AI 加速器普及重構半導體測試流程，要求增加測試插入節(jié)點、深化故障分析，并在器件全壽命周期內持續(xù)狀態(tài)監(jiān)測。

AI 加速器是專為神經(jīng)網(wǎng)絡、機器學習、生成式 AI 并行計算打造的軟硬件定制平臺。這類多芯粒模組支撐自動駕駛、機器人及半導體芯片自適應測試等場景的實時運算?？蓽y性設計（DFT） 技術正快速迭代，著力解決幾大痛點：裸片間測試向量高速傳輸、測試平臺熱控與散熱優(yōu)化、以及針對 AI 芯片高功耗、高溫、全天候負載特征的新型應力測試方案開發(fā)。

圖 1：2.5D/3D 封裝架構中，裸片間接口驗證與測試至關重要。來源：泰瑞達 Teradyne

AI 模組測試相比傳統(tǒng) SoC 測試難度陡增，核心原因包括：

• 超高電流密度帶來散熱隔離與熱點抑制難題；

• 先進制程、TSV 硅通孔、混合鍵合等互連結構催生全新失效模式；

• 裸片間接口缺乏常規(guī)測試通路，亟需 DFT 創(chuàng)新完成故障測試、調試與修復。

西門子 EDA 3D-IC DFT 與良率技術總監(jiān) Quoc Phan 表示：“AI 加速器架構極度復雜、并行度極高，大幅增加 DFT 測試向量生成與功耗管理難度。同時片上及外置內存帶寬達 TB/s 級別，給量產(chǎn)測試的可控性與可觀測性帶來巨大挑戰(zhàn)。傳統(tǒng)測試方法難以覆蓋新型失效模式與裸片間互連故障，必須依托創(chuàng)新 DFT 方案?！?/p>

正因如此，芯片廠商愈發(fā)倚重功能測試。愛德萬測試高管在專業(yè)文章中指出：結構測試只能孤立檢測單內核缺陷，而功能測試可跨內核、跨芯粒、跨內存做行為分析，是識別微弱缺陷與工況臨界異常的核心手段。多裸片封裝想要達到目標測試覆蓋率與品質標準，行業(yè)普遍思路是將盡可能多的功能測試前置到晶圓探針測試階段。

圖 2：多裸片集成良率壓力推動功能測試左移前置。來源：愛德萬 Advantest

新思科技首席產(chǎn)品經(jīng)理 Faisal Goriawalla 表示：“單顆裸片測試與多裸片測試的目標一致，都是盡早篩除缺陷器件。區(qū)別在于多裸片封裝必須堅持僅使用已知合格裸片進行組裝，降低后續(xù)調試成本與現(xiàn)場失效風險?！?/p>

安靠 Amkor 制造測試高級總監(jiān) Vineet Pancholi 指出：“先進封裝內部復雜度提升數(shù)個量級，且客戶定制化封裝方案越來越多。AI ASIC 瞬時電流可達 1200A，后續(xù)將升至 2400A；測試系統(tǒng)需按常規(guī)工況2 倍應力做可靠性考核，因此測試過程的熱管理至關重要?！?/p>

這要求測試系統(tǒng)具備高精度電源控制、快速電流鉗位、接觸電阻在線監(jiān)測等能力。

AI 芯片由大量重復計算內核與多層存儲架構構成。愛德萬產(chǎn)品線業(yè)務開發(fā)經(jīng)理 Daniel Simoncelli 解釋：“同類芯粒無需向上萬組引腳重復下發(fā)相同向量數(shù)據(jù)，可通過自研流式網(wǎng)絡架構 SSN 配合 PCIe 高速傳輸，由芯片內部自主分發(fā)測試數(shù)據(jù)至各內核，大幅減少冗余傳輸。同時支持片上自比對，無需測試儀逐幀校驗，顯著提升測試效率?！?/p>

安靠 Pancholi 認為，AI 加速器量產(chǎn)測試主要聚焦三大維度：芯粒硅基模塊、裸片間互連、封裝級電氣 / 邏輯 / 熱性能。AI 邏輯模塊普遍內置掃描測試結構，可在晶體管層級做結構性缺陷檢測，流程與其他先進邏輯芯片一致。EDA 流程自動生成測試向量，故障模型覆蓋傳統(tǒng)固定型故障、現(xiàn)代全速跳變延遲與路徑延遲故障，應用于晶圓探測及封裝終測環(huán)節(jié)。

掌握封裝內每顆裸片的詳細測試數(shù)據(jù)，可實現(xiàn)芯粒性能匹配優(yōu)選。proteanTecs CEO Shai Cohen 表示：“多裸片常來自不同晶圓廠與封測廠商，故障追責與良率管控并無簡單解法。但借助遙測片上監(jiān)控技術，可把裸片內部及裸片間接口的可視性提升 10 倍以上。在切割測試階段即可篩除缺陷裸片，避免無效封裝；還可從性能、功耗、良率維度優(yōu)選互補匹配的芯粒組合。”

片上遙測監(jiān)控最早用于靜默數(shù)據(jù)損壞（SDC） 檢測。這類罕見故障僅在特定環(huán)境應力與負載條件下觸發(fā)，如同大海撈針。同時遙測還可評估器件老化程度、預估剩余使用壽命，支撐數(shù)據(jù)中心預防性維護。

故障并非只來源于芯粒本身，芯片與中介層間成千上萬甚至數(shù)百萬級互連同樣易出問題。

泰瑞達半導體測試產(chǎn)品營銷高級總監(jiān) Jeorge Hurtarte 強調：

“硅中介層 TSV 硅通孔的功能完整性至關重要。行業(yè)常只關注裸片本身，卻忽視中間互連層。需從 DFT 角度為 TSV 植入可測性設計，嵌入智能檢測機制，兼顧直流與交流測試完整性，提升信號完整性與噪聲隔離能力?！?/p>

AI 加速器催生全新失效模式

西門子 EDA Quoc Phan 分析：“高速高密度場景下，傳統(tǒng)固定故障模型無法覆蓋信號完整性、串擾、橋接故障、微小延遲缺陷；鄰近互連走線還會加劇噪聲干擾。此外堆疊裸片會隨時間產(chǎn)生機械與熱接觸類退化缺陷，需要持續(xù)在線監(jiān)測與系統(tǒng)內測試。在此背景下，I/O 與通道修復能力成為繞開局部缺陷、提升良率的核心手段。”

安靠測試業(yè)務開發(fā)高級總監(jiān) Scott Carroll 認同：AI 模組大量新型失效，根源集中在硅缺陷、封裝缺陷、熱致性能衰減三大類。

功耗感知 ATPG 自動測試向量生成可緩解特定外部失效誘因。新思科技 Goriawalla 解釋：功耗是失效重要誘因，若 ATPG 向量生成階段未精準管控功耗，會引發(fā) IR 壓降超標、超出正常工作功耗預算，造成誤判失效與良率損失。ATPG 向量翻轉率極高，極易觸發(fā)這類問題。

裸片間通信接口測試

裸片間接口分兩類，DFT 需求各不相同：

1.       邏輯 — 邏輯接口：基于 PHY（如 UCIe）或通用低速 GPIO；

2.       邏輯 — 內存接口：如 HBM PHY。

接口協(xié)議、帶寬、主次邊帶劃分、冗余通道設計各不相同，給 DFT 與 SoC 設計師帶來極大挑戰(zhàn)，難以統(tǒng)一完成跨接口測試、修復、向量生成、硅片調試與診斷。

傳統(tǒng) JTAG 難以滿足系統(tǒng)在線測試，行業(yè)普遍采用 APB 高級外設總線作為片上可控可觀測通路。即便現(xiàn)有 IEEE 1149.1/1500/1687/1838 及 JEDEC 接口 IP 標準，仍存在覆蓋缺口。

新思科技與臺積電 2023 年合作，基于 CoWoS 封裝打造多裸片參考流程，實現(xiàn)芯片全生命周期的監(jiān)控、測試、調試與修復，堆疊裸片無需犧牲測試覆蓋率或向量冗余膨脹。方案分別基于 UCIe 接口實現(xiàn)系統(tǒng)級監(jiān)控 SLM、測試調試修復，以及基于 IEEE 1838 標準的 GPIO 接口實現(xiàn)同類能力。

圖 3：新思 — 臺積電聯(lián)合驗證平臺框圖，復用 UCIe PHY 片上資源，支持完整測試、調試與修復。來源：新思科技

該方案覆蓋鍵合前、鍵合后量產(chǎn)測試、上電應用及任務工作模式全場景，并于 2024 年底完成雙芯粒 + 中介層流片落地。

西門子 EDA 補充了互連與功能驗證關鍵技術：

• 邊界掃描 1149.x：板級與封裝級互連測試主力，可檢測開路、短路、固定故障，支持高速差分接口 1149.6 專項測試；

• 接口內置自測試 BiST：HBM 通路專用 BiST（環(huán)回 + 通道修復）、SerDes 高速串行鏈路 BiST（環(huán)回 + PRBS 偽隨機碼）；

• 全速功能測試：大數(shù)據(jù)傳輸與性能基準校驗，模擬真實工況確保完整性與性能達標。

系統(tǒng)級測試 SLT

相較于 ATE 測試儀與封裝器件測試，系統(tǒng)級測試 SLT完全復刻真實工作環(huán)境。將芯片、外設、軟件集成在實景工況中，可把逃逸失效率控制在可接受 DPPM 水平。

僅靠傳統(tǒng) ATE 很難捕獲多器件高速聯(lián)動、臨界溫變、特定軟件負載下才顯現(xiàn)的臨界缺陷與靜默數(shù)據(jù)損壞 SDC。英特爾晶圓廠自研模塊化 SLT 平臺，搭載與商用整機一致的內存、存儲、顯卡、網(wǎng)絡接口，專門篩除這類偶發(fā)隱性故障。

英特爾表示：傳統(tǒng)手段難以檢出的高速接口缺陷，在真實數(shù)據(jù)流與電氣噪聲工況下會充分暴露；SLT 可提前規(guī)避 USB 斷連、音頻雜音、顯卡性能異常等終端問題，保護產(chǎn)品口碑。

IBM 研究院 AI 硬件研究工程師強調 AI 加速器對超高可用性與可靠性的嚴苛要求：必須在極限高應力負載下完整遍歷硬件棧，覆蓋大模型推理最壞工況，全量校驗錯誤、張量結果與診斷信息，同步施壓計算內核、內存接口與功耗域。

從晶圓測試到系統(tǒng)級測試，制造各階段逐步放大可測范圍。大量功能僅能在制造末端完成驗證，因此 SLT 是設備量產(chǎn)部署前保障一致性與可靠性的關鍵環(huán)節(jié)。

SLT 測試用例通過閉環(huán)迭代持續(xù)優(yōu)化：執(zhí)行測試 — 分析失效 — 迭代負載 — 更新篩選標準。受量產(chǎn)測試時長限制，只能精選高預測性、高覆蓋率最小測試集，需基于大量流片失效與裕量數(shù)據(jù)分析篩選。

老化測試 Burn-in 通過施加高于常規(guī)工況的電壓、溫度，模擬工藝偏差與缺陷帶來的器件老化，是新工藝量產(chǎn)必測環(huán)節(jié)，用于篩除早期夭折缺陷。晶圓級老化實現(xiàn)難度大，目前仍以封裝后老化為主。

結語

AI 加速器與多芯粒封裝普及后，從晶圓探測到系統(tǒng)在線運維的全生命周期測試，成為數(shù)據(jù)中心 7×24 小時穩(wěn)定運行的必備條件。AI 加速器必須內嵌可測性設計模塊，支持量產(chǎn)階段及全壽命周期的在線測試與修復；接口 BiST、HBM 專用自測試、SerDes 鏈路自檢、通道環(huán)回與修復成為標配；功耗感知 ATPG 規(guī)避浪涌與誤判失效；系統(tǒng)級測試 SLT 則在裝機前筑牢 AI 模組功能與可靠性底線。

參考文獻：

1. Levinthal, I., Lathrop, R., “AI Chips Pose Demanding Test      Challenges: An Exploration of New Methodologies,” in IEEE Electron      Devices Magazine, vol. 3, no. 1, pp. 18-23, March 2025, doi:      10.1109/MED.2025.3540741.

2. Zorian, Y., “Enabling Seamless Monitoring, Test, And Repair In      Multi-Die Designs,” Semiconductor Engineering, March 10, 2026.