變化可能偏移閾值電壓或降低遷移率；界面鍵合波動會增加互連電阻或降低高速邏輯路徑的信號傳輸；殘留物則可能觸發電遷移、偏置溫度不穩定性（BTI）等老化機制。這些微小退化隨時間累積，直到器件在現場工作時才表現為功能失效。

Sever 說：“參數漂移通常是硅片或封裝內部物理變化的電學表現。制造過程中的污染與波動會在介電層或金屬層引入陷阱或弱界面。隨著時間推移，這些缺陷不會立刻失效，但會加速 BTI 或電遷移等老化機制。電學特征表現為漸進式裕量衰減，或與整體樣本相比異常的退化斜率。”

所有情況都是物理先變，電學參數后變。這類影響尤其難以管控，因為它們通常只在特定負載、熱負荷與供電條件組合下才出現，這正是量產 AI 系統與高性能計算集群的持續工作狀態。

這些影響通常表現為一批器件分布曲線的細微偏移，體現為時序裕量離散度變大、不明泄漏或與特定負載相關的間歇性失效。這些波動難以分離的一個原因是：傳統電學表征往往會把工程師需要找到的異常值平均掉。許多測試結構最初是為確認連通性或檢測嚴重失效設計，而非解析單個互連或鍵合區域的細微變化。當成千上萬個結構串連進行單次測量時，局部波動會被淹沒在總結果中。

Modus Test 首席運營官 Jesse Ko 說：“傳統數據鏈方法把數千個通孔連在一起。把鏈長除以一萬，你根本找不到異常值。平均效應掩蓋了波動。所以我們正嘗試聚焦特定關鍵結構，讓客戶能更精準地表征這些區域。”

標準測試流程旨在回答二元問題：器件是否能用？它們并非為把電學異常追溯到化學根源而設計，也無法區分沉積時成分漂移的薄膜與因表面污染形成弱界面的薄膜。要建立這種關聯，需要在批次與時間維度上關聯電學數據，并有足夠分辨率把材料誘導退化與普通工藝分散區分開。

Sever 說：“經典缺陷檢測回答‘它壞了嗎’；深度遙測回答‘它是否正在變得不穩定，為什么’。當我們把時序裕量退化與電壓噪聲、負載應力、溫度梯度及互連行為關聯時，就能區分隨機瞬時應力、本征老化、潛在生產缺陷以及材料或界面不穩定性。”

分子級檢測

在化學可變性演變為電學問題前識別它，需要能在分子尺度解析材料差異的表征工具 —— 不僅要判斷缺陷是否存在，還要確定是什么化學或鍵合條件導致了它。這一區別很重要，因為兩個電學特征相同的缺陷可能根源完全不同，對應的糾正措施也不同。

傳統元素分析技術（如 EDS / 能譜儀）對較重元素效果尚可，但難以檢測先進介電材料與表面污染中占主導的輕元素。碳、氧、氮、氫是高 k / 低 k 介電薄膜、有機表面附著物與氟聚合物殘留等波動問題的核心，但它們低于許多標準分析方法的可靠檢測閾值。

布魯克 nanoIR 產品經理 Cassandra Phillips 表示：“我們工具觀測的窗口是輕元素領域。EDS 更適合 X 射線響應更強的重元素。說到碳、氧、氮、氫這些輕元素，傳統技術就很吃力，而且它們只能給出元素識別，這往往不夠。當你要檢測表面附著物、少量油脂、潤滑劑、氟聚合物、聚乙烯時，其他技術無法區分它們。”

鍵合狀態與元素組成同等重要。例如二氧化硅，化學簡單但結構復雜，可存在單晶、多晶或非晶形態，每種都有不同鍵合密度與表面成分。在表面，特定鍵合形式（如硅氫 vs 硅氧氫）會導致下游電學性能巨大差異，即使整體元素分析顯示成分完全一致。

Phillips 說：“你不能只看直接、短程的化學鍵合，還要看材料周圍的化學環境。這些氧與其他氧距離多近？這些硅與其他硅距離多近，即使沒有直接成鍵？進入非晶區域后，問題呈指數級復雜化。你不再有已知表面成分與已知鍵合密度。紅外響應能幫你從混亂中理出規律。”

納米紅外光譜（nano-IR） 讓半導體相關尺度下的這種分析成為可能。該技術將原子級尖銳的 AFM 探針與可調紅外光源結合。紅外光照射樣品表面時，吸收該波長的材料將能量轉化為熱，產生鍵半徑級別的微小熱膨脹。AFM 探針以懸臂機械力的形式檢測這種膨脹。通過以懸臂共振頻率脈沖激光，信號被進一步放大，可檢測亞納米厚度材料。

光熱 AFM-IR 光譜結合了原子力顯微鏡（AFM）的高空間分辨率與紅外光譜（IR）的化學識別能力，實現樣品納米級化學表征。

與傳統紅外顯微鏡相比，關鍵優勢在于分辨率。標準紅外技術受光學衍射限制，可分辨最小特征約為光波長的一半，下限在微米級。Nano-IR 以 AFM 探針為探測器，而非直接收集散射光，因此橫向分辨率由探針幾何形狀決定，而非波長。結果是低于 10nm 橫向分辨率，遠超傳統紅外技術。

Phillips 說：“在檢測更少量、更薄材料方面已取得顯著進展。我們的 nano-IR 系統能以化學識別能力檢測亞納米厚度材料，橫向分辨率低于 10 納米，對應 material 質量可達阿克級。”

一個重要實際優勢是 nano-IR無損。二次離子質譜與原子探針層析成像等技術可提供化學信息，但會消耗樣品，不適用于在線監測或同一區域迭代分析。Nano-IR 可在工藝步驟前后使用，不犧牲被測材料，這對行業將這些能力從失效分析實驗室轉向在線或近線部署至關重要。

對于已知坐標的可見缺陷或顆粒附著物，成熟散射技術可定位目標并引導后續化學識別。更難的問題是薄膜不均勻性—— 波動分布在整個薄膜體中，而非集中在離散位置。沒有可導航的坐標，波動就是薄膜本身。這正是 nano-IR 能提供局部化技術無法實現的檢測能力之處。

“相同” 材料背后的隱藏差異

化學可變性最棘手的一點是：在標準工藝監測下看似相同的材料，在分子層面仍可能表現不同。表面鍵合網絡的差異無法被整體分析捕捉，卻會體現在下游電學性能中。

Phillips 說：“我們經常遇到這種情況：晶圓 1 電學正常，晶圓 2 不正常。兩者唯一已知區別是材料供應商。理論上兩個樣品應該分子均勻，但分析后我們能找到失效的分子原因。”

供應鏈在此影響顯著。供應商往往不知道或不愿披露自身工藝的細微變化，沒有這些數據就難以建模。表征負擔完全落在遇到失效的制造商身上，而根源往往出現在很早的上游工序。

分子表征識別化學狀態。要在生產中、在其累積到失效前檢測電學影響，則需要另一種方法。分布在裸片上的嵌入式監測電路可持續讀取實際工作條件下的電學行為，實時捕捉材料不穩定性的參數特征。

這種方法能回答終測無法回答的問題。一顆通過功能測試的器件，仍可能在特定時鐘域或互連區域以衰減裕量運行，接近極限，持續負載會使其崩潰。如果不持續監測這些裕量，退化在變成失效前始終不可見。

Sever 說：“通過分析器件、位置、負載與時間的模式，你可以把系統性設計裕量限制與物理不穩定性機制區分開。設計裕量問題立刻存在且相對穩定；材料相關波動通常是演變的。你可能觀察到異常老化加速、對電壓或負載應力敏感度增加，或表征階段不可見的漸進式時序壓縮。”

在先進封裝環境中，微凸點、TSV 與混合鍵合界面在緊密熱與力學鄰近下連接裸片，參數監測尤其有價值。任一界面的波動都可能在整個組裝件中傳播影響，例如互連電阻上升、通道間不對稱或局部時序裕量壓縮，卻不會產生結構測試旨在捕捉的清晰二元失效。

仿真與建模缺口

彌合材料級波動與其電學影響之間的缺口，還需要能建模分子級變化如何傳導到器件電學行為的能力。當前仿真方法在此存在結構性限制：模型精度取決于材料屬性輸入精度。當兩個名義相同的薄膜在鍵合狀態、界面化學或前驅體純度上存在分子級差異時，這些差異很少被模型依賴的參數捕獲。

新思科技產品營銷總監 Marc Swinnen 說：“可變性包含溫度、工藝、電壓、壓力與材料屬性的實際范圍與組合。這些可變因素數百萬種可能組合難以全面驗證。”

更深層的挑戰是：單個效應并非獨立。機械應力改變電學參數；溫度梯度改變材料屬性；界面化學變化改變電子穿過方式。單獨仿真任一效應，得到的結果都會與其他效應同時激活（量產中永遠如此）的現實存在偏差。

Swinnen 說：“各個效應相互關聯，需要多物理場方法才能精準仿真。仿真器通常分開仿真各個效應，無法捕捉一個量如何影響其他量。機械應力不僅影響可靠性，還會改變受應力器件的電學參數，但力學與電學很少被一起考慮。”

這種脫節對化學可變性影響尤其重大，因為被建模的效應本身表征就很差。工程師無法仿真尚未檢測到的鍵合異常影響，也無法為現有檢測工具未標記的污染層建模電學行為。仿真與量測必須同步進步，互相指引方向。

規模化良率影響

投資分子、電學、晶圓級三層檢測的最終理由是經濟性。盡管化學與分子變化看似微小，但其后果在大規模量產中會急劇放大。先進工藝半導體器件單價可達數萬美元。在這個價格點，即使微小的良率提升也直接轉化為巨額收益。

Phillips 說：“這是當前半導體量測與失效分析的核心問題之一。即使良率提升幾個百分點，也會直接帶來數百萬乃至數十億美元的盈虧差異。”

在晶圓級，AI 驅動檢測正開始彌合檢測工具所見與實際影響良率之間的關聯缺口。晶圓檢測歷來的弱點是：大量標記缺陷與電學性能關聯差，這正是導致化學可變性難以從信號中提取的噪聲問題。

Onto Innovation 產品營銷總監 Woo Young Han 表示：“傳統檢測工具產生大量與良率損失關聯很小的干擾缺陷。借助 AI 驅動圖像識別，檢測結果現在能與電學測試結果更緊密對齊。除了固定缺陷檢測閾值，AI 還能根據缺陷類型、晶圓位置與歷史批次動態調整靈敏度，提升對良率相關缺陷的捕獲率，同時過濾噪聲。”

結論

如今針對問題的每個層面都已有檢測工具。納米紅外光譜能以亞 10nm 分辨率解析鍵合狀態與表面化學，識別看似相同但性能不同的薄膜之間的分子差異。嵌入式參數監測器可實時跟蹤一批器件的時序裕量退化、互連電阻漂移與負載相關不穩定性，把材料誘導效應與設計裕量限制區分開。晶圓級 AI 驅動檢測正在縮小檢測工具標記項與實際影響電學性能之間的缺口，過濾噪聲同時提升關鍵波動捕獲率。這些能力每一項都相對于五年前行業水平實現了真正進步。

尚未完成的是它們之間的整合。分子表征產生鍵合狀態與表面化學數據；電學監測產生參數行為數據；晶圓級檢測產生缺陷群體數據。這些數據集孤立使用時效果有限。Nano-IR 在特定表面位置識別的鍵合異常，如果沒有電學歷史告訴工程師該條件是否造成過良率損失，就意義不大；嵌入式監測器檢測到的時序裕量退化，如果沒有材料表征追溯到特定界面條件或薄膜成分，也意義不大。閉環不僅需要每一層更好的工具，還需要一個共享分析框架，讓三者數據互相賦能。

經濟因素讓緊迫性顯而易見。在先進工藝節點，百分之零點幾的良率損失在整個生產項目中就相當于數億美元。造成這些損失的波動越來越多地源于分子級，對結構檢測不可見，且越來越能躲過終測，直到以現場失效形式出現。檢測它們已不再是可選項。問題在于制造商能否足夠快地構建連通數據基礎設施，以領先于他們同時引入的復雜度。