4月19日，第25届中国集成电路制造年会暨供应链创新发展大会在广州举行，同期举办IC设计与制造协同论坛。

 

数字化时代，当下产业形势呼唤设计与制造协同发展，产业链上下游共同推动先进封装等路径的创新，促进芯片工艺的迭代升级。运用新的设计结构和EDA设计工具，融合深度学习等算法模型，实现芯片架构优化，功耗下降，性能提升等目标。本次论坛邀请了概伦电子、格创东智、西门子 EDA、华为等企业来共同探讨促进软硬件协同发展。IC设计与制造协同一直是半导体行业的发展趋势和方向，两者进行联动的技术探索，使得半导体行业制造成本在降低，流程在创新，同时IC设计的水平也在提高。

 

 

首先，在半导体生产工厂生产的制造环节中，设备稳定性以及工业的一致性是保证甚至提升良率的重要因素之一，许多厂商会选择借助设备故障侦测与分类系统对设备进行全方位精细化的管控，减少设备异常对生产品质损伤，最终达到降本增效的目的。格创东智是一家专注于工业互联网创新的科技公司，打造了具有完全国产知识产权的FDC设备异常侦测和分类系统，为用户提供全新的产品使用体验。下面有请今天分论坛的第一位演讲嘉宾：格创东智（深圳）科技有限公司泛半导体事业部首席架构师吴文龙先生，为我们介绍《国产FDC产品在半导体行业正在崛起》。

 

FDC简单介绍一下，它主要是通过收集设备的实时数据，经过分析来对设备的故障以及生产工艺的偏移进行实时监测和管控。FDC本身具有大数据实时分析的特性，包括数据采集，一般来说是1赫兹，会发现一些12寸晶圆厂采集频率甚至达到10赫兹。另外是吞吐量、数据量特别大，一个工厂往往它的设备上百台，每个设备可能有几百个参数，因此FDC所处理的数据吞吐量要求非常高。因为它是一个实时监测系统，因此对整个计算要求非常高。最后，FDC没有像MES或者像ATC这样被大家所熟知，但是FDC确实在半导体制造工厂是非常刚性的需求，目前自动化程度比较高的企业，包括像8寸晶圆厂、12寸晶圆厂，包括一些先进封装厂，还有面板厂，FDC都是刚性需求。

 

其实工业软件国产化最好的路径还是应该以甲方的半导体实战企业为核心，倡导客户能够开放更多的数据，开放更多的场景，和第三方的工业软件公司合作共研，才是能够打造一流的工业软件的必由之路。

 

第一个，产品的形态。传统的工业软件都是私有化部署，一组服务器部署在工厂里面，有可能是CIM、MES、FDC，但是随着这几年工业互联网的发展，包括一些新的集团公司的CIO，我们会发现本身有平台化的概念，这几年随着工业设备厂商的发展，软件厂商和设备厂商是否可以合作，这都是未来FDC发展的方向。

 

第二个，技术层面。传统的FDC用的是静态统计学的分析方法，会有一定的瓶颈，未来这几年人工智能的发展，其实FDC的场景非常切合工业人工智能的发展方向，通过机底+人工智能的模型，可以卡控发现设备故障。

 

最后一个，产品平台化，在其他的客户那里也有过探索。首先从技术层面来讲，传统的FDC都是基于静态的统计学分析，这种方式它的问题是，模型的建立完全依赖于工程师的经验，如果是新厂、新的工艺，可能工程师没法去建模。第二，单一的建模，会带来工厂有十几万个侦测模型，这么多侦测模型，FDC该如何管理？另外，静态的模型没法感知工艺的变化，因此会带来大量的false alarm。AI FDC我们团队最近也在研究，我们认为首先是多因子分析，因为传统FDC对历史数据的使用非常少，这是极大的浪费，只是对数据实时监控，顶多是对历史数据做智能计算，但是没有从历史数据挖掘一些特征，做模型的卡控，这是做不到的。FDC的多因子分析，通过过去的废片的样本数据能够看到到底哪些因子是影响故障。另外强调采用工业智能的算法，当然工业智能算法的发展不单是简单的机器学习的模型，甚至是一些深度学习的模型，甚至一些神经网络，在AI FDC方面都有做应用，效果还不错。

 

 

概伦电子一直致力于帮助芯片设计公司定制和优化其COT流程，加快工艺和开发迭代，打造基于DPCO平台和应用驱动的EDA全流程解决方案。概伦电子股份有限公司副总裁刘文超今天分享的题目是《打造应用驱动的DTCO全流程的EDA解决方案》。

 

工艺往前推进到28纳米的时候，还可以依靠缩小器件的尺寸和连线，能够不断地把芯片做小，器件的密度越来越大，实际上推进到20纳米到14纳米，甚至再往前推进，到FinFET阶段的时候，留给器件和连线尺寸缩小的余地已经不足以满足芯片对于功耗、对于集成度的要求，要从逻辑单元上面来进行着手，也就是现在提的DTCO，设计和制造之间的协同。

 

再往前推进到三大领域EDA的过程，实际上DTCO这种单纯逻辑单元的减少也不足以满足芯片的集中度要求，这时候要引入STCO，从系统功能的层面来对于器件、单元、工艺提出一系列的协同。其实这一个对于EDA的工具、对于我们制造的系统都提出了苛刻的挑战和要求。

 

EDA传统上来说，把它分为三大类，即数字类、模拟类，包括芯片制造类。这三大类EDA的三巨头分别对这三大类进行不断打补丁也好，不断迭代也好，打造了相对完整的流程。

 

器件模型、PDK的开发、标准单元库的优化和特征化实际上从传统来看，都需要几周甚至几个月的时间。实际上为了加快或者提高制造和设计的协同优化效率，这几个点的关键自动提取的时间和建立的时间对于整个DTCO效率产生重要的影响。

 

 

深圳智现未来工业软件有限公司首席执行官许伟带来演讲题目：《先进半导体制造工程智能平台实现的中国路径——AIGC技术与传统工程智能软件的有机结合》

 

而从理论上讲，FDC、APC这样的软件是对大数据进行处理，对设备数据、制程数据、工艺数据、量测数据等等，既然是对大数据处理，意味着可以对数据进一步的抽象，成为语言模型，成为知识，从而降低客户的使用门槛。

 

这就是我们投入多年NLP技术、自然语言技术而诞生的私有化大模型，有了这种模型，可以把大量过去的隐性知识显性化，这些隐性知识有些在工程师头那里，有些在客户那里，有些在大量的各种文档里。我们的私有化大模型在垂直细分领域和今年流行的ChatGPT有点类似，但是不太一样，我们注重是很精准、很准确，而不是让它特别像人。

 

下面给大家示意一下最新的私有化大模型。它目前主要用于一种工程师的问答、搜索、提供建议、解决方案的层面，我们认为AIGC它能对我们的每一个产品全方位进行赋能，包含今天大家已经意识到的问题，包含FDC，完全可以把它作为更智能化，可以自动生成模型，自动推荐下一步要做的维护，良率的分析，也可以自动生成图表，还有包含对晶圆的良率预测和资产的管理，以及最后的知识决策系统。

 

 

半导体技术的发展越来越呈现出融合的趋势，例如设计工艺的协同优化、系统工艺的协同优化、材料到系统性的优化等，其中DTCO的理念是上述融合趋势中最核心的部分之一，也已成为集成电路先进技术节点中工艺研发和电路设计不可或缺的环节，墨研计算科学有限公司总经理伍宏先生将为我们分享《墨研的DTCO综合解决方案》

 

DTCO其实在传统意义上讲，更多是技术平台的定义方面，因此最初定义有竞争力的技术平台，接下来开始工艺开发，包括建SPICE Model、PDK，同时会有DFM，DFM比较靠中，往后会有LFD，还有Smart-fill、CMP模型等等，会讲到DFM和DTCO有融合的趋势，只是在整个工艺平台开发不同阶段而已，之前没有DTCO的时候，只有DFM。到了比较后面，设计人员开始进入，开始设计基础IP、设计增值IP等等，整个就是一个所谓的工艺技术平台的开发全流程。

 

同时随着工艺平台定义完之后，工艺进入研发，电路进行设计，DTCO还会不断地影响后续的工艺平台的开发以及IP的设计，最终的目标要去优化PPACT，PPA刚才讲过了，是所有芯片设计人员，特别是裸机的芯片设计人员最关心的，任何一个产品需要有功耗、性能和面积的竞争力。

 

墨研作为国内现在一家新型的EDA公司，其实它在DTCO方面有蛮多的积累。首先在DTCO方面，墨研只做两件事情，非常简单，第一，提供DTCO核心的国产化EDA软件，这边是以TCAD为代表，还有刚刚讲的三维表面结构的仿真、OPC、TCAD到SPICE快速建模，还有针对DTCO IC的仿真工具。同时第二点，有了工具之外，不仅仅有工具，其实还提供国内目前可以说最先进的产业级的DTCO研发流程和技术服务，因为我们团队曾经定义了国内最先进的三代逻辑技术平台，而且都进入量产。

 

 

艾小平 华为技术有限公司半导体电子行业解决方案总监发表演讲：《构筑半导体数字化底座，助力行业高质量发展》。

 

总结起来是工业软件现代化、工业数据价值化、工业装备数字化，以及工业网络标准化。1、工业软件范畴不仅仅是面向生产制造，同样在研发体系也是很大的一个板块。而且研发体系实时性的要求并没有像生产制造里面这么严苛，反而可以做得更进一步。不论是半导体的制造工厂，还是芯片设计公司，都有相应的开发设计的流程，包括需求管理、代码、构建、编译、持续集成发布也好。2、大数据的架构可能两点优势，第一个，在处理结构化、非结构化、半结构的数据，都有很高处理的效率，不会有效率的下降；第二个，对于容量的支持，即使到PB级别的容量，像它分析效率也没有下降。3、通过组件等把工艺设备联系在一起，也就是未来现场设备的互联互通会变得更加便携。4、从业界的实践来看，目前业界已经在定义下一代的时间敏感性的网络，该网络技术的推出是为了着力于去融合传统的工业以太和工业以太的优势，去做到IP和OP的融合。

 

 

杜春山 西门子 EDA 资深应用工程师经理发表演讲：《西门子EDA用于解决设计和工艺复杂交互问题的机器学习方案》。

 

第一部分简单介绍西门子EDA在面向设计和制造方向的一些解决方案；第二部分重点介绍西门子EDA机器学习的解决方案，今天主要分享两款产品，第一款是SONR，第二款是FAB Insights。

 

刚刚所介绍的解决方案如果把它放在整个工艺开发的阶段，可以有三个主要的阶段。第一个阶段，称之为DTCO阶段，也就是在早期工艺开发的阶段，Mentor提供了一套针对于Pattern的DTCO解决方案。最后一部分叫DFM，基本上这块在大规模良率量产阶段，这时候工艺相对比较稳定，希望通过提供全面的DFM检查，将设计在流片之前进行一些验证，这样保证在流片的时候能够一次性成功。在中间实际上是自始自终伴随整个流程相关的缺陷检测这方面，我们也提供更好的一些解决方案。

 

西门子EDA也提出了自己的机器学习的方案，第一个是SONR。先说一下SONR，SONR实际上是面向设计的应用，也知道可能工艺流程到了28纳米及以下的时候，这时候设计和制造都非常的复杂，经常在制造的环节发现很多和设计相关的热点的问题，这些问题其实又很难理解其背后发生的机制，又很难用现有的软件快速提供一些建模和预测的方法。SONR是从机器学习的角度提供现有的学习方法，有了SONR之后，更好对热点进行预测，更好对版图进行分析。

 

第二个是FAB Insights。主要是针对于FAB一些大数据建模分析的工具，我们也会把FAB里边的大数据结合起来，建立可预测模型，有了FAB Insights以后，希望对这些良率进行预测，更好的定位这些问题，当然可以对生产设备进行监测，提高生产效率和优化工艺流程等。

 

 

李士明 广东高云半导体科技股份有限公司质量总监发表演讲：《打造高质量国产FPGA，深化汽车端智能化》。

 

FPGA可以用作功能芯片和主控芯片，可以更多的应用在哪里？包括控制系统、操作系统、能源，所有的控制系统都可以使用FPGA，这是非常巨大的市场。FPGA这个行业，我们起步是晚的，2014年，高云才开始，真正的FPGA开始的时候在2000年初，Altera已经推出了它的产品，Xilinx也推出产品，因此现在国际上90%以上的FPGA的市场是被三大巨头所占领，Xilinx、Altera和Lattice。Xilinx被ADM所收购，Altera被英特尔所收购，现在头部企业的竞争非常强，而高云所做的是在头部的企业里面要抢占市场份额。

 

 

芯谋研究企业服务部总监王笑龙先生，分享《美国制裁下中国半导体产业发展面临的新形势》。

 

我提了三点，一是要企业优先，指的是要相信市场，任何领域也好，赛道也好，如果说企业的积极性被调动起来，其他的力量相对来说不能站在主要的位置上，我们要相信企业，它们有这个兴趣、决心。二是新型举国体制兜底，在市场经济失灵的时候，要通过新型举国体制来解决这个问题，这一点是刚才说的大家没有兴趣做、没有效益、没有动力的，第二点，企业愿意做的，新型举国体制也能发挥作用，企业愿意做，一定会从基础、简单、低端的慢慢做起，慢慢往上攻，这也符合经济规律。我们新型举国体制可以组织力量从上面往下攻，形成上下合击，这是新型举国体制兜底。三是加强国际合作，不是关起门来做这件事情，希望把供应链的零部件放在不是美国管控的地区来做，但是在内部一时推不动，因为他们的大客户没有给他们形成压力，如果国内Foundry联合起来，向国际的设备龙头提出要求，要求他们帮忙解决零部件的安全保护问题，有这压力之后，内部也可以想办法争取公司内部的同意，去推动这些资源。

 

 

合芯科技产品高级总监李华庆发表演讲《合芯国产CPU助力集成电路设计企业发展》。

 

反过来从业务的角度来说看存储，对存储有什么需求？我们总结了几点，第一点，性能，相信做过芯片设计的同学或多或少会碰到这种问题，比如说一个ETX session登上去，突然卡住，半天不动了，一个任务就卡在那里，这种情况下，大概率都是存储的瓶颈。第二个，现在大家设计的芯片复杂度越来越高，整个工艺也越来越先进，附带的问题是仿真计算的数据量越来越大，对存储资源的需求非常大，波动性也比较强，不太好规划，这时候非常希望有弹性扩展的存储。冷热数据这一块，很多公司其实有多个项目或者一个项目有多个阶段，很多数据今天频繁使用，可能到明天用得比较少，甚至到后天变成备份，这时候如何保证被频繁使用的热数据，它的IO的性能，同时有效降低冷数据的存储成本，冷热数据管理这块，也需要好的机制。安全的部分不言而喻，不管是版图还是RPO代码，这是企业的核心生命力所在。再一个是备份，备份是数据保护最后一道关口、最后一把锁，但迁移也是很多客户需要关注的问题，基本上都有现有的环境，新的存储系统进来，就会涉及到存储数据的迁移问题。

 

我们的N9000，专用于芯片行业的存储，它的全称是VishinStor N9000，是基于合芯科技自研的国产CPU高性能的文件存储系统，是基于分布式的架构，可以以一个单节点的最小部署为单位，同时也可以横向扩展到支持YB级别的大规模的成熟圈。