AI芯片越复杂,测试机为什么反而成了抢手货

以前谈论人工智能芯片的时候，市场上最为重视的就是先进工艺、HBM 以及先进的封装技术了。但是最近一段时间以来，在芯片测试领域一直默默无闻的一个部分也开始受到人们的注意了。

直观的问题是，随着芯片制造技术的进步，测试效率也应该相应地提升，但是实际上测试设备的数量却在不断增加。

答案其实很简单：AI 芯片跑得越快就越容易出问题，而且价格也越高，所以厂家是不会把有问题的产品卖给别人的。

Teradyne UltraFLEXplus 高端 SoC 测试机，配备大尺寸测试头与自动化的晶圆装载系统，是 AI 芯片量产测试的核心装备。

芯片变大了之后，检测方式也就不需要再用电压来测了

一位封测工程师曾经把传统的消费级芯片和人工智能级别的芯片区分开来，说它们之间的差异就像下图所示一样：

之前检查的是两室一厅的房子，而现在则是在一个大的数据中心里进行验收工作，房子里有很多房间、很多线路并且要检验所有的设备都能正常工作。

这并不夸张。

高性能人工智能芯片包含大量的计算单元、高速互连接口以及复杂电源管理模块，并且要和 HBM 这样的高速缓存一起工作。除了测试芯片是否可以正常运行之外，还要检查其在高并发运算、数据交换、能耗控制、温控以及长时间大负载下保持稳定的能力。

以前一个手机芯片只要经过几十次测试就可以合格了，而现在的 AI 芯片要参加一整天的全面检查才能过关。 题目的多寡决定了检测的时间长短。

测试设备的生产能力实际上就是一道乘法题目，即：

设备的数量×单个并行的能力/每个测试所花费的时间。

随着单次测试时长的增长，即使测试机器本身的性能提高了，也无法弥补市场需求量上升所带来的影响。没有一种方法可以立刻完成所有的测试工作。最好的方式是加大投入、多用一些设备来检测更多的芯片。

MPI Kestrel 探针卡实物，中央密集排布 MEMS 微针阵列，四周为高密度信号走线，用于晶圆级芯片的电气性能初筛。

先进封装使得一个芯片变成了一支球队

另外一种变化就是由单颗裸粒发展到 chiplet、先进封装。

一个高端加速器通常包括计算裸片、I/O 裸片、HBM 以及中介层等部分。以前的检测方式就像是对一名运动员进行检验一样，而现在的标准则是整个球队的整体表现：队员个人的能力如何？队员们之间有没有默契？在高强度的比赛里，整个队伍会不会出现故障？

这使测试点变多。

晶圆制造之后要进行晶圆级检测，在封装之前要尽可能地剔除坏裸片，封装之后还要做最后的检验、老化试验以及系统级测试。如果在某一个环节中发现了问题却没有及时发现并排除掉的话，那么这些问题就会被带到下一道工序中去，并且其造成的损失会越来越大。

业内有一条"十倍法则"，即当一个问题出现时，解决它所需要的时间会变成原来的十倍。对价格昂贵、封装成本高的人工智能芯片来说，检验并不是一种额外的成本支出，而是防止损失的一种方式。

即使芯片价格再高，也不能出现测试不过的情况。

Smiths Interconnect 半导体老化测试插座（Burn-in Socket），翻盖式结构配合高密度弹针，用于封装后芯片的高温高湿可靠性验证。

功耗墙就是一道试金石

高性能的人工智能芯片测试还存在一个容易被忽视的问题就是发热问题。

即使芯片能够在实验室中发光发热，也不能说明它就能够在数据中心里正常运转。为了检验这一点，需要使用专门的测试仪器来模拟出数据中心那样的高负荷情况，使芯片一直处在工作状态之下，然后去检测它的电压变化、泄漏电流、温度升高等各种问题。

由此产生了一系列的技术难题：插座能不能承受大功率的电流、插孔会不会晃动、高速数据传输会不会出现错误以及散热装置能否有效地把热量带走。

一个设备行业的从业人员用了一个形象的说法来解释这个现象：

"测试人工智能芯片，并非只是使汽车能够行驶，还需要让其驶向跑道并且完成一圈又一圈的比赛，在此过程中还会对发动机、轮胎以及耗油量进行录像与录制。"

因此，液冷测试插孔、更高的通道密度、更快的数据传输速度以及更好的散热能力等等，在之前是加分项，现在已经成为必须具备的功能了。除了测试机器的数量在增加之外，每台机器的价值也在提高。

SPEA 高速 Pick & Place 测试分选机，顶部多吸嘴阵列可实现每小时超 33,000 颗芯片的自动上下料，是量产测试线的效率瓶颈所在。

为什么头戴式耳机厂商的市场占有率很高呢？

目前高端芯片测试设备市场的主导地位仍然掌握在爱德万测试和泰瑞达这样的公司手中。表面上看这是在出售机器，其实是在推销一套被深深融入生产线中的工程体系。

当客户要更换测试平台的时候，并不是简单地把一台机器换成另一台机器这么简单的事儿，还要对整个系统进行相应的修改、调试以及校准工作，同时还会造成生产效率降低或者延误工期的情况发生。因此，在这种情况下所造成的损失会比购买新设备的钱更多一些。

因此测试设备有很强的"工具链绑定"的特点。

芯片公司的目标不在于此机的价格有多便宜，而在于该设备能否准确地检测出缺陷、维持高良品率以及及时供货。

因此，头部厂商一旦进入了客户的主生产线之后，份额就很难再改变了。高端测试仪器不像打印机那样可以随便连接上去就能使用，在生产线上起着类似的操作系统的角色。

Advantest V93000 系列 SoC 测试系统，模块化设计支持从 5G 射频到 AI 算力芯片的全覆盖测试，是爱德万在高端 ATE 市场的主力平台。

除了主机之外还有很多东西也很受欢迎

此轮需求外溢也促进了探针卡、测试插座、接口板、分选机以及温控设备的发展。

测试机用来出题、打分，探针卡以及测试插槽是用来把芯片插入到考场中的。由于人工智能芯片的引脚多、带宽大、电流强，所以对接精度和信号完整性的要求也就越高。只要有一个接触不好的地方，就有可能把好的芯片当成坏芯片来处理。

所以上升的是整个测验链，并不是单个仪器。

同时，测试数据也在反哺到设计阶段来，在失效位置、温度场以及性能上的差别中找出问题所在，并据此去改善版图、修改封装以及更改测试矢量等等工作内容从而构成一个从设计到生产再到检测最后再进行优化的一个完整的闭环过程。未来可能会用到人工智能来进行一些多余的测试工作的简化，但是并不会完全取代所有的测试工作而是会使得测试的方式发生变化而不会消失。

MEMS 探针卡微观结构拆解图，展示微弹簧针与晶圆焊盘的精密对接方式，接触精度直接决定测试良率。

测试机的春天也存在一定的限制条件

需求量大，并不代表所有的厂家都可以吃到同样的份额。

人工智能芯片的测试包括高速数模混合信号、大容量并行通路、复杂的算法、散热和长寿命可靠性等，在此过程中设备制造商要花费几年的时间去积累软件和硬件的知识。另外客户还需要对准确度、稳定性以及生产线相容性的进行检验，这个过程十分漫长。

国产设备在模拟、功率以及一些 SoC 的测试上都已经取得了很大的进步，但是在高端人工智能训练芯片的测试中仍然存在高速接口、通道密度、软件生态系统以及核心元件等方面的困难。

真正的机会并不是随便做一个可以使用的设备就可以的了，在客户的产品生产线上进行介入才是关键。

表面看是抢算力，实质上是要抢到每一块芯片中的每一个地方去，在把芯片做成复杂的系统之后，就变成了质量监督员，也就是在整个设计、制造以及封测的过程中都起到一个监督的作用。

AI 芯片所涉及的是计算能力的最大值，而测试机器所坚守的是交货最低标准。 芯片越是复杂，这个最低标准就越是昂贵。