T499D336K025ATE700

亚太地区XILINX    AD    FREESCALR   INTEL专业分销商   欢迎来电咨询！！

亚太地区一级代理分销商AD、XILINX、ALTERA、INTEL等世界各名牌IC。本公司为一般纳税人，可开16%增值税票！

深圳市斌腾达科技有限公司

联系人：朱先生

Q Q：2099320098

钽质电容器-固体SMD 25V 33uF 2917 10% ESR=700mOhms

制造商:KEMET产品种类:钽质电容器-固体SMDRoHS: 详细信息 系列:T499电容:33 uF电压额定值 DC:25 VDC容差:10 %ESR:700 mOhms外壳代码 - in:2917外壳代码 - mm:7343高度:2.8 mm制造商库存号:D Case最小工作温度:- 55 C最大工作温度:+ 175 C封装:Cut Tape封装:MouseReel封装:Reel长度:7.3 mm 产品:Tantalum Solid High Temperature 端接类型:SMD/SMT 宽度:4.3 mm 商标:KEMET 漏泄电流:8.3 uA 损耗因数 DF:6 产品类型:Tantalum Capacitors 纹波电流:463 mA 工厂包装数量:500 子类别:Capacitors 单位重量:446.840 mg

在SEMICON China 2019期间，KLA在上海举办新闻发布会，企业传播高级总监Becky Howland女士和中国区总裁张智安先生向电子产品世界等媒体介绍了汽车半导体的检测技术。

KLA可提供检测和量测机台，找出在制程中导致可靠性问题的缺陷，让问题在最前端解决。KLA的新研究——在线检测数据辅助芯片筛选法，即正在申请专利的新技术 I-PAT，与常规的G-PAT方法相结合，使可靠性检测效率大幅提高。

1 制程控制为什么重要

KLA制程控制包含两个部分，一是检测，即找出关键缺陷；另一个是量测，就是测量关键参数 (Measure critical parameters)，例如线宽(line)，高度(heights)及侧壁刻蚀角(side wall angle)等。

对于半导体制造商而言，不能发现问题就无法解决，不能测量就无法控制。KLA所做的是提供设备给客户，让客户检测和量测每个关键制程步骤，确保芯片最后的良率和产出。

在半导体制造过程中找到这些缺陷的挑战是非常大的，因为缺陷的尺寸非常小，以DNA的双螺旋为例，它是6 nm，而KLA要检测的半导体线宽在7 nm左右，甚至小于5 nm。

如果你是半导体制造商，你开发了新工艺，想要芯片上市，需要良率指标。良率曲线图如下图，Y轴是良率，X轴是时间。KLA希望可以借助制程控制的能力，帮助客户在更短的时间，达到更高的良率。因为良率越高，客户的收益越高。

另外，制程上，可以通过KLA的设备让客户更快地研发芯片，以便快速进入市场，实际上也是帮助客户获得更多利润。

2 汽车半导体制造的特点

在消费类电子中，通常考虑晶圆厂制程是否在控制之中。但是，对于汽车电子，不仅仅是整个制程是否在控制当中，还需要考虑最终的芯片是否可靠。所以汽车电子要求不仅是良率，还有可靠性。

半导体在汽车中的占比越来越高，据统计，到2030年，新的电动车和无人驾驶汽车的50％成本将是电子元件。但是汽车电子元器件也带来了风险，据统计，从下图可见，如果将随机故障（18％）、系统故障（29％）和测试覆盖率故障（14％）加总，大约有47％的零公里故障是源自于电子元器件的缺陷。何谓零公里故障？加入我今天买了一辆车，刚刚开出去出了问题， 47%机率是由于电子缺陷造成的故障，所以这是一个很高一个比例。

以技术的节点來看（如下图），以前消费电子和汽车电子没有太多的关联，但是现在汽车电子的技术节点越来越小。

在消费电子和汽车电子之间，有很多应用条件是不同的，汽车电子对于操作参数的要求是更为严苛（如下表）。以温度为例，手机基本在0到40℃就可以运作，但是汽车一般要在-40到160℃。

3 KLA的解决方案

KLA的角色是尽快发现问题，并在问题扩大之前对其进行处理。KLA在整个汽车产业链里面的作用就是它在最前端（如下图），即橙色(Fab)端起功效。KLA与晶圆厂合作，因此希望在元器件封装之前就发现晶圆制造中的电子问题。

从晶圆厂到封装到组装成零件，再到0公里，到最后的召回，每错过一个阶段的查找，停止和纠正问题的成本就会增加10倍，所以召回的成本是最昂贵的。因此，KLA所做的是使用检测和量测机台，第一时间找出在制程中导致可靠性问题的缺陷，把问题在最前面解决。

3.1 当今汽车半导体的检测挑战

不过，现在的汽车电子产品和以前很大不同。左下图是以前的汽车电子模块。在以前，汽车电子的制程控制是相对容易的，人们用的是比较旧型的检测和量测的机台。右下图是现今的汽车电子，可见更加复杂，因而对制程控制的要求非常高。KLA针对此开发了新方法，并为汽车电子制造厂提供技术领先的检测和量测机台。

3.2 潜在缺陷检测

潜在缺陷——latent defect（影响芯片可靠性的缺陷）和致命缺陷（影响良率的缺陷）有何不同？

一些潜在的可靠性缺陷是最严重的。左下图是好的芯片（good die），右下图是坏的芯片（bad die），它的电性能异常芯片测试（e-test）没有通过。但中下图的情况是危险的，可以看到两条线之间的距离太小，但这个芯片将在晶圆探针和最终测试中通过测试。

当你驾驶汽车时，本来并没有发现这缺陷，随着电子迁移、张力迁移，在慢慢的张力转移过程中，本来有一个小的接触，慢慢接触了以后，变成右上图，就发生短路了。

好消息是潜在缺陷与致命缺陷的检测方法实际上是相同的：只要你知道如何检测影响良率的致命缺陷，提高机台的灵敏度，就能测量到影响芯片可靠性的缺陷。这方面正是KLA的专业领域。

4 汽车电子制程控制的三种方法

汽车电子新的制程控制方法主要有三点：一是大大减少基线缺陷；二是更高的采样率可以捕捉偏移；三是智能使用在线缺陷检测结果来帮助芯片筛选的准确性。

4.1 大幅“基线缺陷减少 。这是在已经使用的减少缺陷检测的策略上做更多的事情。例如，提高灵敏度并确保检测到影响芯片可靠性的缺陷。如下图，对于消费类电子产品，图中的蓝线显示了典型的良率曲线。蓝线的后面加上的红虚线代表汽车电子，汽车电子对良率的要求比一般消费类电子产品的良率更高，需要测量到可靠性缺陷来提高良率。KLA的解决方案就是把灵敏度提高到更高程度。

4.2 偏移的监控。该方法在制程控制时一直被运用，但是汽车电子对制程控制的要求更高，所以需要把抽样增加，技巧性更加强。

上文所述是通过减少所有缺陷来降低潜在缺陷的制程控制，现在还有第三种方法——芯片筛选。

芯片筛选。为了实现在线检测数据辅助芯片筛选，KLA有正在申请专利的新技术 I-PAT (在线零件平均测试 ，Inline PAT)。这是KLA之前没有做过的事情。当芯片被制造出来后，需要通过晶圆探针（wafer probe）或电性能异常芯片测试（e-test）来确定芯片的好坏。下图左是通过电性能检测以后，打X的是不好的芯片。传统方法就是G-PAT (Geographic Part Average Testing)，所做的是移除坏的芯片，但在其附近的芯片也可能都不是好的，因为只能检测到致命缺陷，没有办法检测可靠性缺陷。所以为了安全起见，附近所有的芯片也要被丢弃。下右图在打黑X的旁边，可疑的用红X表示，把这些全部拿掉，以便不让这些不好的或者有可能不好的芯片往下游走。这种方法不是厂家愿意看到的情况——把不好的或怀疑不好的芯片全部拿掉。但这种方式就有可能把好的芯片丢弃，对厂家来说这意味着资金的浪费。

为此，KLA开发出了更先进的在线零件平均测试（I-PAT）技术，并且通过牺牲较少的良率，而显著提升可靠性。方法是下图左已查出一些不好的芯片，根据KLA在线上检测出来的迹象，看到四条迹象，把它们重叠，之后把重叠的部分/有问题的去掉。这样可以看到，下图右怀疑坏的芯片比上图右的少了很多，这样就减少好的芯片被去掉。

简而言之，I-PAT技术利用基于硬件（检测设备）和软件（数据分析）寻找那些在总体生产中的多个常规检测中累计缺陷异常多的芯片。这些异常芯片从统计上来讲更可能包含需要消除的潜在可靠性缺陷。I-PAT结果可以与电性能异常芯片测试相结合，改进芯片的整体“通过/不通过”决策。

那么，I-PAT是种新的设备，还是在原有的设备上做一些软件的升级？答案是：目前这还不是一个产品，只是一项研究。这会是新的产品，只针对汽车电子。

另外的问题是：现在增加了检测的项目和技术，速度是不是就会降下来一些？答案是：有可能，因为你需要做更多的检测，你可能要么花费更多的时间，或者使用更多的检测设备，这样成本会上升，但另一方面，可以提早发现问题。所以对整个成本来说，还是下降的。目前，汽车电子行业存在很昂贵的问题，KLA主要针对3个方面准备了解决方案。

汽车电子市场正在蓬勃发展，它在老牌芯片制造商和新兴公司之间掀起了一场全球争夺战。

不过，日益有目共睹的是，并非所有人都了解汽车与手机市场的差异。手机仍是半导体行业销量最高的市场，但增长势头已趋平缓。相比之下，汽车电子产品市场的价值正在迅速上升，在2014年增长11.5%后，2015年下降2.5%，但随后反弹，2016年实现了10.6%的稳定增长。值得注意的是，2015年的销售额下滑主要是由于所有关键的汽车IC产品价格下降 - 微控制器，模拟IC，DRAM，闪存以及通用和专用逻辑IC，这些产品抵消了当年汽车IC稳定单位增长。

IC Insights最近更新的汽车IC市场预测显示，2021年汽车IC市场增长至436亿美元，2017年至2021年的复合年增长率(CAGR)为12.5%，是六大主要终端应用中最高的，越来越多的芯片制造商正试图占得一席之地。

汽车电子发展初期以分布式ECU架构为主流，芯片与传感器一一对应，随着汽车电子化程度提升，传感器增多、线路复杂度增大，中心化架构DCU、MDC逐步成为了发展趋势;

随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足，越来越难以满足处理视频、图片等非结构化数据的需求，而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案;

从ADAS向自动驾驶进化的过程中，激光雷达点云数据以及大量传感器加入到系统中，需要接受、分析、处理的信号大量且复杂，定制化的ASIC芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，并且性能、能耗和大规模量产成本均显著优于GPU和FPGA，随着自动驾驶的定制化需求提升，定制化ASIC专用芯片将成为主流。

目前出货量最大的驾驶辅助芯片厂商Mobileye、Nvidia形成"双雄争霸"局面，Xilinx则在FPGA的路线上进军，Google、地平线、寒武纪向专用领域AI芯片发力，国内四维图新、全志科技、森国科(国科微)在自动驾驶芯片领域积极布局。

虽然真正的自动驾驶汽车仍是未来的产品，但毫无疑问，许多消费者都希望汽车拥有这种能力，许多制造商正努力实现这种能力。作为回应，汽车电子产品开发人员比以往任何时候都更加关注可靠性和安全性，同时增加了信任(芯片和系统按照设计工作，没有引入后门或木马程序)和安全性(系统不能被外部攻击和控制)的挑战。

中国拥有全球范围内最为充足的AI人才供应，中国每年生产出3000万辆汽车，保证了极其庞大的应用市场，而芯片对中国的未来战略又是如此之关键。

所有的这一切，都使得中国的企业站在了一个史诗般的历史机遇窗口前面。当然，对手太强大了，要想抓住这样的宏达的机会，还需要更加兢兢业业的工作，征程依然漫长。

愿中国本土的AI芯片企业能够抓住这个历史机遇期，突出重围。