始于2021年的全球半导体器件短缺，继续影响着世界。这种短缺影响深远，殃及了消费电子、运输、国防、电信甚至重工业等各行各业。汽车制造商面临生产计划受阻，消费电子公司推迟甚至取消了新品发布。根据2022年的一份报告，半导体器件短缺导致制造业产品交付周期从平均3~4个月，增加到10~12个月。

由于半导体器件短缺，数千亿美元的收入损失和错失的市场机会不断增加，这让人们更加关注最重要、但却被忽视的一个行业——工业。随着市场和国家对影响半导体生产的问题和范围有了更深入的探讨，人们已经开始积极探索解决方案。

投资更宏大的愿景和更具体的方案

其中一个解决方案就是投资。多个消息来源预测，到2030年，半导体行业价值将达到万亿美元，这将使其成为世界前五大行业之一。实现这一目标需要对基础设施进行巨额投资。

半导体行业增长的一个因素是美国半导体行业将重新获得领导地位。如今，美国的半导体制造只占全球总量的12%。这与其30年前占比37%的高点相比，大幅下降。事实上，在美国当前提供的半导体制造中，其中有大部分都不属于领先的小节点尺寸芯片（10nm以下节点的芯片）。美国政府已经决定要改变这种情况。根据2022年的《芯片与科学法案》，美国政府承诺将进行巨额投资，以鼓励研究、基础设施投资和建设稳健的供应链。

对半导体制造基础设施的巨额投资，将超越晶圆制造厂本身，渗透到许多芯片制造所需要的半导体设备制造商身上。预计这将带来用于晶圆生产的曝光系统和光刻设备的巨大增长，以及用于评估制造过程关键阶段的检测设备的巨大增长。

与此同时，对创新（更小节点、更高产量）的需求即使不加速，也会继续保持。这绝非易事。虽然从摩尔定律方面来看，摩尔定律已不再是以前的“定律”，但是集成电路仍在快速发展。像台积电（TSMC）这样的半导体制造厂，正在通过开发更小工艺节点来宣传自己的竞争力，这些工艺能够减少芯片尺寸，降低功耗，提高性能。

半导体器件依然在向更小的尺寸和更高的性能发展，它已经超出了定义电路设计的掩模，一直延伸到了基板——在基板上，承载着集成电路、布线轨迹、开关、涂层，以及其他组成印制电路板的组件。这意味着，即使是微小的缺陷也会损害信号的完整性等性能。

随着制造商进一步向纳米级生产推进，他们不断发现了新的漏洞、敏感性和缺陷。这些问题的解决办法是：在生产周期的每一步都降低公差。

成像是关键促成因素，也是挑战

在半导体制造业中，产量决定一切，产量决定着产出和成本。但是，实现较低的公差和尺寸较小的元器件，对检测来说则是一项巨大的挑战。为了实现更小的几何尺寸，制造商必须在“从晶圆到成品PCB”的整个生产过程中，对更多的点进行检测，这样他们才能更快地发现缺陷，实现良率管理。关键是，在检测总时间不增加的情况下，能够不断增加更多的检测步骤。这就要求成像系统必须提供更高的分辨率，同时减少曝光周期。

对于集成电路来说，纳米尺度的特征可以比通常使用的可见光甚至紫外成像能检测的特征更小。检测和量化所需的精度，可以接近传感器的实际本底噪声，甚至接近核心操作原理。解决方案需要新的方法，如深紫外和极紫外照明与成像。越来越精密的成像给下游组件（图像处理硬件和软件）带来了压力，这些组件需要对图像进行处理分析，并将结果用于决策制定。

在PCB中，设计和制造的复杂性达到了新的水平，这导致了材料缺陷越来越不易发现。制造商需要检测各种各样的缺陷，包括破损、磨损、脏污、碎片和气泡等。传统的手动检测或基于规则的成像，可能根本无法胜任这项任务。在处理形状、色调、对比度和纹理变化较大的PCB组件时，基于规则的图像处理技术可能会在可靠性方面遇到困难。

那么，用传统算法建立一个稳健的检测系统就变得不切实际。因此，半导体制造商转而采用人工智能（AI）方法，对传统检测方法的不足之处进行补充。AI算法可以根据有缺陷和无缺陷的PCB组件的不同样本进行训练，以实现组件分类的高精度。

超越传统技术，走向AI成像

一家半导体OEM正面临着这种缺陷检测挑战，导致在该公司的自动光学检测（AOI）过程中，有缺陷的零件未被检测出来的数量有所增加。为了解决这个问题，该公司实施了一种新的检测解决方案，其在AOI机器中将基于规则的算法与AI功能相结合。

使用AI软件工具，能以12~14ms的速度检测200张图像，连续分类准确率达98%；对453张好图像和11张坏图像的检测实现了100%的准确率。

此外，当同时在零件图像上寻找多个缺陷时，该AI软件工具能以20ms的速度检测259张图像，准确率达99.62%。

为2030年做好准备

麦肯锡预测，未来十年，半导体近70%的增长将仅由三个行业推动：汽车、计算和数据存储，以及无线通信。每个行业都寻求在效率、性能、设备尺寸以及最重要的规模方面进一步提升。成像将是实现这一目标的关键产业。