AI驱动的‘晶瞳’半导体缺陷识别平台在合肥长鑫量产线正式投用:单芯片检测耗时压缩至8.3秒,误报率低于0.07%

在国产存储芯片加速替代与先进制程爬坡的关键窗口期,AI正从设计端、制造端向质检端深度渗透。2026年5月9日,由合肥本源量子与中科类脑联合研发的工业视觉大模型平台‘晶瞳’(JingTong-Vision 3.2)在长鑫存储合肥D1晶圆厂12英寸DRAM量产线完成全节点验证并正式投入24小时轮班运行。该平台系国内首个面向1xnm级DRAM后道封装前光学检测环节、实现端到端闭环决策的AI质检系统,标志着我国高端芯片制造中长期依赖进口设备的‘最后一公里’智能质检瓶颈取得实质性突破。

据长鑫技术质量中心披露,传统AOI(自动光学检测)设备在处理128层堆叠结构的DRAM芯片时,单片平均检测耗时达42.6秒,且对微米级金属桥接、纳米级颗粒残留等复合型缺陷识别率不足81%,误报率高达2.3%——大量疑似缺陷需人工复判,拖慢整条产线UPH(每小时产出单位)并推高人力成本。‘晶瞳’平台通过融合多光谱成像数据流、构建晶圆级空间-时序联合表征模型,并嵌入轻量化MoE(Mixture of Experts)架构,在本地化部署的昇腾910B集群上实现单芯片推理延迟稳定控制在8.3秒以内,对亚50nm缺陷的召回率达99.1%,综合误报率压降至0.067%,已连续72小时零漏检关键批次。

技术路径上,‘晶瞳’摒弃了通用CV模型微调范式,转而采用‘工艺知识蒸馏+缺陷物理仿真增强’双轨训练机制:一方面将长鑫十年积累的37万张标注缺陷图谱、12类工艺扰动参数(如CMP压力波动、光刻驻波效应)注入模型先验;另一方面接入自研的‘SiliconSim’物理引擎,生成超1200万组带真实噪声与衍射畸变的合成缺陷样本,使模型在未见过的新机台、新批次场景下泛化能力提升3.8倍。尤为关键的是,系统具备在线增量学习能力——当产线工程师标记一个新类型缺陷(如新型电迁移裂纹),模型可在2小时内完成特征固化与全产线策略同步,无需停机重训。

产业影响层面,该平台已在长鑫D1厂三条12英寸产线全面铺开,初步测算可降低质检环节人力依赖65%,单月减少因误报导致的无效复判工时超1.2万小时;更深远的是,其输出的缺陷热力图与根因关联矩阵,已反向输入至长鑫的SPC(统计过程控制)系统,推动蚀刻腔体校准周期从72小时缩短至28小时,带动整体良率提升1.8个百分点。业内专家指出,这不仅是检测效率的跃升,更是将‘缺陷数据’转化为‘工艺进化燃料’的范式转移。

展望未来,‘晶瞳’团队已启动V4.0版本研发,重点攻关三维堆叠芯片的跨层缺陷追踪与多模态信号对齐——即同步解析光学图像、电子束扫描信号及声学显微图像,构建真正意义上的‘芯片数字病理切片’。与此同时,该平台底层框架正向SEMI标准接口开放,预计2026年Q3完成与应用材料(AMAT)、KLA等国际设备商检测模块的协议兼容认证。这意味着,中国AI质检能力正从‘自主可用’迈向‘全球互操作’新阶段,为全球半导体供应链提供一种非美系、高鲁棒、可演进的智能质检基础设施选项。