本文由半導(dǎo)體產(chǎn)業(yè)縱橫（ID：ICVIEWS）編譯自3dincites

2.5D IC 封裝面臨的制造挑戰(zhàn)有哪些？人工智能芯片的封裝就像是一個由不同尺寸和形狀的單個塊組成的拼圖，每一塊都對最終產(chǎn)品至關(guān)重要。這些器件通常集成到2.5D IC封裝中，旨在減少占用空間并最大限度地提高帶寬。

圖形處理單元 (GPU) 和多個 3D 高帶寬內(nèi)存 (HBM) 堆棧構(gòu)成了 AI 難題的主要部分。先進(jìn)的 IC 基板 (AICS) 為構(gòu)建 2.5D 封裝奠定了基礎(chǔ)。

在本文中，我們將重點(diǎn)關(guān)注該過程的先進(jìn)封裝方面，以及2.5D IC 封裝中面臨的制造挑戰(zhàn)。

但在討論這個問題之前，我們先來談?wù)勈裁词侨斯ぶ悄堋?/p>

關(guān)于人工智能

眾所周知，人工智能只是一種新型的技術(shù)工具。它的作用與其他工具的作用相同：使用戶能夠更高效、更輕松地完成任務(wù)。以下是不同類型人工智能的列表，該列表恰好是使用生成式人工智能創(chuàng)建的。

人工智能（AI）：這是一個廣泛的術(shù)語，它是一種模擬人類智能的技術(shù)，使機(jī)器能夠像人一樣學(xué)習(xí)、思考和做出決策，從而能夠自主地執(zhí)行各種任務(wù)。

生成式人工智能（GAI）：生成式人工智能是一種可用于創(chuàng)建新的內(nèi)容和想法（包括對話、故事、圖像、視頻和音樂）的人工智能。人工智能技術(shù)試圖在圖像識別、自然語言處理（NLP）和翻譯等非傳統(tǒng)計算任務(wù)中模仿人類智能。

機(jī)器學(xué)習(xí) (ML)：是人工智能的一個分支，它使計算機(jī)能夠從訓(xùn)練數(shù)據(jù)中“自學(xué)習(xí)”并隨著時間的推移而改進(jìn)，而無需進(jìn)行顯式編程。機(jī)器學(xué)習(xí)算法能夠檢測數(shù)據(jù)模式并從中學(xué)習(xí)，以便做出自己的預(yù)測。簡而言之，機(jī)器學(xué)習(xí)算法和模型通過經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)。

深度學(xué)習(xí)：這是機(jī)器學(xué)習(xí)的一個子領(lǐng)域，它使用人工神經(jīng)網(wǎng)絡(luò)來模仿人腦的學(xué)習(xí)過程。它專注于神經(jīng)網(wǎng)絡(luò)來解決復(fù)雜的問題。

上述每一種應(yīng)用都受益于或需要高性能計算能力。

現(xiàn)在我們已經(jīng)討論了人工智能，讓我們進(jìn)一步探討 2.5D 人工智能芯片的封裝挑戰(zhàn)。本文將重點(diǎn)討論與硅通孔 (TSV)、微凸塊和 AICS 相關(guān)的挑戰(zhàn)。

TSV 挑戰(zhàn)

TSV 是 2.5D 和 3D 封裝的制造和性能難題的關(guān)鍵部分。TSV具有極小的臨界尺寸、高縱橫比（HAR）和精細(xì)螺距，可實(shí)現(xiàn)大量輸入/輸出，并為HBM和硅插入器提供垂直電氣通路。

TSV工藝是密集的，需要幾個關(guān)鍵的工藝步驟，包括蝕刻，沉積，填充和化學(xué)機(jī)械平坦化（CMP）。隨著對更薄的硅芯片的需求，減少TSV尺寸，甚至在某些情況下，更高的縱橫比，控制精確的尺寸和深度，并發(fā)現(xiàn)越來越多的隱藏的缺陷，是保持高成品率的關(guān)鍵。

頂部和底部的關(guān)鍵尺寸（CD），側(cè)壁輪廓和深度都是TSV制造的重要工藝控制參數(shù)，因?yàn)樗鼈儠绊懚询B芯片之間的電性能。如果TSV蝕刻得不夠深，則即使兩個管芯被放置在彼此的頂部，它們也不會被連接。接下來，沉積具有良好均勻性和厚度控制的阻擋層/襯墊材料。電鍍銅填充TSV，其中測量覆蓋層厚度以及檢查銅填充的生長缺陷和空隙至關(guān)重要。

至于晶圓的背面，晶圓的正面將暫時粘合到載體上，因此可以減薄背面以露出 TSV。細(xì)化過程很重要。必須測量和監(jiān)控蝕刻 TSV 的剩余硅以進(jìn)行研磨和毯式蝕刻，以確保均勻地露出 TSV 互連以堆疊芯片或整個晶圓。未能準(zhǔn)確測量和檢查背面可能會導(dǎo)致缺陷、變形、電阻和設(shè)備故障，最終導(dǎo)致廢品增加和產(chǎn)量下降。

有助于解決上述挑戰(zhàn)的工具包括用于高級OCD和HAR結(jié)構(gòu)的計量以及自動化高速亞微米缺陷檢測和2D/3D計量系統(tǒng)。

微凸塊挑戰(zhàn)

除了 TSV 之外，微凸塊也是提供 AI 封裝內(nèi)不同組件之間互連的關(guān)鍵元素。除了連接 HBM 堆棧內(nèi)的各個 DRAM 層和邏輯緩沖器芯片外，微凸塊還將 3D 內(nèi)存堆棧和 GPU 連接到中介層。較大的焊料凸塊還將中介層連接到先進(jìn)的 IC 基板 (AICS)。

與 TSV 非常相似，微凸塊技術(shù)繼續(xù)按比例縮小，降低高度、直徑和間距。預(yù)計會進(jìn)一步縮小，并最終需要使用直接銅-銅混合鍵合。這種收縮的主要缺點(diǎn)是保持凸塊電鍍的均勻性——無論是在芯片內(nèi)還是在整個晶圓上。這變得更具挑戰(zhàn)性。為了使芯片正確連接到下一個組件（無論是 DRAM、邏輯緩沖器芯片、中介層還是 IC 基板），這些凸塊需要具有相同的高度，以確保正確連接。

測量用于構(gòu)造凸塊的每個金屬膜的單獨(dú)厚度也很重要。金屬的選擇及其各自的厚度對于控制器件的性能和可靠性至關(guān)重要。

微凸塊的另一個潛在障礙與缺陷有關(guān)：殘留物、裂紋、空隙的存在，或者在更大程度上，微凸塊被損壞或移位。在極端情況下，這些缺陷會導(dǎo)致立即電氣短路或連接失敗。然而，其中一些缺陷的影響一開始可能并不明顯，但會慢慢發(fā)展并影響設(shè)備的可靠性。

這些挑戰(zhàn)中的每一個如果沒有得到妥善解決，都將影響設(shè)備性能。使用皮秒超聲波技術(shù)的光聲計量工具可以測量單個金屬膜的厚度和最終的總凸塊高度。2D/3D 計量和檢測工具的組合可以測量凸塊直徑和凸塊高度，以及檢測缺陷，從而提供在線過程控制。

AICS 挑戰(zhàn)

隨著輸入/輸出 (I/O) 密度的增加，單個組件直接與印刷電路板配合的能力成為一個問題。AICS 充當(dāng)軟件包各個組件之間的橋梁。為了連接上面的中介層以及與之相連的芯片，需要大量的重新分布層 (RDL)。隨著 RDL 層數(shù)的增加，重疊錯誤的可能性也隨之增加。

說到 RDL，每個互連線/空間 (L/S) 末端的大型焊盤連接到過孔。著陸墊明顯大于 RDL 的臨界尺寸。這有助于提高重疊容差。然而，這些大型著陸平臺限制了設(shè)計空間。隨著互連技術(shù)要求更精細(xì)的 L/S，這個問題只會更加嚴(yán)重。這導(dǎo)致需要增加 RDL 層的數(shù)量，同時增加成本和潛在的良率損失。

為了緩解這種設(shè)計困境，需要更小的 RDL 著陸墊。如果改進(jìn)工藝覆蓋，則可以實(shí)現(xiàn)這一點(diǎn)。為了實(shí)現(xiàn)這一目標(biāo)，光刻系統(tǒng)必須分析并補(bǔ)償在整個構(gòu)建過程中覆銅層壓板 (CCL) 面板和電介質(zhì)重復(fù)熱循環(huán)引起的變形誤差。需要準(zhǔn)確的計量數(shù)據(jù)來生成最佳的對準(zhǔn)解決方案。然而，該數(shù)據(jù)通常在光刻工藝完成并測量過孔到 RDL 接合焊盤的覆蓋范圍后即可獲得。分析此重疊數(shù)據(jù)并將校正反饋回步進(jìn)器以補(bǔ)償未來面板的面板失真非常重要。

另一個值得關(guān)注的領(lǐng)域涉及 AICS 流程的獨(dú)特性。對于基于晶圓的器件，有源電路結(jié)構(gòu)僅發(fā)生在晶圓的一側(cè)。但對于AICS來說，面板的正面和背面都會進(jìn)行處理。這顯著增加了因表面污染造成的缺陷而導(dǎo)致產(chǎn)量損失的風(fēng)險。此外，AICS 每個面板的封裝相對較少。例如，510mm x 515mm AICS 面板只能容納 16 個封裝 (120mm x 120mm)，而扇出面板級封裝 (FOPLP) 則可容納超過 2,300 個封裝。換句話說，AICS 上的一個有缺陷的封裝可能會導(dǎo)致 6.25% 的良率損失，而對于 FOPLP，一個有缺陷的封裝可能會導(dǎo)致 0.04% 的良率損失。隨著 AICS 封裝尺寸增加到 150mm x 150mm，良率挑戰(zhàn)變得更加嚴(yán)重：單個有缺陷的封裝故障會導(dǎo)致 11% 的良率損失。

電鍍、干膜抗蝕劑和增層膜層壓不均勻性、RDL 線缺陷以及更細(xì)微的埋藏缺陷（例如層壓下氣泡和顆粒）都會導(dǎo)致良率損失。在每個關(guān)鍵步驟之后，通過計量測量和檢查進(jìn)行更嚴(yán)格的過程控制，提醒制造商潛在的過程偏差，以便立即采取糾正措施。AICS 制造是一個漫長的過程，需要數(shù)周時間來處理面板的兩面。因此，實(shí)時跟蹤每一層的良率可以幫助減少處理有缺陷的基板所花費(fèi)的時間。

結(jié)論

先進(jìn)封裝只是人工智能難題的一小部分，但在這個超越摩爾時代，工藝的后端比以往任何時候都更加重要。在本文中，我們概述了人工智能設(shè)備先進(jìn)封裝面臨的幾個關(guān)鍵挑戰(zhàn)，從測量 CD 和識別與 TSV 和微凸塊相關(guān)的缺陷，到實(shí)時跟蹤 AICS 生產(chǎn)過程中的檢測封裝。隨著人工智能市場推動當(dāng)前半導(dǎo)體行業(yè)的增長，這里描述的解決方案將成為解決如何滿足快速增長的人工智能封裝需求難題的關(guān)鍵部分。