主题演讲，围绕先进工艺演进带来的良率控制挑战、AI在量检测领域的落地路径，以及量测设备未来的智能化趋势进行了分享。
目前量检测正面临结构复杂度、量测颗粒度和数据消化能力三方面挑战：一方面，高深宽比结构、多重周期图形、超薄多层膜等先进结构越来越难以准确表征；另一方面，良率控制逐步向每片晶圆、每个Die下沉，对量测速度和覆盖能力提出更高要求。同时，Fab产生的海量数据需要被及时处理并反馈至工艺环节，传统依赖人工建模、分析和调校的方式已难以满足先进制造需求。
量检测不仅要“看得见、测得准”，还要更早发现问题、更快定位原因，并进一步参与工艺控制与良率决策。
张雪娜博士提出，量检测能力正在经历从“看见缺陷”到“理解工艺”，再到“驱动决策”的升级。量测数据进入控制回路之后，才会真正影响良率。第一层是看见缺陷。通过提高量检测灵敏度、扩大可测范围，实现缺陷检出与分类、图像增强与降噪、自动对准与图形识别。第二层是理解工艺。融合光学、X射线、AI与工艺大数据，对复杂结构、材料特性及异常信号进行综合分析，帮助工程师定位问题来源。第三层是驱动决策。将量测结果进一步用于虚拟量测、先进工艺控制、机台匹配及预测性维护，为复测、抽检、维护和工艺调整提供可执行建议。这意味着，量检测设备的价值不再停留于记录和呈现结果，而是进一步参与工艺与设备决策，成为连接过程感知、问题分析和良率控制的重要基础设施。
AI的应用离不开高质量数据和高灵敏度硬件。算法能力的上限取决于信号质量，稳定、准确的底层测量仍是智能分析与决策的前提。
埃芯半导体依托“光学+X射线”双技术路线，持续提升复杂结构、超薄膜层、微小缺陷及先进封装内部结构的量检测能力；同时，将物理模型与AI算法深度融合，针对不同工艺难度与数据条件，构建覆盖快速建模、模型增强、复杂结构解算及缺陷智能识别的算法能力。
目前，AI已应用于埃芯量检测产品的多个场景，包括自动对准与图形识别、OCD高通量量测、复杂结构轮廓预测、低剂量X射线图像增强、三维缺陷分割、键合缺陷识别以及设备状态监控等，推动量检测从单点算法应用走向软硬件协同的系统化智能。
当设备具备对工艺上下文的理解能力，量测将从“记录过去”走向“影响未来”，并形成三类新的能力：一是自适应量测——设备主动决定“怎么测”。根据风险等级、信号质量和历史置信度，动态调整采样密度、量测条件、复测路径与检测模式，将量测资源集中于高风险和高价值区域。二是预测性量测——设备主动发现“将要发生什么”。将量测结果与设备状态、工艺参数及批次历史相关联，识别漂移、聚集性异常与变化趋势，在缺陷扩大或良率明显波动前触发复查、排查与维护。三是闭环决策——设备主动建议“下一步做什么”。将缺陷类型、位置、置信度及工艺上下文转化为可执行的复测、抽检、维护和工艺调整建议，让量检测结果真正进入工程师工作流和生产控制回路。
面向未来，量检测技术将从单一物理量走向多物理场融合，从目标量测走向全晶圆、全结构、全流程量测，从固定配方走向自适应量测，从缺陷分类走向根因分析，并进一步从单台量测设备升级为可参与工艺闭环的智能节点。
从“智能检测”迈向“智能决策”，不仅是量检测设备能力的升级，更是半导体良率控制方式的深刻变化。
未来，埃芯半导体将继续依托“光学+X射线”双技术路线及自主软硬件研发能力，推动AI与量检测设备、工艺数据和生产控制进一步融合，让量检测不仅能够看见问题、测准结果，更能够理解工艺、预见趋势、辅助决策。