本文來自2021年9月21日KLA發(fā)布的智能汽車跨行業(yè)報告，欲了解具體內(nèi)容，請閱讀報告原文

CPU l 面板 l RF l CMOS l FPGA l 光刻機 l EDA

封測 l OLED l LCD l 設備 l 材料 l IP l 功率 l SiCGaN l 第三代 l 汽車半導體 l 濾波器 l 模擬 l 射頻 基帶 l 大硅片 l PA l MOSFET l 光刻膠 l RISC－VIGBT l NOR l Mini－LED l 代工 l 偏光片 l ODM華為 l 特斯拉 l 小米 l 刻蝕機 l MLCC l 電源管理 高通 l 被動元器件 l CREE l 三星 l MCU l 臺積電DRAM l AIoT l MLCC l 儲能 l 鈉離子 l 電子氣體

KLA電動汽車紀要

免責聲明：本紀要僅供方正證券的客戶使用，本公司不會因接收人收到本紀要而視其為本公司的當然客戶；會議紀要由方正證券科技團隊翻譯／整理，可能存在與該公司官方公布的紀要原文／錄音有不一致或不準確之處，請投資者以上市公司發(fā)布的紀要原文／錄音為準；會議紀要內(nèi)容僅供投資者參考，不包含任何方正證券研究所的投資意見和建議，投資者需自行承擔投資決策的風險。 公司名稱：KLA會議時間：2021年9月21日 主要內(nèi)容：關于電汽車，花旗最近發(fā)布了一份關于智能汽車的跨行業(yè)報告，預計未來4－5年內(nèi)，電動汽車、ADAS和其他服務等科技的汽車行業(yè)銷售額將超過智能手機、個人／平板電腦等變量的總和。KLA在其EPC集團內(nèi)擁有一系列橫跨半導體、特種半導體工藝和 PCB市場的產(chǎn)品，并涉及到電動汽車。Oreste Donzella（EPC集團負責人）會與我們討論關于電動汽車。

汽車半導體有巨大的增長機會，而KLA處于獨特的位置，可以實現(xiàn)這種增長。KLA的財務狀況：年收入達60億美元，1976年以來一直存在于半導體設備領域。KLA與同行的區(qū)別之一是我們在R＆D上花費的金額。我們每年將收入的15％用于研發(fā)。這使得我們的產(chǎn)品始終能夠滿足客戶的要求。我們從事半導體流程控制（Semiconductor ProcessControl，SPC）已經(jīng)多年，這是我們自1976年以來的核心業(yè)務（找到重要的芯片缺陷和影響性能的因素）。

最近，我們開始收購公司，其中最大的一筆交易是Orbotech（包括SPTS），并整合了Orbotech，SPTS和ICOS（于2008年收購），組建了EPC集團（ElectronicsPackaging and Components）�？偛眉媸紫瘓�(zhí)行官 Rick Wallace 和三個業(yè)務組（EPC由我管理，Ahmad Khan負責半導體流程控制，Brian Lorig負責服務業(yè)務）。

汽車在三個業(yè)務組都有涉及，我們在電子產(chǎn)業(yè)鏈中非常重要，不僅是半導體流程控制，在與晶圓、光罩（reticles）、封裝組件、印刷電路板和顯示器都有涉及。我們?yōu)殡娮庸�應鏈的眾多細分市場提供服務，也在與終端市場合作。

汽車將為整個電子供應鏈，尤其是汽車半導體供應商提供一個難以置信的機會，我們看到汽車半導體的長期增長超過了其他終端市場（移動或數(shù)據(jù)中心等）。讓我在這里談談汽車行業(yè)的演變，并試圖解釋汽車行業(yè)正在發(fā)生的事情。首先，從汽車在過去幾年的發(fā)展以及未來5－10年的發(fā)展開始。這一切都是關于數(shù)據(jù)和連接性，當我們談論汽車行業(yè)時，會想到電氣化，考慮如何連接車內(nèi)的一切，或者最終在未來如何通過自動駕駛來驅(qū)使汽車。為了實現(xiàn)這些革命，需要大量的半導體和新的電子產(chǎn)品。例如，連接性（Connectivity）需要更高的射頻／調(diào)制解調(diào)器（RF／Modem content）。電氣化方面，越來越多的第三代半導體材料如碳化硅和氮化鎵被采用。我們也看到更多的汽車內(nèi)部采用了內(nèi)存芯片。因此，現(xiàn)代汽車中有各種各樣的半導體器件，而且在未來會更多，并且半導體器件涉及的范圍非常廣。這為整個行業(yè)帶來了機遇和風險（指缺陷芯片）。

那么疫情期間到底發(fā)生了什么？ 汽車行業(yè)在半導體需求方面有所下降，在 2020年 COVID之前的2019年是汽車半導體低谷。當時我們預計2020年會出現(xiàn)增長，但一切都因為COVID而停止，人們不再訂購汽車半導體。但在幾個季度后，我們看到汽車的需求大幅增長。隨之而來的，我們看到對汽車半導體的需求也大幅上升，庫存因此耗盡。越來越多的人采購燃油汽車、電動汽車以及其他一些更現(xiàn)代的汽車。這些車里涉及到的半導體，庫存無法提供整個行業(yè)所需求的數(shù)量。出于這種原因，我們看到芯片嚴重短缺。這種趨勢在2020年COVID之后正在加速。越來越多的人轉(zhuǎn)向電動汽車，并對自動駕駛和 ADAS非常感興趣。當然，汽車的網(wǎng)絡連接以及安全系統(tǒng)仍然是最重要的。

因此我們看到在汽車行業(yè)和整個半導體供應鏈正處于加速趨勢。汽車行業(yè)對半導體產(chǎn)生巨大依賴性。在過去六個月中的一些新聞和消息表示，預計今年芯片短缺將使該行業(yè)損失1100億美元的收入。

現(xiàn)在我們正面臨挑戰(zhàn)，總有一天，汽車的供需將重新平衡。在此之前，我們將可靠性和質(zhì)量作為首要任務。在汽車領域，零缺陷至關重要，因為召回的成本和需要在車內(nèi)安裝極其可靠，保障安全的半導體器件。隨著自動駕駛和連接性的發(fā)展，再次推動了汽車半導體要求更高的可靠性。我們有轉(zhuǎn)向更先進的半導體檢測設備的趨勢。隨著車輛內(nèi)部半導體更先進的技術節(jié)點攀升，半導體的質(zhì)量和可靠性的檢測／驗證在汽車中變得更加嚴峻。因此，汽車行業(yè)需要達到十億分之一的質(zhì)量要求，這是迄今為止對半導體質(zhì)量和可靠性要求最嚴格的行業(yè)。

汽車行業(yè)長期以來一直在做的是設置大量遠超其他行業(yè)的測試，例如，老化測試（burn－in）、壓力測試（stress test）、這些讓可靠性變得更高的測試手段試圖捕獲最終因任何操作條件而處于邊緣狀態(tài)（marginal）的芯片。如果這些芯片中的一個在您駕駛汽車時出現(xiàn)故障，責任是巨大的。出于這種原因，汽車行業(yè)一直在進行這種壓力非常大的測試。然而，這些還不夠，我們?nèi)匀豢吹綔y試逃逸（test escapes）或所謂的潛在可靠性缺陷（latent reliability defects）。它們是什么？ 測試逃逸是最終逃過所有電氣測試、可靠性和老化測試的缺陷，因為某些覆蓋差距（coverage gap）或有時因為測試不是100％的準確。潛在可靠性缺陷更加棘手，是可以通過所有的功能、可靠性，老化，壓力測試的缺陷，但它們在某些惡劣的環(huán)境條件下是邊緣（marginal）的。潛在可靠性缺陷是目前汽車行業(yè)的頭號敵人。

如何防止測試逃逸或潛在可靠性缺陷發(fā)生呢？這就是KLA在過去3－4年中一直關注的領域。KLA不僅可以為汽車半導體行業(yè)制造和輸送流程控制設備，還研發(fā)了最大限度地減少甚至防止?jié)撛诳煽啃匀毕莺蜏y試逃逸發(fā)生的技術I－PAT。I－PAT的意思是InlineParts Average Testing，是KLA在過去3－4年里一直在開發(fā)的晶圓廠級別的新的在線篩選標準（new inline screening standard），并于2021年6月發(fā)布。我會稍后解釋。話題回到半導體器件的測試，流程控制是 KLA在 25年前發(fā)明的，在 KLA 明場設備（Brightfield Tool）（現(xiàn)在稱之為寬帶等離子體成像設備）上使用在線監(jiān)測（inline monitoring）概念。該概念采用非常嚴格的方法來控制缺陷和 X、Y、Z 方向的所有幾何形狀，幫助客戶提高產(chǎn)量。我們在半導體設備與晶圓廠的集成流程中建立多個工藝步驟，我們認為這些是需要監(jiān)控的最關鍵的工藝步驟（如下圖所示）。

然而，即使工藝控制對于識別良率殺手（yield killers）和最小化偏移（excursions）非常重要，但并非所有晶圓都被測量。出于這種原因，流程控制的想法不能在分類（sorting）上實施。另一方面，電氣測試是在100％芯片（Die）上完成的。但正如我所說，仍然有逃逸發(fā)生的可能。原因是因為測試覆蓋率不是100％，或者是因為在測試條件下表現(xiàn)良好的潛在可靠性缺陷，但由于環(huán)境壓力，它們可能在稍后的汽車中失效了。這就是為什么這兩種方法存在的原因。它們相輔相成，但并不完美。因此，I－PAT是一種在線缺陷篩選，可以對某些特定工藝步驟進行100％的檢查，而不是所有步驟，否則晶圓廠的成本非常昂貴。一般來說，我們使用8xxx系列和機器學習方法，引導客戶檢查需要檢查的晶圓，并給出該設備能夠檢測的任何缺陷的權重因子，然后基于所有的機器學習方法和模型，可以得知步驟X的缺陷A是測試后潛在可靠性故障方面最關鍵的一個。

我們已經(jīng)在這種特定的方法論上研究了三年，首先需要大量數(shù)據(jù)來確保神經(jīng)網(wǎng)絡模型。其次，需要對機器學習技術進行多次迭代，以確保將在線篩選潛在的可靠性故障的信息提供給客戶。下圖是直觀的沒有I－PAT的例子

上圖的左側(cè)有一個在線流程控制，你會看到你可以停止偏移（excursion lot），但最終因為沒在每日、每周和每一步進行檢測，因此會有劣質(zhì)芯片通過。然后電氣測試可以阻止大部分故障，但有些逃逸會發(fā)生。I－PAT所做的實際上是在這里放置了一個新過濾器。它是在線篩選，以確保在所有功能參數(shù)、電氣、可靠性和老化測試之后會得到更少的逃逸（Escapes），如下圖：

正如我所說，這是一種機器學習方法。我們擁有在晶圓廠線上進行的每一次檢查的計量屬性（metrologyattributes）。我們擁有來自測試的所有數(shù)據(jù)，以及客戶愿意與我們分享以構(gòu)建此模型的所有潛在可靠性故障示例。當然，這種方法論只有在我們和客戶之間存在非常密切和可信的合作的情況下才能實施。因為它是基于數(shù)據(jù)的，需要數(shù)據(jù)保護，我們非常謹慎的保護客戶的信息�？蛻粢脖Ｗo使用機器學習模型生成的信息。我們創(chuàng)建了這個相關引擎，對每一步的每一個缺陷都給予權重，并進行聚合。最后，我們提出了一個度量標準，該度量標準可以讓檢查人員了解在此特定過程的此步驟中潛在可靠性故障的最關鍵缺陷。

I－PAT是一個集成的解決方案。這是一個工具的組合，通常是在線篩選檢查工具 8xxx系列加上信息收集。這確實提供了更深層次的Defect DNA，并從這些晶圓中提取了每一個潛在的屬性，以生成最終將輸入到SPOT產(chǎn)品中的數(shù)據(jù)，該產(chǎn)品是我們基于機器學習的神經(jīng)網(wǎng)絡模型。最終，通過Klarity缺陷數(shù)據(jù)庫和分析系統(tǒng)，將最終輸出給我們的客戶，告訴他們什么才是重要的。

我在2月份展示了許多關于I－PAT在現(xiàn)實世界中如何工作的例子。下圖是其中一個，這是我們與一位客戶合作的例子。我們在8xxx工具中獲取數(shù)據(jù)，并獲得了從晶圓分類（wafer sort）到封裝、單元探測（unit probe）、最終測試（finanl test）、老化和老化后測試的數(shù)據(jù)。然后我們運行了機器學習模型，通過相關性計算得出在功能測試之后幾乎沒有逃逸缺陷。

因此，在實現(xiàn)晶圓廠的特定工藝步驟中沒有I－PAT的話，這些缺陷芯片會通過最終測試或者在老化時失敗，并產(chǎn)生很多額外的費用。更糟糕的情況是，他們通過了每一次電氣測試，直到它們安裝在車上。I－PAT能夠篩選出并避免這些非常昂貴的召回和巨大的責任。I－PAT在如何生成與數(shù)據(jù)相關的解決方案以最大限度地減少汽車可靠性故障方面幾乎是創(chuàng)新的。所以在介紹過的I－PAT 的基礎上我們推出了四款產(chǎn)品，于2021年6月推出。C205是我們?yōu)?span id="yhkqbky" class='hrefStyle'>汽車市場定制的寬帶等離子成像設備。然后8935是用于在線篩選的最新的8xxx系列。寬帶等離子成像往往主要用于先進技術，汽車半導體的研發(fā)和斜坡階段，8935則是在線篩選的主力軍。還有Surfscan，是無圖案晶圓檢測監(jiān)控設備。我們推出了為汽車定制的兩種新配置，稱為SPA2和SP A3。所有設備都將連接到I－PAT�，F(xiàn)在I－PAT已經(jīng)與8935連接，接下來我們會創(chuàng)建其他設備的連接以備不時之需。關于汽車定制，意味著我們還在這些設備上開發(fā)了一些獨特的軟件和算法功能，以確保我們有更好的分類來減少過度殺傷（over－kill），改善欠殺傷（under－kill）檢測，以及芯片內(nèi)部的可追溯性（traceability）。

關于第三代半導體，在收購 Orbotech 和 SPTS 之后，我們在EPC內(nèi)部也有一個部門，它不生產(chǎn)檢測計量產(chǎn)品，而是生產(chǎn)工藝類產(chǎn)品，特別是PVD、CVD和刻蝕。長期以來，SPTS一直是功率半導體的市場領導者，并且直到幾年前Silicon Power是唯一用于汽車的功率半導體，但現(xiàn)在我們看到越來越多的第三代半導體被采用，特別是碳化硅。我們也看到了氮化鎵被用于非車載充電器和其他一些非汽車應用，主要是與射頻基礎設施相關的應用。在電動汽車領域，碳化硅正在成為一種非常流行且增長最快的第三代半導體。第三代半導體的最大價值在于它們可以在更高的溫度下運行，并且在功耗方面非常高效。因此，它們確實有助于解決車輛電氣化的最大問題，即電源效率。我們目前正在開發(fā) SPTS，這是一種新的工藝解決方案，主要是蝕刻，以在我們的客戶現(xiàn)場實現(xiàn)從硅到碳化硅電源的轉(zhuǎn)變。因此，由于碳化硅采用率的增加，我們預計2021年SPTS的收入趨勢將在今年大幅上升。

總結(jié)：在汽車領域，可靠性和新材料非常重要。KLA在汽車行業(yè)中真正獨特的2點，首先是我們的過程控制篩選方法。第二個是我們在 SPTS 所做的，通過蝕刻和沉積解決方案使碳化硅成為可能。兩者的結(jié)合使我們在汽車領域處于非常有利和獨特的位置。

我們看到了識別芯片缺陷的挑戰(zhàn)，和碳化硅等新型復合材料為電動汽車找到標準的開發(fā)篩選解決方案或工藝解決方案，并最終推出專為汽車行業(yè)定制的產(chǎn)品組合的挑戰(zhàn)。在接下來的幾年里，我們將繼續(xù)致力于推出硬件和軟件相結(jié)合的新產(chǎn)品。

Q＆AQ：汽車芯片的質(zhì)量和可靠性要求與更廣泛的半導體有何不同，以及故障率要求如何比較？A：正如我在演講中所說的，汽車行業(yè)一直是半導體設備可靠性和質(zhì)量方面最嚴格的行業(yè)，它比任何其他行業(yè)（如移動或 IT 相關行業(yè)，甚至數(shù)據(jù)中心）都要嚴格得多。它是十億分之一的要求，幾乎是零缺陷，這就是零缺陷的全部意義，如果我們能夠達到這些零值，那么十億分之一的故障最終會降到零。因此，盡管某些行業(yè)也有擴大規(guī)模的機會，例如數(shù)據(jù)中心必須在100％的時間內(nèi)正常運行。因此，也許我們會看到其中一些可靠性和質(zhì)量要求從汽車行業(yè)也延伸到其他行業(yè)，例如服務器和數(shù)據(jù)中心。然而，回到汽車領域，它在可靠性和質(zhì)量方面的要求絕對是最嚴格的。我們一直面臨著可靠性召回的巨額成本以及汽車制造商的潛在責任問題。因此IPAT的意義在于此，我們嘗試定義方法來篩選晶圓廠中潛在的可靠性故障，而不是等待芯片在汽車中出現(xiàn)故障。 

Q：在2019年，KLA定義了新的篩選方法，以最大限度地減少汽車半導體技術中的故障。您在今年2 月IPAT上提出了一個有趣的主題演講SPIE。你在生產(chǎn)線缺陷、零缺陷的熱平均測試中談到了它，這些新篩選方法的采用情況如何？在你的主題演講中，你談到了你正在為一些客戶做案例研究。請談談這些新方法的采用情況以及您對 ServeScan、it系列等產(chǎn)品的影響。

A：正如我所說，我們已經(jīng)研究了3－4年。這是一段漫長的旅程，同時我們需要大量數(shù)據(jù)。為了擁有這些數(shù)據(jù)，我們確保與客戶合作來回傳輸數(shù)據(jù)，并提供交換這些信息所需的所有保護。這就是為什么需要一段時間才能獲得這種方法的原因。然后當我們改進模型時，這又是一個機器學習的模型，我們開始了第一次驗證。概念驗證的第一個證明是去年完成的。事實上，我在SPIE中展示了很多案例，在2月份之后，我們開始了客戶網(wǎng)站的測試版，主要是汽車半導體設備的客戶，從Foundry的40nm到模擬部件。然后產(chǎn)品已經(jīng)在6月發(fā)布，正如我所說，我們非常有信心，因為我們已經(jīng)做了4年的概念驗證，也收到了最初的訂單。再次，IPAT是一個組合軟件的算法解決方案，而且最初也是在8XXX系列上實現(xiàn)的。事實上，這個設備在汽車行業(yè)的推動下，我們也看到今年收入的顯著增長。所以人們購買 8935 就像我之前介紹的那樣是因為該設備的功能，它與IPAT 相關聯(lián)，這兩種解決方案相互交流，它們可以很好地協(xié)同工作。 

Q：用于功率半導體的碳化硅、氮化鎵等新材料對您的汽車領域銷售有什么影響？A：碳化硅和氮化鎵，我稱它們?yōu)槠娈惒牧�，因為它們是尚未得到證實的材料。我們使用硅已經(jīng)有50多年的歷史。所以我們非常非常了解硅。碳化硅是一種全新的材料。首先，它有不同類型的缺陷故障，也不同于蝕刻，例如，它是非常難以蝕刻的材料，我們需要開發(fā)新的工藝控制解決方案。SPTS和我們的蝕刻解決方案，今年的收入增長了很多。這些設備需要修改，或者我們制作全新的腔室，一個是為了蝕刻硅，另一個是蝕刻碳化硅。這些材料之間的沉積有點相似，但蝕刻卻非常不同。出于這種原因，我們很早就與SPTS合作，與我們的客戶合作提供蝕刻碳化硅的解決方案，現(xiàn)在我們在收入方面取得了相當大的成果。這是一個漫長的旅程，碳化硅成為汽車電源的行業(yè)標準還需要一段時間，至少需要幾年時間，碳化硅現(xiàn)在是6英寸，最終行業(yè)將轉(zhuǎn)向8英寸。雖然硅功率是12英寸，所以從晶圓尺寸的角度來看它更高效，但我相信我們會達到目標。到目前為止，我們看到的是我們的SPTS解決方案得到了很好的采用，而且采用率在未來會增加。 

Q：如何看待汽車銷售的長期增長？A：我很樂觀。2021年是特殊的一年，每個人都知道芯片短缺以及急于訂購。供應鏈仍然中斷。我不相信汽車的供需失衡會很快結(jié)束。還需要幾個季度才能實現(xiàn)這種供需平衡。但總體而言，前景良好有兩個原因。首先，因為汽車中半導體的含量會更多。第二個原因是因為汽車制造商及其供應鏈現(xiàn)在面臨的挑戰(zhàn)的復雜性，正如我所說的碳化硅或可靠性方面的要求越來越嚴格或采用更先進半導體。一切都為KLA描繪了一幅非常樂觀的圖景，在這個背景下增長。 

Q：您能否談談碳化硅設備的等離子蝕刻市場，以及KLA 的產(chǎn)品與競爭對手的產(chǎn)品有何不同？A：首先，我們使用不同的碳化硅腔室，這些腔室多年來一直在開發(fā)，以確保我們在溝槽或平面上具有正確的輪廓。碳化硅工藝可以在平面或溝槽中完成。因此，無論您采用碳化硅平面還是碳化硅溝槽類型的工藝堆棧，我們都有一臺能夠獲得最佳蝕刻工藝均勻性的機器。作為功率硅的領導者，實施硅功率的所有學習經(jīng)驗并采用新模型。我們正在利用我們在2－3年前與客戶合作時學到的知識。而且他們還在繼續(xù)進步。例如在蝕刻中，正如我所說，有兩種方法可以蝕刻碳化硅：平面結(jié)構(gòu)或溝槽結(jié)構(gòu)。人們將越來越多地轉(zhuǎn)向溝槽結(jié)構(gòu)，而溝槽結(jié)構(gòu)在支撐所需的溝槽輪廓方面將面臨更多挑戰(zhàn)。 溝槽的底部必須是圓（rounded）和直的（straight）。因此，SPTS就像蝕刻解決方案中的瑞士軍刀公司，它一直在定制工藝應用程序，根據(jù)客戶需求進行定制。所以我們做了很多定制，每當一個行業(yè)或像碳化硅這樣的新工藝開始發(fā)展時，這對我們是有利的。 

Q：您簡要地提到了碳化硅與 GaN 以及您的雙方。您能否在用途、優(yōu)勢、成本、比較、工藝和制造工藝的差異方面比較和對比這兩種設備的機會和材料、技術？A：首先，我相信它們將用于不同的應用程序。關于碳化硅，我相信它將取代硅用于汽車中的功率逆變器。我沒有看到氮化鎵用于它。氮化鎵用于硅或碳化硅的組合，在射頻，5G 基礎設施和5G基站中的射頻設備領域。我們看到越來越多的氮化鎵用于高功率線路。這更像是一種工業(yè)類型的應用。所以可以肯定的是，這兩種材料在幾年內(nèi)會有所進步，但它們將是互補的。我不認為他們喜歡互相替換。我相信這個空間在功率半導體中是巨大的，最終在射頻通信中，將會有采用的空間，碳化硅和氮化鎵的采用率都會增加。當然，它們面臨著不同類型的挑戰(zhàn)。例如，這兩種材料在市場上的上市時間都不及硅。它們是硬質(zhì)材料。它們是難以管理的材料。存在有問題的缺陷。我們在外延生長過程中看到了某種類型的缺陷，這是我們以前在硅中從未見過的。它在流程控制中有很大的潛力。這兩種材料都會被大量采用，用于不同的應用。 

Q：關于在6 月宣布的新產(chǎn)品。能談談有多少軟件在這些產(chǎn)品中發(fā)揮了更大的作用？談到了機器學習，能否量化軟件與實際物理產(chǎn)品的價值？A：軟件變得越來越重要，但我們不量化它。我們與KLA的數(shù)據(jù)科學家一起開發(fā)了許多 AI類型的算法。但人工智能在 KLA 已經(jīng)存在很長時間了。我們開始采用人工智能，使用我們的寬帶等離子成像設備對缺陷進行分類，現(xiàn)在甚至可以在我們最先進的檢測中檢測缺陷，涵蓋整個檢測產(chǎn)品組合，包括我們幾個月前發(fā)布的新光束檢測系統(tǒng)ebeam。我們長期以來一直在使用這個AI對缺陷進行分類，現(xiàn)在甚至可以檢測缺陷。我們也使用AI來模擬我們想要測量的輪廓的結(jié)構(gòu)，這些做法持續(xù)了10年，已經(jīng)有很長時間了�，F(xiàn)在我們使用人工智能來定義一種新的方法來篩選汽車市場中潛在的可靠性故障。因此，人工智能和機器學習神經(jīng)網(wǎng)絡模型現(xiàn)在對于半導體過程控制領域的進步變得必不可少�，F(xiàn)在我們也在封裝方面做了很多工作。即使在封裝方面，我們現(xiàn)在也在采用一些人工智能經(jīng)驗。我們正在讓這些AI機器學習算法更加智能，并對缺陷進行分類，無論是在晶圓級封裝，還是在組裝和測試。所以軟件絕對是必不可少的。硬要量化的話軟件在30％％，它是解決方案的一個組成部分。