比太陽表面亮2倍！KLA以超強光源掃描晶圓，每日4PB資料即時抓缺陷

先進AI晶片結構愈來愈複雜，晶圓檢測設備本身也逐漸成為一套AI超級電腦。KLA（NASDAQ：KLAC）半導體產品與客戶事業總裁Ahmad Khan 2日在SEMICON Taiwan 2026大師論壇指出，KLA高階晶圓檢測設備採用亮度約為太陽表面2倍的客製化光源，一套設備每日可產生約4PB資料，必須在掃描過程中即時完成影像運算及缺陷篩選。

Khan表示，AI晶片尺寸擴大、電晶體結構轉向3D化，加上多層HBM與先進封裝整合，製程中的微小異常，可能在晶片長時間運作後演變成可靠度問題。檢測設備不僅要找到會立即造成報廢的致命缺陷，也必須辨識初期不影響功能、日後卻可能導致失效的潛在缺陷。

Khan指出，KLA的高階檢測設備可視為結合複雜顯微鏡與超級電腦的系統。設備透過高亮度寬頻光源照射晶圓，再利用高速感測器擷取影像，分析晶圓表面的微小異常。

依其說法，相關客製化光源亮度約為太陽表面的2倍，目的是取得足夠訊號，辨識尺寸極小或對比度偏低的缺陷。KLA官方技術資料顯示，其寬頻電漿檢測設備結合寬頻光源、高資料傳輸率感測器及客製化GPU，用於即時處理晶圓影像。

但取得清晰影像只是第一步。Khan表示，高階明場檢測系統平均每小時可產生約125TB資料；他在演講中另以每日約4PB描述設備處理的龐大資料規模。

由於每小時125TB換算24小時約為3PB，與每日4PB並非完全相同，兩項數字應視為Khan在不同說明情境下提出的概略值，不宜直接換算為同一組精確數據。

面對PB等級影像資料，設備無法把全部原始內容保存後，再交由工程師逐一檢查。Khan指出，系統必須在掃描晶圓的同時處理每個像素，迅速判斷哪些訊號可能代表缺陷。

「我們不可能儲存所有資料，必須在資料產生的當下完成處理。」他表示，檢測系統會使用GPU、高頻寬記憶體（HBM）、CPU及固態硬碟（SSD），結合基礎模型與物理演算法，在大量影像中辨識異常。

經過即時處理後，系統可將每日約4PB的影像資料逐步篩選為約100個候選缺陷，再交由工程師或後續設備進一步分類，判斷哪些是實際缺陷、製程雜訊或無害圖形差異。

Khan認為，AI模型不能完全取代物理知識。先進晶片的圖形結構、光學特性及製程條件各不相同，因此必須結合資料驅動模型和物理演算法，才能降低誤判，同時維持檢測速度。

傳統晶圓檢測主要尋找會立即造成元件失效的致命缺陷，但AI加速器可能每天24小時在高溫及高負載環境下運作，部分初期不影響電性測試的微小異常，日後仍可能演變為可靠度問題。

Khan以先進AI封裝為例，一套系統可能包含兩顆運算晶粒與八組HBM，每組HBM又可能堆疊12層或16層記憶體晶粒。任何一顆晶粒、鍵合介面或中介層出現問題，都可能影響整套高價值封裝。 （相關報導： SEMI大師論壇》AI晶片逼近全光罩尺寸！KLA：若一片晶圓僅切5顆，一個缺陷就傷兩成良率 ｜ 更多文章 ）

這也使晶圓檢測從「找出已經失效的晶片」，逐步擴展至辨識可能導致未來失效的潛在缺陷。Khan指出，AI一方面推升晶片複雜度與檢測壓力，另一方面也成為處理海量製程資料、加快缺陷辨識的重要工具。