第477期|從跟隨到領先，揭秘深圳格芯光學檢測設備成業內龍頭之路

本期大咖

劉飛 深圳格芯集成電路裝備有限公司研發總監

劉飛，深圳格芯集成電路裝備有限公司研發總監，深圳市坪山區政協委員，深圳市高層次人才，深耕集成電路測試、檢測設備15年。

深圳格芯集成電路裝備有限公司（以下簡稱：深圳格芯）成立于2020年，2025年被工信部認定為專精特新小巨人企業。前身是深圳格蘭達智能裝備股份有限公司研發中心和智能裝備事業部，早于2006年開始集成電路封裝測試設備的研發制造，并于2011年參與了國家十一五重大科技專項02專項的兩個課題并圓滿完成。 公司專注于集成電路芯片檢測裝備的研發、生產、銷售，擁有自主知識產權和品牌，為國內外集成電路封裝測試企業、芯片設計公司提供系列封裝測試設備，包括全自動三次光檢機、芯片測試分選機、晶圓光學檢測機等產品等。

本期來談芯的大咖是深圳格芯集成電路裝備公司的研發總監劉飛總，和他的交流中，讓我挖到了國產芯片檢測設備突圍的不少 “硬料”，比如格芯不僅靠第三次光學檢測設備拿下國內最高市占率、還成功出口海外。面對檢測行業繞不開的 “精度與速度” 矛盾，劉總分享了他們的解題思路。關于發展趨勢，尤其是先進封裝的浪潮，檢測設備公司應該關注的技術方向，劉總都在欄目里做了精彩的分享。這次對話也讓我看到國產設備從 “跟跑” 到 “領跑” 的底氣和突圍背后的產品邏輯。不管你是做封測服務、芯片設計研發，還是關注國產替代的投資人，這篇訪談里的技術干貨和行業思考，都值得你來聽聽！

核心產品雙矩陣：

測試分選機與光學檢測設備的突圍

幻實：各位芯片揭秘的粉絲好，歡迎鎖定芯片揭秘大咖談芯，這里是只聊技術，深扒產業邏輯的硬核交流局。現在坐在我旁邊的是來自深圳格芯的研發總監劉飛先生。格芯從 2006 年就開始做芯片檢測設備，請問劉總，目前公司有哪些種類設備？我覺得這兩年芯片測試設備的國產供應商越來越多了，在芯片測試環節越來越卷了，你們是怎么來定義目前測試設備的技術優勢呢？

劉飛：我們公司叫深圳格芯集成電路裝備公司，我們家主要有兩大系列的產品，第一個是測試分選機，第二個是檢測相關的，叫光學檢測設備。

首先來說測試分選機，芯片在完成成品封裝、出貨之前都要進行通電的電性能的測試。這個測試主要是由兩部分設備來共同完成的，分別是分選機和測試機。測試機行業內由像愛德萬、泰瑞達，還有國內的像華峰測控這些公司提供；分選機供應商除了我們，還有長川、金海通這些公司。

芯片測試分選機：在芯片檢測流程中承擔著對芯片進行電性能測試并依據結果分選的關鍵職責。其工作流程通常是先由送料裝置將芯片輸送至測試工位，測試模組將芯片與測試座對接實現電氣連接，測試機運行預設程序對芯片施加電信號并采集參數，依據這些參數判斷芯片性能，最后由分選裝置將芯片分揀至對應料盤。

從產品的測試溫度范圍來看，我們現在可以做到從零下 55 度的低溫到 175 度的高溫，可以滿足汽車電子的各類測試需求。

從測試方式來看，可以分為 FT 測試和 SLT測試（System level test，即系統測試），這兩大系列產品我們都有提供。

我們的主要的產品特色是Jam rate比較好，主要取決于我們的幾個技術創新。首先通過幾何誤差和熱誤差的補償，能夠實現更精準的芯片取放。其次，通過對機械模塊的創新設計，我們用于芯片取放的機械手也實現了更精確的芯片取放。再次，我們的首測良率也是比較好的，因為test arm上實現了更精確的速度、力度和位置的控制，同時輔助于我們浮動壓測的一個機構。

Jam rate：指設備的故障停機率，是衡量設備運行穩定性的重要指標。在半導體測試分選機領域，Jam rate越低，說明設備的可靠性越高，能夠更穩定地進行芯片測試和分選工作。

良率：也稱為“合格率”，是一個量化失效的產品質量指標。

測試分選機（圖源：深圳格芯）

劉飛：在光學檢測領域，封裝階段總共會進行四次光學檢測，第一次和第二次分別是在晶圓切割前和切割后，是對晶圓進行檢測。第三次光學檢測是在引線鍵合（Wire Bonding）之后、塑封之前，這也是最后能看到芯片內部結構的階段，所以也是非常重要的階段。我們是國內最早開展第三次光學檢測設備研究并推出產品的公司，我們在 2010 年就開展了這個項目，目前也是國內市場占有率最高的一家公司。

幻實：您提到“國內市場占有率最高“是指哪一個產品？

劉飛：是指第三次光學檢測設備，這個產品我們家是國內龍頭。目前國內主要的龍頭企業都在用我們產品，我們目前是市場占有率最高的，也已經實現了出口到海外市場。當這款檢測設備我們已經做到國內最好，甚至在國際上也有非常強的競爭力的時候，我們就往第一次和第二次以及第四次光學檢測設備擴展，所以我們目前封測階段已經形成了全系列的光學檢測設備產品的覆蓋。

封測AOI設備（第三次光學檢測） （圖源：深圳格芯）

取舍與平衡：

是精度還是速度？

幻實：我剛剛聽下來，感覺到公司對光學檢測的研究已經比較深入了，各個環節定義的比較好了。晶圓檢測對精度的要求越來越高，比如從2D光學精度到3D看到的裂縫、裂紋的程度都是不一樣的。

我個人的感覺好像看得越深、越清楚精度越高，檢測設備的研發速度就會受影響。你們在定義研發產品的性能指標的時候，怎么來平衡“精度” 和 “速度”之間的矛盾點？有什么樣的取舍邏輯呢？

劉飛：的確，您看來做足了功課。當檢測能力不變的情況下，檢測的“精度”和“速度”應該說是個矛盾的兩個方向。就像比如你的左手要往左，右手要往右，當你要往更左一點的時候，你的右手可能就要往右一些了。但是如果我們能夠擴大我們的邊界，擴大我們雙手的覆蓋面，雖然左右手之間還是矛盾的，但是我們的邊界就擴大了。

具體的來說，檢測速度涉及到圖像的采集速度和圖像的處理速度。對于圖像的采集速度，我們通過自主研發的高亮光源，能夠實現快速的飛拍，可以提高采集速度。如何提高圖像處理速度呢？我們設計了多主機并行計算的架構，能夠使處理速度非常的快，從這方面提高了速度；對于檢測精度方面，我們通過AI 技術提高了對缺陷的識別精度和識別的準確率，更好的把缺陷區域提取出來，使得檢測精度得到了提升。

最終，我們通過能力的提升，使覆蓋面變大了，雖然左右手之間還是矛盾的，但是把左右手覆蓋的面積變大了，我們是用這樣的方式來做到兼顧的。

幻實：也就是用換一條思路來解決。提到AOI （自動化光學檢測），A代表的意思是指auto，現在大家都在加AI。不知道您的產品現在有沒有跟 AI 做結合？聰明的程度如何？有很多人會說 AI 太笨了，還不如人工好使，不知道您現在加 AI 是怎么加的？運營的效果如何？

劉飛：的確現在各行各業都在用 AI 技術，我們也在積極的研究和探索AI。我們從2019 年開始研究 AI 在缺陷檢測領域的應用，現在已經有非常成熟的應用經驗了。 就像您說的，我們把算法分為傳統算法和 AI 智能檢測算法，這兩個算法各有優點。

傳統算法它的優點是容易做一些量化的處理，比如我們的焊點偏移出 Pad 區域的多少距離，這需要量化用傳統算法能更好實現。比如我們看到一幅圖片，我們可以看到那些圖案，但是對計算機來說其實就是一些數字，我們要處理的就是這些數字而已。傳統的圖像處理算法是基于閾值來處理，比如要識別一個區域，可以通過邊界把這個“邊”識別出來，通過求像素梯度來實現對邊緣的提取。

深度學習算法是基于大數據訓練的，最典型的就是采用“目標檢測”的方法，把缺陷當做一種目標，就像在無人駕駛領域，把行人、把自行車、把車輛當做一種目標去識別。在缺陷檢測領域，我們會把缺陷當做一個目標去識別它，缺陷包括裂紋、崩邊、崩角這些缺陷，要進行 training （訓練)才能進行識別，就會需要用大量的樣本。所以就會存在一個這樣的問題——有一種新產品需要檢測，但是這個時候你并沒有足夠的缺陷樣本來訓練新的模型，就會使缺陷檢測受到樣本量稀缺限制，限制了它的使用。

幻實：限制就是現有的案例還不夠多，沒辦法支撐那么大的模型。

劉飛:對的，所以目前我們也在收集更多的缺陷樣本來訓練更大的模型。針對新產品樣本數量少的問題，我們主要還有兩個解決方案，首先我們對模型網絡進行了優化，通過缺陷注意力機制使其能更加適應新產品，同時，我們采取遷移學習的策略，能基于小樣本訓練后便可適應新產品的檢測。其次，我們通過無監督異常檢測方法，也可以快速啟用AI算法。

幻實：目前公司的 AI功能是算作一個功能模塊在銷售了嗎？

劉飛：現在我們已經形成了兩大系列的軟件，第一個是檢測算法，第二個是工具軟件。就像剛才提到 AI 需要訓練，訓練之前還要進行 label 標注。智能算法離不開工具軟件對它進行打標簽以及訓練，而且 AI 很多算法和參數需要設置，包括訓練的周期、初始化的方式，都要有工具軟件來輔助。

關于檢測軟件，其實我們所有軟件都是具備這個功能的，但是收費方式是根據客戶不同的需求和應用場景來，并不是完全是選配的。

應對先進封裝浪潮：格芯的技術布局

與新挑戰破局思路

幻實：再和您請教下現在的技術趨勢，面對先進封裝、CoWoS 這些各個大廠都在瘋狂地上線，對于我們做檢測設備公司來說，在設備和技術上面有沒有什么要更新和優化的？有沒有做什么樣的一個布局來面對這樣的市場需求？

劉飛:是的，我們一直在跟蹤先進封裝的這個發展的趨勢。我們也在給先進封裝如bumping、RDL等重要的幾個工藝，在晶圓檢測設備中在給用戶提供解決方案。對bumping的共面性、高度、形態包括位置的檢測，以及RDL 重布線的檢測，都是我們為高端用戶的先進封裝提供的檢測設備支持。

RDL（Redistribution Layer，重新布線層）：封裝中的信號轉接結構，核心功能是將芯片或封裝的密集信號布局 “重新引導” 并 “分散”，以適配下游 PCB 或其他器件的工藝規則，分為廣義（含中介層、基板等）和狹義（芯片表面 / 背面新增的有機樹脂布線層）兩種范疇。

隨著AI 的算力芯片功耗越來越高，在芯片測試的時候發熱會越來越大，針對這些大功率的AI 芯片的熱控制、溫度控制這些情況我們也在研究，也在給一些大功率的芯片測試提供解決方案。

幻實：上面您提到的這些，實現起來技術挑戰大嗎？

劉飛：會有一些新的挑戰，比如bumping跟常規的Wafer檢測最大的不同是它需要 3D 檢測，而且需要快速的 3D 檢測。像那個剛才提到的大功率芯片，芯片測試的時候需要模擬它真實的使用場景，它的發熱量是非常大的。

但是實際上的芯片在使用中，服務器或者數據中心里面是有一個非常好的散熱機構的，比如現在英偉達的水冷或者液冷，能夠進行很快速的降溫。但是芯片測試是在設備里面的，如何能快速的對它進行降溫、控溫，是一個非常重要的課題。

幻實：就是在沒有這種降溫環境下還得把芯片數據給測出來。

劉飛：對，其實我們也在提供相關的環境，只不過說我們的難度更大，因為我們是要在測試設備里面給它提供一個低溫的環境。

幻實:所以新的需求帶來了新的挑戰。

劉飛：對的，但是對我們來說也是一個新的機會。

幻實：這確實是一個新的命題。從研發的角度上來看，您覺得未來三年芯片檢測設備的核心技術方向會是什么呢？大家會把什么作為重點的突破對象呢？

劉飛：芯片檢測有兩大系列產品，一個叫檢測，一個叫測試。從檢測的角度來看，我認為現在的先進封裝很多通過HBM或者通過RDL進行的，都是重疊在一起的，Wire Bonding會越來越少。晶圓級的檢測需求、bumping以及通過倒裝和 RDL堆疊起來這種非可見缺陷的檢測需求。以前傳統手段可以通過可見光能看到，但是在先進封裝領域是很難看到的，要通過像 XRAY、超聲等方式來進行探測，這些會是未來的一種方向。

幻實：也就是要在不可見光的情況下，把這些數據檢測出來。你們有做這方面的布局嗎？

劉飛：對，我們也在進行這方面的研究。

幻實：所以大家都還是要面對產品的趨勢采用不同的工具，技術跟不上就要被行業甩出去，這個市場還真的是很殘酷。

半導體設備研發需要跨學科人才

幻實：我想問您關于人才培養的問題，我看格芯的碩博比率還有專利數量都是非常高的，在半導體做您這樣的設備的話，是不是也需要跨學科的？什么樣的專業比較適合？您帶領的研發團隊比較喜歡團隊具備什么樣的核心能力？

劉飛：做半導體設備需要的人才非常豐富，比如機械設計、電氣設計、軟件、視覺、光學。剛才提到算力芯片要進行降溫控溫，就要進行熱設計和低溫設計，需要的人才基本上可以把一臺冰箱做出來了。所以說我們需要各種技術背景的人才，但是有綜合背景的人才是非常難得的，我們主要還是通過各類專業技術背景人才的組合，然后著重對其中一些比較優秀的人才往跨學科領域去培養。

在人才選拔方面，我們有一些基本的要求，像專業素質、專業技能、邏輯思維這些是基本的要求。我認為更關鍵的還是創新思維，現在跟以前不同，以前我們是追趕者，國外的這些設備供我們借鑒，我們是后來者，是在追趕的。隨著我們國產設備的水平不斷提高，像任正非說的進入到無人區，那么我們也一樣，我們要從追趕者要變為開拓者、引領者，在這個時候創新就是非常關鍵的。

我也經常跟我的團隊講，如果一個技術需求大家都能夠很輕易地想得到，那我們憑什么領先？我們肯定要就是做那些，大家第一印象覺得這個是有難度的、不好做的、不容易找到解決方案的，這個時候就需要發揮我們的創新能力。

幻實：不要做低端的“內卷”。

劉飛：是的。這樣才能形成我們的核心優勢，才能像擺脫同質化的競爭，構筑我們的技術優勢。

芯片揭秘 創辦人曹幻實（左） 對話 深圳格芯 研發總監 劉飛（右）

幻實：您對年輕人，尤其想入行的年輕人有什么建議嗎？

劉飛：我認為年輕人在中國半導體領域還是大有可為的，如果進到這個領域的話，首先還是要扎實的做好技術的積累，像剛才像您提到的涉及到很多學科，所以在扎實的做好自身的基本工作之上，更多的去擴展其他領域的知識，對自己未來的職業成長會有很好的幫助。

幻實：就是年輕人還是得抗浮躁，不能想著進來就賺大錢。要向老前輩學習扎根在一個行業 20 年，還要學習新東西。

最后您能不能給我們展望一下關于您所在的這個賽道的設備的市場和趨勢，還有沒有值得我們去關注或者警醒的地方？

劉飛：我們做的設備相對來說還是比較聚焦的，剛才提到我們主要做兩大系列產品，就是分選機和光學檢測設備，這兩個方面都會隨著先進封裝的發展有一些新的技術要求。

我經常來參加這些研討會，也就是要了解最新的技術方向，跟我們的供應商和客戶更好的去了解這個行業的前沿。我們也經常跟各類的高校互動，了解行業的趨勢，因為我們做的兩個產品都跟先進封裝的發展趨勢密切相關。

幻實:好的，謝謝劉總給我們科普了這么多，也祝您帶領的格芯繼續出品更好的更牛的設備，,在國產替代上添磚加瓦。

劉飛：好，謝謝。