在汽车中使用5nm芯片和先进的封装

半导体工程公司坐下来讨论先进节点芯片和先进封装对汽车可靠性的影响，Jay Rathert，战略合作的高级总监心理契约；Dennis Ciplickas，高级解决方案副总裁PDF的解决方案；Uzi Baruch，汽车业务部门副总裁兼总经理OptimalPlus；盖尔·卡梅尔，公司总经理proteanTecs'汽车部门;Andre van de Geijn，公司的业务发展经理yieldHUB；和杰夫·菲利普斯，去市场负责运输国家仪器．以下是那次谈话的节选。要查看本讨论的第一部分，请单击在这里．第二部分是在这里．

SE:在5nm，也就是一些汽车AI芯片正在开发的地方，我们遇到了工艺变化、电迁移、电磁干扰、电源传输问题和检测挑战等等。我们从未将高级节点芯片置于极端环境中。我们真的了解即将发生的事情以及如何应对吗?

菲利普斯我们知道，围绕自动驾驶的需求、用例、期望和标准将会有很多变化，包括车辆如何反应，以及当人命攸关时它们可以做出和不能做出的决定类型。最终，将是我们自己想出如何巩固和联系这些东西。这将是必要的，我们甚至能够适应从生产和验证芯片的行为。最重要的是，我们需要适当的行为和自主权，在那里有算法，这样汽车就可以做出正确的决定。数据是关键。

SE:在这方面我们也有软件。如果你更新了一个复杂系统的一个部分，你可能会影响到该系统中的所有内容。如果你添加了很多软件，性能就会下降，这会影响路上的每一辆车。

Ciplickas软件之所以具有挑战性，是因为它不遵循任何物理规则。硬件听起来很难，但实际上它遵循一些边界条件。有了软件，你可以改变一件事，它可能会产生意想不到的巨大后果。

卡梅尔:使用深度数据，我们虚拟化硬件，以更好地感知软件操作的影响。通过这些虚拟化，您可以切换到自适应软件模型，该模型针对车辆的ECU性能和现场性能退化进行定制。AI应用增加了AI在芯片上的比例，以满足软件的需求。这种反馈将有助于减少冗余，并确保功能得到优化。此外，现场推理和培训将不断改进硬件和软件之间的交互方式。

Ciplickas我们谈到了5nm芯片是一个我们从未涉足过的全新世界，以及获取所有数据、吸收和连接所有数据所面临的挑战。先进技术的关键实际上是了解你丢失了什么数据。例如，5nm的中线(MOL)具有物理检查无法看到的三维电相互作用。这是我们一直在追求内联“为检查而设计”的主要原因——获得泄漏的敏感测量，这反过来表明潜在的缺陷有可能变成真正的缺陷。要正确地响应，首先必须知道缺陷的存在，这意味着必须创建新数据。仅仅获取作为制造过程工件呈现的数据是不够的。需要差异化的数据。

SE:为了能够识别这些问题，在检验和计量方面必须做出哪些改变?从测试的角度来看，需要改变什么才能理解这里发生了什么?

Rathert:最大的挑战不是看到缺陷本身，而是理解哪些是相关的——哪些可能成为激活的潜在缺陷。我希望看到的是(但现在还不存在的)设计师的想法是“这些是可靠性的关键领域”，而测试工程师的想法是“这些部分很难测试”。“然后，我将提高我的价值主张，能够将重点放在这些地区的检查，并报告与这些地区隔离的数据，并将其反馈给加强设计和改进测试向量。这是一个未收获的机会。

菲利普斯把这两者联系起来是有价值的。你谈到了设计团队需要的矢量和测试团队需要的矢量。我们越能把这两者结合在一起，并拥有一个迭代的、协作的、对齐的数据集，就越能更好地理解芯片上需要发生什么输入和输出。这是加速这个过程的关键之一。我们需要通过设计来测试并消除存在于产品开发生命周期中的众所周知的障碍。

SE:所以基本上反馈循环必须向左或向右走得更远?

卡梅尔它需要向右走得更远，才能向左走得更远。我们需要遍历整个工具链并利用这些数据回过头来改进芯片。

SE:除了安全和设计之外，我们期待的另一个挑战是安全性。这会影响安全和整个系统的价值。我们如何在这些系统中建立安全性?

Ciplickas在可靠性和安全和保障之间肯定有联系。安全性有很多角度，但我发现的一件事是，一些用于优化可靠性的技术和测量可以为您提供提高安全性的工具。例如，调试监视器或漂移和移位监视器可以检测到某些类型的攻击，无论是在t = 0时检测到，还是在现场检测到异常行为或漂移。但是这些监视器已经被用于系统操作和优化。两者之间存在相关的基础设施，尽管它们的应用方式非常不同。

卡梅尔我们需要把它看作是一个利用数据的机会，因为你产生的数据越有价值，芯片的签名就会变得越好。最终，这些数据可以帮助您了解是否有异常情况。在对关闭敏感的车辆中，这可能更加紧迫。使用深度数据，您可以创建全天候的舰队可见性，并在问题发生时立即发现问题。

SE:考虑到在这些系统中移动的数据量，你真的能够捕捉到一个非常轻微的异常，还是说它只是所有其他噪音中的噪音?

卡梅尔:我们提供的是基于通用芯片遥测测量的深度数据。我们正在提供对实际芯片和系统操作、性能、可靠性边际和性能退化的洞察。这些真实世界的数据不依赖于移动接触点，而是依赖于现场操作输出。

Ciplickas:关于你所说的信号和噪音，我很乐观，这个行业将能够开发出找到信号的技术。如果你观察一个工具在处理晶圆或线键合时产生的传感器数据，你可以得到的良好信号的种类是巨大的。你在这些信号中发现的异常有时是很小的光点。我们开发了机器学习技术，在“好”噪音的海洋中找到那些微小的光点。不要把它看作是一个制造晶圆的工具，如果你把它看作是一个在现场运行的系统，理解那些微小的光点是有可能的。但这需要做很多工作。

SE:回顾整个生产周期，你是否在数据中发现了任何故障，以至于你会说，‘好吧，这是一个我们之前不了解的潜在安全风险?”

Ciplickas:利用上游数据理解下游信号是一种非常强大的技术。

巴鲁克人们经常倾向于看待预测模型，好像它们实际上是可预测的。但他们忽略了一个事实，即特征集——实际上有助于你预测某些事情的能力的东西——是过滤噪音、判断什么重要、什么不重要、以及任何问题的根本原因的最重要的部分。我们经常使用左移模型，但这必须以一种合理的方式进行。你不会想回去大海捞针吧。好的模型可以帮助你发现什么是重要的，什么是不重要的，只要你决定从哪个角度来看待它们。当你建立这些模型时，你想要预测一些东西。但是，当这些模型中的属性出错时，您还需要有人能够回溯并修复它们。

Ciplickas:说得好。

SE: ADAS和自动驾驶汽车之间似乎存在很大的差距。要实现完全自主，你必须开始考虑系统的系统协同工作。当你在路上行驶的汽车和设备使用不同一代的芯片和不同一代的软件，因为它们是在10年前生产的，会发生什么?

卡梅尔:从ADAS转向AV的基本原理是了解在该领域中会遇到什么样的故障。最终，这是定义性能范围的问题。每辆车都有自己的性能范围，因为它有不同的硬件，不同的软件，不同的层次。当你确切地知道如何定义这个性能范围，并在安全性、可靠性和安全性之间建立平衡时，你就可以控制整个车队。使用深度数据，我们可以定义每个模型和每个单元的独立功能，并勾勒出自治层次结构。

SE:我们是否会开始在公路上看到自动驾驶汽车，而不是在地理围栏区域，比如在高速公路上为自动驾驶汽车设置的单车道上，当你离开高速公路时，你必须接管?

卡梅尔:允许车辆逐步驶出地理围栏区域的关键是覆盖范围和可扩展性。当在地理围栏区域外作业时，可靠性和可预测性将确保能够遵循故障安全协议，这就需要对ECU的操作能力和安全配置具有绝对的确定性。这只能通过持续监测和非侵入式现场系统完整性验证来实现。

Ciplickas这听起来像是一种非常自然的进化。在学习的基础上，你要从自己擅长的领域开始。我喜欢你说的地理围栏面积会扩大。这将给我们提供大量的学习机会，从而实现更高层次的自主。

van de Geijn这不仅仅是成本的问题。改进产品和组件并从中学习需要时间。自动驾驶不是你某天打开开关就存在的东西。在接下来的10年里，它会不断改进，直到你真正拥有一种让你感到舒服的东西，它可以做人类能做的80%或90%的事情。

SE:我们似乎离去掉汽车方向盘还有很长的路要走。

巴鲁克:如果你看一下与此相关的法规，一方面是中国，从监管的角度来看，中国在可以做什么和控制什么方面相当宽松。另一方面，欧洲国家距离批准还很远。但这也与第二个趋势重叠，即排放控制的电气化，他们可以同时做很多事情，当向市场推出一款新车时，需要完全自动驾驶和完全电气化。考虑到所有推动电气化的罚款和法规，我们看到在这个方向上有更大的进展，而不是快速制造完全自动驾驶汽车的需求。

SE:先进的汽车包装也是新事物。我们已经有了几十年的多芯片模块，但不像我们在传感器融合或一些7/5nm芯片上看到的那种封装。这对可靠性有什么影响?这只是我们必须处理的另一层复杂性和数据吗?我们是否必须确保所有的芯片都在可接受的范围内就已知的好模具而言?

van de Geijn这取决于它们将被用在汽车的哪个部分。如果它们是用于娱乐系统之类的东西，你可以使用数百万手机中使用的相同组件，你可以信任这些部件。如果你的手机故障率很高，你就不会再用了。许多公司说，‘这是娱乐系统的一个组件，我可以通过取出一个模块，再放入一个新模块来替换它。“这与使用这些软件包完全不同，例如，你的马达管理系统。制造座椅前后移动按钮的公司可能会开发出全新的技术，在这些按钮不再工作时取代它们。但如果它是一个运动管理单元，那就完全是另一回事了。还在于你把它们放在哪里以及如何使用这些部件。

卡梅尔高级封装增加了另一层复杂性，因为它缺乏可见性，并且依赖于限制冗余回退的高密度架构。此外，芯片的人工智能部分正在增长。这不仅仅是关于封装和高级节点，而是芯片架构是AI驱动的，并使用现场推理和训练来不断改进硬件架构。使用该反馈循环，您可以减少硬件冗余并优化复杂性。

巴鲁克除此之外，封装确实增加了层次结构和组件组装概念的复杂性。如果你有一个在另一个上面，你需要在三维空间中交叉相关。这本身就引入了数据的语义概念。它有多个向量，其中一个也是层次元素。它确实增加了复杂性，因为当你看一个组件时，你不会把它看作一个单独的单元。您还可以看到作为它一部分的组件的层次结构。如果你不这样做，你从分析中得到的东西就会非常有限。然而，如果你做得对，它对于确定问题在哪里非常有价值。

Ciplickas:这又回到了E142规格，表示该层次结构，并了解所有已放置在这个三维堆叠包的部件之间的所有关系。由于组件之间的交互，系统包或3D集成将带来新的故障模式。芯片到芯片的通信不同于芯片到板的通信，电热/机械相互作用也不同。一家汽车制造商表示，在压力下，SRAM以非常可预测的方式失败。他们实际上是在长凳上测量的。这导致了PCB本身关于如何在ECU外壳中构建挂载点的设计规则。这是一个宏观版本的挑战，将发生在这些包的3D或2.5D集成中，它们将被置于恶劣的环境中。所以这不仅仅是芯片与芯片之间的通信。现在，想象一下这些东西的热分布和你想象的不一样。这将会改变这些东西的膨胀和压力，这将会改变性能，因为我们知道压力会改变设备的行为。 Knowing the behavior of the individual chips at wafer sort test, and then knowing what was put together in a package — and having the package-level evaluation, and putting all that together — is a huge challenge. It’s a whole new frontier to use advanced 2.5D integration in a car, and especially in a safety-critical system.

[Uzi Baruch随后离开Optimal Plus，加入proteanTecs担任首席战略官。]

相关的
用生命打赌的筹码(圆桌会议第一部分)
专家:改进汽车半导体的策略。
预测和避免汽车芯片故障(以上圆桌会议第二部分)
与会专家:新方法依赖于更多更好的数据，但也需要在整个供应链上共享数据。
在汽车上使用IP足够安全
安全关键设计中的不同ASIL级别。