第146章 高端产线升级的效果,重构光刻机系
这条产线是一条十二寸的中型产线,有8台光刻机,型号是阿斯麦1980di,但应该已经经过了一轮的魔改。
另外离子注入机10台、刻蚀机40台,还有研磨机、电子电压监测设备等等一系列的设备。
纪弘一边参观一边了解着情况,同时,产线这边的负责人还给他送来了产线以及产线设备的相关技术资料——这些资料与原版已经有所不同,尤其是光刻机,经过了很大程度的魔改。
产能方面,以成熟产线的14nm工艺计,这条产线月产晶圆大约为一万片,以一般芯片的面积计,一片晶圆大约切割良品芯片约五六十,也就是说,这条产线月芯片产量大约在五六十万左右。
但麒麟9000s用SAQP四重曝光技术,效率大约要下降30%,再加上良率受到的影响,实际产能可能只剩下一半,也就是大约二三十万片。
……
改造产线,纪弘没打算从硬件入手,这里的情况和宏图微电子的情况还不同,那里的硬件设备确实落后,一些自动化和智能化的模块不够用才需要重新设计和改造。
但这里,本就是先进制程工艺产线,尤其是华为和中芯的工程师已经还已经对它进行过改造,硬件设备已经完全能够满足智能化的需要了。
对产线的优化,纪弘不懂,即便懂,也不可能比得上先后在AMD、台积电、三星,现在是中芯国际联席CEO的梁松。
这里的产线大概率就是他负责设计和工艺、良率以及产能的提升的。
虽然没有可靠的证据,但是,能够帮助华为建立先进工艺产线,先后实现等效7nm等效5nm工艺的量产,不说国内,找遍全世界可能也就只有一个梁松。
梁松这个人很传奇,早年在AMD,加入台积电的第一件事儿,就是带领台积电在130nm制程领域击败了老牌强敌IBM。
后来因为一些原因离开台积电加入三星,直接助力三星在14nm这个工艺节点领先台积电半年,后被台积电起诉履行竞业限制条款离开三星。
加入中芯国际之后,更是直接提升了中芯国际28nm工艺的良品率。随后更是跳过22nm等中间节点,直接跳代研发14nm工艺,只用了一年不到的时间就并成功实现量产,而且良品率达到90%以上。
前两年,华为麒麟710A中芯国际重置版就是利用的这个工艺生产的。
而现在,DUV光刻机量产的7nm和5nm……
梁松,纪弘还特意查了查,1952的年的人,现年已经72岁了,主要工作估计是颐养天年了,只有有重大情况或者问题的时候才会出手。
此时,这边在产线上负责的是一位高工,名叫曾学成。
“曾工,你现在有梁先生几分的功力啊?”纪弘半开玩笑的问道。
“纪总别开玩笑了,十个我捆一起也不如梁先生一半!”曾学成介绍着梁松的丰功伟绩,纪弘也确认了,这边的核心工作确实出自他手。
“想不想超过他?”纪弘诱惑道。
曾学成心道:我在家哄我儿子也是这口气,想不想考年级第一?问题是有那实力吗?
他要真能考年级第一,那我就该怀疑这是不是我的种了。
不过心里这么想,嘴上不可能这么说,他也知道纪弘是过来干什么的,于是说道:“但凭纪总吩咐!”
纪弘知道他不信,但配合就好。
虽然得到了一些芯片设计和光刻机相关的灵感,但先进工艺这种东西十分复杂和系统,不是说有三两个好点子就能搞定的。
他的主业还是训练AI。
“我这边先了解一下产线的情况,”纪弘介绍着自己的工作安排:“然后生产的各个环节、流程相关数据实时给到我这边。
“前期主要用于AI训练,后期,根据AI的反馈调整和升级产线工艺。”
纪弘强调道:“我刚刚跟你说的话,你可以不信,但是一定要不打折扣的执行。”
“明白!”曾学成对卷耳智能科技是做什么的门儿清,只不过以前都是软件和设计层面的,难道AI对产线的优化也能起到关键作用?
他心里突然就冒出一个想法:我自己比梁老师那是这辈子都没希望了,但是如果我加上AI呢?
显然,曾学成对纪弘的思想和言论也是关注了的,一小会儿的功夫就想明白了这一层,也意识到纪弘刚刚的问他的问题并不是随口一说,也并不是开玩笑。
一念至此,曾学成更加的积极了——如果说之前的表态只是为了工作,那现在就完全充满期待了。
……
一连好几天的时间,纪弘都在产线这边,产线的数据不断的在提供,类思维AI的训练也一直在进行。
“这里,看到了没?”纪弘说道:“硅片对准标识和掩膜板对准标识的中心坐标差值,根据这些数据分析,AI认为还有优化空间。
“主要是……”
纪弘跟曾学成讲解着相关内容,并让他配合对产线的运动控制模块儿的算法进行着调整。
曾学成稍微一计算,就知道这东西应该对产线工艺是增益的。
虽然具体的结果还需要生产来验证,但,能够有找到梁松老师设计和规划,甚至优化了好久的产线的一个问题,还是让曾学成十分激动:
“我加上AI,真的能达到梁松老师的水平?”
能够找到问题,就是水平的体现,哪怕调整完了是副作用,也是实力。
毕竟,没有哪个人敢说我动一下就是升级,哪怕是梁松,调整产线的相关模块儿也是摸索摸索再摸索,最终才确定的方案。
纪弘没有回答他这个问题,而是问道:“你比梁松老师差在哪儿?最关键的点!”
要说差在哪儿,以曾学成现在的水平,那差的多了去了。
要说最关键的点,他沉思了一会儿,说道:“就是对问题的敏锐程度。比如一个新的工艺节点,测试产线放在这儿了,梁松老师的对问题就非常敏锐。
“他手一指,这儿是瓶颈,改进这儿,可以提升良率,那儿可能有问题。排查下去,几乎八九不离十。
“事实上,怎么说呢,当他把问题指出来之后,我去看,大多数时候我也能看出来,甚至能解决。”
“但,就是知道哪儿有问题,才是最关键的是吧?”纪弘笑道:“那今天这个问题呢?你看出来了吗?”
“现在我也能看出来!”曾学成突然明悟:“AI现在扮演的是梁松老师的角色?”
梁松怎么判断问题所在的,纪弘不清楚,可能是直觉,也可能是经验。
但,AI是怎么判断的,纪弘清楚的很——少部分的类思维加上大量的计算,甚至还有一部分推演在里边。
世界模型一直在运行,65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用,流片式仿真的训练也一直在进行。
类推能力,尤其是精密工业领域的类推能力也有了不少的提升。
比如今天发现的这个问题,改进了之后能有多少提升,AI都已经做过类推了。
但方式不重要,能发现问题,能优化和改进才是最关键的。
“能调整吗?”纪弘问道。
“当然能!”曾学成信心十足:“即便是梁松老师在,也是他指出问题,然后我带人实施的。”
“嗯。”纪弘点了点头:“那正好,来吧,试试看。”
设备是不需要动的,而程序的设计和优化,纪弘也带来了神器——完整版本的灵犀。
曾学成带着团队分工协作,很快,优化工作就完成了。
安装,重启,测试当即进行。
“边界更加清晰了。”
高倍显微镜下,样品对比数据很明显。曾学成是这么说的,但纪弘确实没看出来。
“具体如何,还得看良率有没有提升。”纪弘对肉眼观测的东西不太信任,尤其是曾学成,纪弘感觉他太激动了,眼睛开了光环也说不一定。
“那就得等明天才能知道了。”
……
翌日,数据出炉,良品率提升2%。
“才2%?”纪弘很不满意。
“基数是94%啊老大,提高2%到96%已经非常大了好吧!”曾学成已经管纪弘叫上老大了:“如果用四重曝光,提升肯定会更大。
“现在这几条产线都差不多,做四重曝光的良率基本都在55%左右,我们需要测试吗?”
“扔给华为去测吧。”纪弘想了想,他这边的主要工作是层迭ALU的生产,下一步的重点是层迭工艺的推进。
双重四曝光不是地点。
……
就这样,AI不断的进行着训练,也不断的对产线相关的数据进行着一次又一次的计算。
而曾学成则是根据AI的反馈结果对产线进行各方面的微调,现在的他已经完全成为了纪弘的跟班了,这与领导无关。
之前跟着梁松,但梁松独特的眼光和技能他学不来,纪弘这儿则是完全不一样,AI在那,用起来非常的简单和方便。
在曾学成的协助下,利用灵犀,他们把各个控制系统的软件和系统也进行了一定程度的重构,各模块儿都加入了AI判定和控制,AI慢慢的融入到了整个生产流程的控制之中。
这也多亏了他们原本就使用的不是官方的系统,而是自己开发的,源码还都在。
重构的过程很顺利,甚至系统的更新都没有影响生产——产线一直在保持低产能运转的状态,甚至都没有停工。
但工艺的提升……
纪弘有点儿不满意。
“提升是不是小了点啊?”这天吃饭的时候,纪弘还跟曾学成抱怨:“只有两个点的良率。”
听纪弘说这样的话,曾学成一口饭没咽下去,直接就喷了,米粒都从鼻孔里出来了:“老大啊,这才几天,你还想提升多大?直接搞定4nm?用EUV?”
纪弘微微摇了摇头,他不懂纪弘在想什么。
这么长的时间,其实真正比较大的调整就只有运动控制那一次,剩下的几乎全都是微调。
这些微调说有效果吧,可能有一点点,都不太明显,甚至是稍微误差一下下的事儿,也就在统计学的概念里,有了一点点的提升。
难道除了发现的那一个问题之外,其他的地方真的全都到极限了?
纪弘总觉得哪里有些不对,因为极限是很难达到的。
举个最简单的例子:用正多边形模拟求圆的面积的问题。
大家都知道,边数越多,正多边形就越接近圆。但如果是人去画,边的数量你不论怎么花那都是有限的。
但如果换计算机来做,上就直接循环执行个几万几十万次,精确度就会有非常大的提升。
产线工艺也是类似的,是一个不断的在逼近极限的过程,前期当然非常简单,随便搞搞就能提升。
但工艺越先进,再想提升就越复杂。
但,这条产线给纪弘的感觉就是,它真的已经趋近于极限了。
难道梁松真就这么厉害?
他随手指一指,就能发现所有的瓶颈?就能解决所有的问题?就能让产线上的每一个流程和数据都逼近极限?
这有点儿离谱了吧?
还是说他也将所有数据循环执行了几万几十万次,算出的最优解?
纪弘问了曾学成这个问题,曾学成当即说道:
“产线的数字化模拟肯定是有的,但那个东西主要是数字,隐藏在数字中的有哪些问题,还是需要人去判断的。跟老大的这个AI比差太远了,完全不是一个层次的东西。”
纪弘明白了,这就不对。
人再怎么挑,细微之处总是会被忽略掉的,也不能挑干挑净,尤其是个个都几乎达到极限。
不过他也没有纠结这个,回头找个机会去拜访梁松,问问就知道了。
他现在的主要任务是,利用AI加上曾学成,在现在的基础上,实现层迭ALU的生产工艺。
“光刻产线这边的的难度其实不大,”曾学成对层迭ALU的布局已经做到了心中有数:
“关键核心就是晶圆上下联通位置的精准预留,现在我们改进了控制算法,精度完全可以满足。
“更大的问题应该是在封装那边,现在的导通技术是上下一体垂直导通。但,层迭ALU的话,要复杂非常多。”
卷耳智微那边已经发过来了一批测试版图样例,曾学成已经看到了,按照布局设计,多层硅晶圆之间,某个点可能一层和二层需要导通,但和三层不需要导通,四层五层可能又需要导通。
这样搞个几十层,而且需要导通的点位又十分密集,一个精度控制不好,可能整个晶圆就废了。
“ALU运算器毕竟比存储器复杂,想要每层都完全一致是不可能的,但是,也没你想的那么复杂,虽然每两层的导通点位都不一样,但是还是具有一定的规律性的。”
纪弘笑道:“精度控制,现在的硬件是能满足需求的,至于密集和复杂的问题,就交给AI吧,无非就是算力的事儿,不行多加点显卡。”
请收藏本站:https://www.n9com.com。笔下文学手机版:https://m.n9com.com
另外离子注入机10台、刻蚀机40台,还有研磨机、电子电压监测设备等等一系列的设备。
纪弘一边参观一边了解着情况,同时,产线这边的负责人还给他送来了产线以及产线设备的相关技术资料——这些资料与原版已经有所不同,尤其是光刻机,经过了很大程度的魔改。
产能方面,以成熟产线的14nm工艺计,这条产线月产晶圆大约为一万片,以一般芯片的面积计,一片晶圆大约切割良品芯片约五六十,也就是说,这条产线月芯片产量大约在五六十万左右。
但麒麟9000s用SAQP四重曝光技术,效率大约要下降30%,再加上良率受到的影响,实际产能可能只剩下一半,也就是大约二三十万片。
……
改造产线,纪弘没打算从硬件入手,这里的情况和宏图微电子的情况还不同,那里的硬件设备确实落后,一些自动化和智能化的模块不够用才需要重新设计和改造。
但这里,本就是先进制程工艺产线,尤其是华为和中芯的工程师已经还已经对它进行过改造,硬件设备已经完全能够满足智能化的需要了。
对产线的优化,纪弘不懂,即便懂,也不可能比得上先后在AMD、台积电、三星,现在是中芯国际联席CEO的梁松。
这里的产线大概率就是他负责设计和工艺、良率以及产能的提升的。
虽然没有可靠的证据,但是,能够帮助华为建立先进工艺产线,先后实现等效7nm等效5nm工艺的量产,不说国内,找遍全世界可能也就只有一个梁松。
梁松这个人很传奇,早年在AMD,加入台积电的第一件事儿,就是带领台积电在130nm制程领域击败了老牌强敌IBM。
后来因为一些原因离开台积电加入三星,直接助力三星在14nm这个工艺节点领先台积电半年,后被台积电起诉履行竞业限制条款离开三星。
加入中芯国际之后,更是直接提升了中芯国际28nm工艺的良品率。随后更是跳过22nm等中间节点,直接跳代研发14nm工艺,只用了一年不到的时间就并成功实现量产,而且良品率达到90%以上。
前两年,华为麒麟710A中芯国际重置版就是利用的这个工艺生产的。
而现在,DUV光刻机量产的7nm和5nm……
梁松,纪弘还特意查了查,1952的年的人,现年已经72岁了,主要工作估计是颐养天年了,只有有重大情况或者问题的时候才会出手。
此时,这边在产线上负责的是一位高工,名叫曾学成。
“曾工,你现在有梁先生几分的功力啊?”纪弘半开玩笑的问道。
“纪总别开玩笑了,十个我捆一起也不如梁先生一半!”曾学成介绍着梁松的丰功伟绩,纪弘也确认了,这边的核心工作确实出自他手。
“想不想超过他?”纪弘诱惑道。
曾学成心道:我在家哄我儿子也是这口气,想不想考年级第一?问题是有那实力吗?
他要真能考年级第一,那我就该怀疑这是不是我的种了。
不过心里这么想,嘴上不可能这么说,他也知道纪弘是过来干什么的,于是说道:“但凭纪总吩咐!”
纪弘知道他不信,但配合就好。
虽然得到了一些芯片设计和光刻机相关的灵感,但先进工艺这种东西十分复杂和系统,不是说有三两个好点子就能搞定的。
他的主业还是训练AI。
“我这边先了解一下产线的情况,”纪弘介绍着自己的工作安排:“然后生产的各个环节、流程相关数据实时给到我这边。
“前期主要用于AI训练,后期,根据AI的反馈调整和升级产线工艺。”
纪弘强调道:“我刚刚跟你说的话,你可以不信,但是一定要不打折扣的执行。”
“明白!”曾学成对卷耳智能科技是做什么的门儿清,只不过以前都是软件和设计层面的,难道AI对产线的优化也能起到关键作用?
他心里突然就冒出一个想法:我自己比梁老师那是这辈子都没希望了,但是如果我加上AI呢?
显然,曾学成对纪弘的思想和言论也是关注了的,一小会儿的功夫就想明白了这一层,也意识到纪弘刚刚的问他的问题并不是随口一说,也并不是开玩笑。
一念至此,曾学成更加的积极了——如果说之前的表态只是为了工作,那现在就完全充满期待了。
……
一连好几天的时间,纪弘都在产线这边,产线的数据不断的在提供,类思维AI的训练也一直在进行。
“这里,看到了没?”纪弘说道:“硅片对准标识和掩膜板对准标识的中心坐标差值,根据这些数据分析,AI认为还有优化空间。
“主要是……”
纪弘跟曾学成讲解着相关内容,并让他配合对产线的运动控制模块儿的算法进行着调整。
曾学成稍微一计算,就知道这东西应该对产线工艺是增益的。
虽然具体的结果还需要生产来验证,但,能够有找到梁松老师设计和规划,甚至优化了好久的产线的一个问题,还是让曾学成十分激动:
“我加上AI,真的能达到梁松老师的水平?”
能够找到问题,就是水平的体现,哪怕调整完了是副作用,也是实力。
毕竟,没有哪个人敢说我动一下就是升级,哪怕是梁松,调整产线的相关模块儿也是摸索摸索再摸索,最终才确定的方案。
纪弘没有回答他这个问题,而是问道:“你比梁松老师差在哪儿?最关键的点!”
要说差在哪儿,以曾学成现在的水平,那差的多了去了。
要说最关键的点,他沉思了一会儿,说道:“就是对问题的敏锐程度。比如一个新的工艺节点,测试产线放在这儿了,梁松老师的对问题就非常敏锐。
“他手一指,这儿是瓶颈,改进这儿,可以提升良率,那儿可能有问题。排查下去,几乎八九不离十。
“事实上,怎么说呢,当他把问题指出来之后,我去看,大多数时候我也能看出来,甚至能解决。”
“但,就是知道哪儿有问题,才是最关键的是吧?”纪弘笑道:“那今天这个问题呢?你看出来了吗?”
“现在我也能看出来!”曾学成突然明悟:“AI现在扮演的是梁松老师的角色?”
梁松怎么判断问题所在的,纪弘不清楚,可能是直觉,也可能是经验。
但,AI是怎么判断的,纪弘清楚的很——少部分的类思维加上大量的计算,甚至还有一部分推演在里边。
世界模型一直在运行,65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用,流片式仿真的训练也一直在进行。
类推能力,尤其是精密工业领域的类推能力也有了不少的提升。
比如今天发现的这个问题,改进了之后能有多少提升,AI都已经做过类推了。
但方式不重要,能发现问题,能优化和改进才是最关键的。
“能调整吗?”纪弘问道。
“当然能!”曾学成信心十足:“即便是梁松老师在,也是他指出问题,然后我带人实施的。”
“嗯。”纪弘点了点头:“那正好,来吧,试试看。”
设备是不需要动的,而程序的设计和优化,纪弘也带来了神器——完整版本的灵犀。
曾学成带着团队分工协作,很快,优化工作就完成了。
安装,重启,测试当即进行。
“边界更加清晰了。”
高倍显微镜下,样品对比数据很明显。曾学成是这么说的,但纪弘确实没看出来。
“具体如何,还得看良率有没有提升。”纪弘对肉眼观测的东西不太信任,尤其是曾学成,纪弘感觉他太激动了,眼睛开了光环也说不一定。
“那就得等明天才能知道了。”
……
翌日,数据出炉,良品率提升2%。
“才2%?”纪弘很不满意。
“基数是94%啊老大,提高2%到96%已经非常大了好吧!”曾学成已经管纪弘叫上老大了:“如果用四重曝光,提升肯定会更大。
“现在这几条产线都差不多,做四重曝光的良率基本都在55%左右,我们需要测试吗?”
“扔给华为去测吧。”纪弘想了想,他这边的主要工作是层迭ALU的生产,下一步的重点是层迭工艺的推进。
双重四曝光不是地点。
……
就这样,AI不断的进行着训练,也不断的对产线相关的数据进行着一次又一次的计算。
而曾学成则是根据AI的反馈结果对产线进行各方面的微调,现在的他已经完全成为了纪弘的跟班了,这与领导无关。
之前跟着梁松,但梁松独特的眼光和技能他学不来,纪弘这儿则是完全不一样,AI在那,用起来非常的简单和方便。
在曾学成的协助下,利用灵犀,他们把各个控制系统的软件和系统也进行了一定程度的重构,各模块儿都加入了AI判定和控制,AI慢慢的融入到了整个生产流程的控制之中。
这也多亏了他们原本就使用的不是官方的系统,而是自己开发的,源码还都在。
重构的过程很顺利,甚至系统的更新都没有影响生产——产线一直在保持低产能运转的状态,甚至都没有停工。
但工艺的提升……
纪弘有点儿不满意。
“提升是不是小了点啊?”这天吃饭的时候,纪弘还跟曾学成抱怨:“只有两个点的良率。”
听纪弘说这样的话,曾学成一口饭没咽下去,直接就喷了,米粒都从鼻孔里出来了:“老大啊,这才几天,你还想提升多大?直接搞定4nm?用EUV?”
纪弘微微摇了摇头,他不懂纪弘在想什么。
这么长的时间,其实真正比较大的调整就只有运动控制那一次,剩下的几乎全都是微调。
这些微调说有效果吧,可能有一点点,都不太明显,甚至是稍微误差一下下的事儿,也就在统计学的概念里,有了一点点的提升。
难道除了发现的那一个问题之外,其他的地方真的全都到极限了?
纪弘总觉得哪里有些不对,因为极限是很难达到的。
举个最简单的例子:用正多边形模拟求圆的面积的问题。
大家都知道,边数越多,正多边形就越接近圆。但如果是人去画,边的数量你不论怎么花那都是有限的。
但如果换计算机来做,上就直接循环执行个几万几十万次,精确度就会有非常大的提升。
产线工艺也是类似的,是一个不断的在逼近极限的过程,前期当然非常简单,随便搞搞就能提升。
但工艺越先进,再想提升就越复杂。
但,这条产线给纪弘的感觉就是,它真的已经趋近于极限了。
难道梁松真就这么厉害?
他随手指一指,就能发现所有的瓶颈?就能解决所有的问题?就能让产线上的每一个流程和数据都逼近极限?
这有点儿离谱了吧?
还是说他也将所有数据循环执行了几万几十万次,算出的最优解?
纪弘问了曾学成这个问题,曾学成当即说道:
“产线的数字化模拟肯定是有的,但那个东西主要是数字,隐藏在数字中的有哪些问题,还是需要人去判断的。跟老大的这个AI比差太远了,完全不是一个层次的东西。”
纪弘明白了,这就不对。
人再怎么挑,细微之处总是会被忽略掉的,也不能挑干挑净,尤其是个个都几乎达到极限。
不过他也没有纠结这个,回头找个机会去拜访梁松,问问就知道了。
他现在的主要任务是,利用AI加上曾学成,在现在的基础上,实现层迭ALU的生产工艺。
“光刻产线这边的的难度其实不大,”曾学成对层迭ALU的布局已经做到了心中有数:
“关键核心就是晶圆上下联通位置的精准预留,现在我们改进了控制算法,精度完全可以满足。
“更大的问题应该是在封装那边,现在的导通技术是上下一体垂直导通。但,层迭ALU的话,要复杂非常多。”
卷耳智微那边已经发过来了一批测试版图样例,曾学成已经看到了,按照布局设计,多层硅晶圆之间,某个点可能一层和二层需要导通,但和三层不需要导通,四层五层可能又需要导通。
这样搞个几十层,而且需要导通的点位又十分密集,一个精度控制不好,可能整个晶圆就废了。
“ALU运算器毕竟比存储器复杂,想要每层都完全一致是不可能的,但是,也没你想的那么复杂,虽然每两层的导通点位都不一样,但是还是具有一定的规律性的。”
纪弘笑道:“精度控制,现在的硬件是能满足需求的,至于密集和复杂的问题,就交给AI吧,无非就是算力的事儿,不行多加点显卡。”
请收藏本站:https://www.n9com.com。笔下文学手机版:https://m.n9com.com