第477期 | 从跟随到领先，揭秘深圳格芯光学检测设备成业内龙头之路

摘要：刘飞，深圳格芯集成电路装备有限公司研发总监。刘飞，深圳格芯集成电路装备有限公司研发总监，深圳市坪山区政协委员，深圳市高层次人才，深耕集成电路测试、检测设备15年。

本期大咖

刘飞深圳格芯集成电路装备有限公司研发总监

刘飞，深圳格芯集成电路装备有限公司研发总监。刘飞，深圳格芯集成电路装备有限公司研发总监，深圳市坪山区政协委员，深圳市高层次人才，深耕集成电路测试、检测设备15年。

深圳格芯集成电路装备有限公司（以下简称：深圳格芯）成立于2020年，2025年被工信部认定为专精特新小巨人企业。前身是深圳格兰达智能装备股份有限公司研发中心和智能装备事业部，早于2006年开始集成电路封装测试设备的研发制造，并于2011年参与了国家十一五重大科技专项02专项的两个课题并圆满完成。公司专注于集成电路芯片检测装备的研发、生产、销售，拥有自主知识产权和品牌，为国内外集成电路封装测试企业、芯片设计公司提供系列封装测试设备，包括全自动三次光检机、芯片测试分选机、晶圆光学检测机等产品等。

本期来谈芯的大咖是深圳格芯集成电路装备公司的研发总监刘飞总，和他的交流中，让我挖到了国产芯片检测设备突围的不少 “硬料”，比如格芯不仅靠第三次光学检测设备拿下国内最高市占率、还成功出口海外。面对检测行业绕不开的 “精度与速度” 矛盾，刘总分享了他们的解题思路。关于发展趋势，尤其是先进封装的浪潮，检测设备公司应该关注的技术方向，刘总都在栏目里做了精彩的分享。这次对话也让我看到国产设备从 “跟跑” 到 “领跑” 的底气和突围背后的产品逻辑。不管你是做封测服务、芯片设计研发，还是关注国产替代的投资人，这篇访谈里的技术干货和行业思考，都值得你来听听！

核心产品双矩阵：

测试分选机与光学检测设备的突围

幻实：各位芯片揭秘的粉丝好，欢迎锁定芯片揭秘大咖谈芯，这里是只聊技术，深扒产业逻辑的硬核交流局。现在坐在我旁边的是来自深圳格芯的研发总监刘飞先生。格芯从 2006 年就开始做芯片检测设备，请问刘总，目前公司有哪些种类设备？我觉得这两年芯片测试设备的国产供应商越来越多了，在芯片测试环节越来越卷了，你们是怎么来定义目前测试设备的技术优势呢？

刘飞：我们公司叫深圳格芯集成电路装备公司，我们家主要有两大系列的产品，第一个是测试分选机，第二个是检测相关的，叫光学检测设备。

首先来说测试分选机，芯片在完成成品封装、出货之前都要进行通电的电性能的测试。这个测试主要是由两部分设备来共同完成的，分别是分选机和测试机。测试机行业内由像爱德万、泰瑞达，还有国内的像华峰测控这些公司提供；分选机供应商除了我们，还有长川、金海通这些公司。

芯片测试分选机：在芯片检测流程中承担着对芯片进行电性能测试并依据结果分选的关键职责。其工作流程通常是先由送料装置将芯片输送至测试工位，测试模组将芯片与测试座对接实现电气连接，测试机运行预设程序对芯片施加电信号并采集参数，依据这些参数判断芯片性能，最后由分选装置将芯片分拣至对应料盘。

从产品的测试温度范围来看，我们现在可以做到从零下 55 度的低温到 175 度的高温，可以满足汽车电子的各类测试需求。

从测试方式来看，可以分为 FT 测试和 SLT测试（System level test，即系统测试），这两大系列产品我们都有提供。

我们的主要的产品特色是Jam rate比较好，主要取决于我们的几个技术创新。首先通过几何误差和热误差的补偿，能够实现更精准的芯片取放。其次，通过对机械模块的创新设计，我们用于芯片取放的机械手也实现了更精确的芯片取放。再次，我们的首测良率也是比较好的，因为test arm上实现了更精确的速度、力度和位置的控制，同时辅助于我们浮动压测的一个机构。

Jam rate：指设备的故障停机率，是衡量设备运行稳定性的重要指标。在半导体测试分选机领域，Jam rate越低，说明设备的可靠性越高，能够更稳定地进行芯片测试和分选工作。

良率：也称为“合格率”，是一个量化失效的产品质量指标。

测试分选机（图源：深圳格芯）

刘飞：在光学检测领域，封装阶段总共会进行四次光学检测，第一次和第二次分别是在晶圆切割前和切割后，是对晶圆进行检测。第三次光学检测是在引线键合（Wire Bonding）之后、塑封之前，这也是最后能看到芯片内部结构的阶段，所以也是非常重要的阶段。我们是国内最早开展第三次光学检测设备研究并推出产品的公司，我们在 2010 年就开展了这个项目，目前也是国内市场占有率最高的一家公司。

幻实：您提到“国内市场占有率最高“是指哪一个产品？

刘飞：是指第三次光学检测设备，这个产品我们家是国内龙头。目前国内主要的龙头企业都在用我们产品，我们目前是市场占有率最高的，也已经实现了出口到海外市场。当这款检测设备我们已经做到国内最好，甚至在国际上也有非常强的竞争力的时候，我们就往第一次和第二次以及第四次光学检测设备扩展，所以我们目前封测阶段已经形成了全系列的光学检测设备产品的覆盖。

封测AOI设备（第三次光学检测）（图源：深圳格芯）

取舍与平衡：

是精度还是速度？

幻实：我刚刚听下来，感觉到公司对光学检测的研究已经比较深入了，各个环节定义的比较好了。晶圆检测对精度的要求越来越高，比如从2D光学精度到3D看到的裂缝、裂纹的程度都是不一样的。

我个人的感觉好像看得越深、越清楚精度越高，检测设备的研发速度就会受影响。你们在定义研发产品的性能指标的时候，怎么来平衡“精度” 和 “速度”之间的矛盾点？有什么样的取舍逻辑呢？

刘飞：的确，您看来做足了功课。当检测能力不变的情况下，检测的“精度”和“速度”应该说是个矛盾的两个方向。就像比如你的左手要往左，右手要往右，当你要往更左一点的时候，你的右手可能就要往右一些了。但是如果我们能够扩大我们的边界，扩大我们双手的覆盖面，虽然左右手之间还是矛盾的，但是我们的边界就扩大了。

具体的来说，检测速度涉及到图像的采集速度和图像的处理速度。对于图像的采集速度，我们通过自主研发的高亮光源，能够实现快速的飞拍，可以提高采集速度。如何提高图像处理速度呢？我们设计了多主机并行计算的架构，能够使处理速度非常的快，从这方面提高了速度；对于检测精度方面，我们通过AI 技术提高了对缺陷的识别精度和识别的准确率，更好的把缺陷区域提取出来，使得检测精度得到了提升。

最终，我们通过能力的提升，使覆盖面变大了，虽然左右手之间还是矛盾的，但是把左右手覆盖的面积变大了，我们是用这样的方式来做到兼顾的。

幻实：也就是用换一条思路来解决。提到AOI （自动化光学检测），A代表的意思是指auto，现在大家都在加AI。不知道您的产品现在有没有跟 AI 做结合？聪明的程度如何？有很多人会说 AI 太笨了，还不如人工好使，不知道您现在加 AI 是怎么加的？运营的效果如何？

刘飞：的确现在各行各业都在用 AI 技术，我们也在积极的研究和探索AI。我们从2019 年开始研究 AI 在缺陷检测领域的应用，现在已经有非常成熟的应用经验了。就像您说的，我们把算法分为传统算法和 AI 智能检测算法，这两个算法各有优点。

传统算法它的优点是容易做一些量化的处理，比如我们的焊点偏移出 Pad 区域的多少距离，这需要量化用传统算法能更好实现。比如我们看到一幅图片，我们可以看到那些图案，但是对计算机来说其实就是一些数字，我们要处理的就是这些数字而已。传统的图像处理算法是基于阈值来处理，比如要识别一个区域，可以通过边界把这个“边”识别出来，通过求像素梯度来实现对边缘的提取。

深度学习算法是基于大数据训练的，最典型的就是采用“目标检测”的方法，把缺陷当做一种目标，就像在无人驾驶领域，把行人、把自行车、把车辆当做一种目标去识别。在缺陷检测领域，我们会把缺陷当做一个目标去识别它，缺陷包括裂纹、崩边、崩角这些缺陷，要进行 training （训练)才能进行识别，就会需要用大量的样本。所以就会存在一个这样的问题——有一种新产品需要检测，但是这个时候你并没有足够的缺陷样本来训练新的模型，就会使缺陷检测受到样本量稀缺限制，限制了它的使用。

幻实：限制就是现有的案例还不够多，没办法支撑那么大的模型。

刘飞:对的，所以目前我们也在收集更多的缺陷样本来训练更大的模型。针对新产品样本数量少的问题，我们主要还有两个解决方案，首先我们对模型网络进行了优化，通过缺陷注意力机制使其能更加适应新产品，同时，我们采取迁移学习的策略，能基于小样本训练后便可适应新产品的检测。其次，我们通过无监督异常检测方法，也可以快速启用AI算法。

幻实：目前公司的 AI功能是算作一个功能模块在销售了吗？

刘飞：现在我们已经形成了两大系列的软件，第一个是检测算法，第二个是工具软件。就像刚才提到 AI 需要训练，训练之前还要进行 label 标注。智能算法离不开工具软件对它进行打标签以及训练，而且 AI 很多算法和参数需要设置，包括训练的周期、初始化的方式，都要有工具软件来辅助。

关于检测软件，其实我们所有软件都是具备这个功能的，但是收费方式是根据客户不同的需求和应用场景来，并不是完全是选配的。

应对先进封装浪潮：格芯的技术布局

与新挑战破局思路

幻实：再和您请教下现在的技术趋势，面对先进封装、CoWoS 这些各个大厂都在疯狂地上线，对于我们做检测设备公司来说，在设备和技术上面有没有什么要更新和优化的？有没有做什么样的一个布局来面对这样的市场需求？

刘飞:是的，我们一直在跟踪先进封装的这个发展的趋势。我们也在给先进封装如bumping、RDL等重要的几个工艺，在晶圆检测设备中在给用户提供解决方案。对bumping的共面性、高度、形态包括位置的检测，以及RDL 重布线的检测，都是我们为高端用户的先进封装提供的检测设备支持。

RDL（Redistribution Layer，重新布线层）：封装中的信号转接结构，核心功能是将芯片或封装的密集信号布局 “重新引导” 并 “分散”，以适配下游 PCB 或其他器件的工艺规则，分为广义（含中介层、基板等）和狭义（芯片表面 / 背面新增的有机树脂布线层）两种范畴。

随着AI 的算力芯片功耗越来越高，在芯片测试的时候发热会越来越大，针对这些大功率的AI 芯片的热控制、温度控制这些情况我们也在研究，也在给一些大功率的芯片测试提供解决方案。

幻实：上面您提到的这些，实现起来技术挑战大吗？

刘飞：会有一些新的挑战，比如bumping跟常规的Wafer检测最大的不同是它需要 3D 检测，而且需要快速的 3D 检测。像那个刚才提到的大功率芯片，芯片测试的时候需要模拟它真实的使用场景，它的发热量是非常大的。

但是实际上的芯片在使用中，服务器或者数据中心里面是有一个非常好的散热机构的，比如现在英伟达的水冷或者液冷，能够进行很快速的降温。但是芯片测试是在设备里面的，如何能快速的对它进行降温、控温，是一个非常重要的课题。

幻实：就是在没有这种降温环境下还得把芯片数据给测出来。

刘飞：对，其实我们也在提供相关的环境，只不过说我们的难度更大，因为我们是要在测试设备里面给它提供一个低温的环境。

幻实:所以新的需求带来了新的挑战。

刘飞：对的，但是对我们来说也是一个新的机会。

幻实：这确实是一个新的命题。从研发的角度上来看，您觉得未来三年芯片检测设备的核心技术方向会是什么呢？大家会把什么作为重点的突破对象呢？

刘飞：芯片检测有两大系列产品，一个叫检测，一个叫测试。从检测的角度来看，我认为现在的先进封装很多通过HBM或者通过RDL进行的，都是重叠在一起的，Wire Bonding会越来越少。晶圆级的检测需求、bumping以及通过倒装和 RDL堆叠起来这种非可见缺陷的检测需求。以前传统手段可以通过可见光能看到，但是在先进封装领域是很难看到的，要通过像 XRAY、超声等方式来进行探测，这些会是未来的一种方向。

幻实：也就是要在不可见光的情况下，把这些数据检测出来。你们有做这方面的布局吗？

刘飞：对，我们也在进行这方面的研究。

幻实：所以大家都还是要面对产品的趋势采用不同的工具，技术跟不上就要被行业甩出去，这个市场还真的是很残酷。

半导体设备研发需要跨学科人才

幻实：我想问您关于人才培养的问题，我看格芯的硕博比率还有专利数量都是非常高的，在半导体做您这样的设备的话，是不是也需要跨学科的？什么样的专业比较适合？您带领的研发团队比较喜欢团队具备什么样的核心能力？

刘飞：做半导体设备需要的人才非常丰富，比如机械设计、电气设计、软件、视觉、光学。刚才提到算力芯片要进行降温控温，就要进行热设计和低温设计，需要的人才基本上可以把一台冰箱做出来了。所以说我们需要各种技术背景的人才，但是有综合背景的人才是非常难得的，我们主要还是通过各类专业技术背景人才的组合，然后着重对其中一些比较优秀的人才往跨学科领域去培养。

在人才选拔方面，我们有一些基本的要求，像专业素质、专业技能、逻辑思维这些是基本的要求。我认为更关键的还是创新思维，现在跟以前不同，以前我们是追赶者，国外的这些设备供我们借鉴，我们是后来者，是在追赶的。随着我们国产设备的水平不断提高，像任正非说的进入到无人区，那么我们也一样，我们要从追赶者要变为开拓者、引领者，在这个时候创新就是非常关键的。

我也经常跟我的团队讲，如果一个技术需求大家都能够很轻易地想得到，那我们凭什么领先？我们肯定要就是做那些，大家第一印象觉得这个是有难度的、不好做的、不容易找到解决方案的，这个时候就需要发挥我们的创新能力。

幻实：不要做低端的“内卷”。

刘飞：是的。这样才能形成我们的核心优势，才能像摆脱同质化的竞争，构筑我们的技术优势。