阿斯卡拉特（，卡拉UTC+02:00（夏令时）。卡拉 政治 阿斯卡拉特所属的卡拉省级选区为。INSEE市镇编码为。卡拉西临大西洋比斯開灣，卡拉位于法国新阿基坦大区大西洋比利牛斯省，卡拉 与阿斯卡拉特接壤的卡拉市镇（或旧市镇、涵盖了贝阿恩与北巴斯克，卡拉南与西班牙接壤。卡拉；）是卡拉法国大西洋比利牛斯省的一个市镇，该省份为法国东南部省份，卡拉北至朗德省，卡拉东临上比利牛斯省，卡拉属于巴约讷区。 行政 阿斯卡拉特的邮政编码为， 人口 阿斯卡拉特于时的人口数量为人。 地理 阿斯卡拉特（）面积，东北接热尔省， 阿斯卡拉特的时区为UTC+01:00、
本文将从技术原理、核心优势、应用场景及落地实践等方面，对该技术进行系统性解析。
一、先进工艺节点的检测挑战与技术缺口
当前半导体制造技术正经历关键变革：鳍式场效应晶体管逐步被全环绕栅极（GAA）纳米带晶体管替代，中段制程（MOL）因多重图形化技术的应用，堆叠复杂度持续增加。这一变革导致致命缺陷多隐匿于 3D 结构内部，传统光学检测手段难以有效识别。
同时，先进工艺节点的缺陷呈现显著的产品特异性，集中分布于特定工艺 - 版图组合的 “热点区域”，此类缺陷由芯片设计固有的版图特征引发，成为影响良率的核心因素。
行业面临的核心矛盾在于：电子束电压衬度检测是识别电学缺陷的关键技术，但传统电子束检测采用光栅扫描模式，效率远低于光学检测，无法匹配大批量生产的需求。DirectScan 技术的出现，为破解这一矛盾提供了可行路径。
二、DirectScan 核心技术架构：PointScan 的创新逻辑
DirectScan 检测方案由eProbe 电子束检测工具、FIRE GDS 版图分析平台及Exensio 大数据智能分析平台三大核心组件构成，其技术突破的核心在于PointScan 扫描技术对传统电子束检测逻辑的重构，主要体现在以下三方面：
1
设计感知驱动的靶向检测
传统电子束检测采用无差别光栅扫描，需覆盖包括介质区域在内的全部区域，且无法识别被测目标的图形特征；PointScan 技术具备非接触式电学测试特性，可精准跳转至目标器件的关键位置（如焊盘、接触点），仅对有效检测区域实施电压衬度检测，完全规避介质区域的无效扫描，实现 “按需检测”。
2
检测效率的量级提升
通过 FIRE 平台的精细化版图分析，可精准筛选出需检测的 “关键区域”，大幅缩减检测范围：
后段制程金属 3 层通孔检测：仅需扫描总可检测面积的 2.5%
中段制程栅极 - 漏极短路检测：仅需扫描总接触点的 1%
栅极残筋检测：可规避 50%-75% 的介质区域，检测面积缩减至传统方案的 10% 以下
基于上述优化，PointScan 技术的检测吞吐量可达传统单束电子束检测设备的 20-100 倍，每小时可完成数十亿个被测器件的扫描。
3
设计感知学习与属性分析能力
DirectScan 与 FIRE 平台的深度整合，可实现跨多层版图的属性提取，包括触点类型（漏极 / 栅极）、晶体管阈值电压、极性、与扩散区隔离槽的距离等关键参数。
eProbe 输出的 KLARF格式数据含专属属性识别码，可与版图特征精准匹配，工程师可直接计算特定属性或属性组合对应的缺陷率，快速定位高风险晶体管类型与版图设计方案，为工艺优化提供数据支撑。
三、高难度场景的应用突破
PointScan 技术的低电荷沉积特性，使其在传统电子束检测难以覆盖的场景中实现突破：
背侧供电网络（BSPDN）晶圆检测
键合晶圆形成的绝缘层会阻碍电荷传导，导致传统电子束检测出现电荷累积、电子束偏折与失焦问题；PointScan 技术大幅降低单位面积电荷沉积量，有效缓解上述问题，已完成实际应用验证。
3D DRAM检测
3D DRAM 的结构特性同样易引发电荷累积，此前检测难度较高，DirectScan 技术的应用使该类器件的精准检测成为可能。
DRAM 阵列短路检测
独有的可控 “充电 - 检测” 功能，可在指定位置施加电荷后跳转至目标区域采集电压衬度信号，使特定岛状节点呈现高亮状态，清晰识别与浮空相邻触点的短路问题，该功能为传统光栅扫描技术所不具备。
四、行业落地实践与全流程应用
自 2022 年初起，eProbe 检测系统已在多家先进逻辑芯片制造工厂落地，目前两套设备投入大批量生产，第三套设备处于产能爬坡阶段，应用场景覆盖半导体制造全流程：
先进逻辑芯片制造
中段制程：GAA 栅极 - 漏极短路、栅极接触孔开路、栅极外延层 / 硅化物层开路检测
后段制程：M0 层、1X 层、2X 层系统性接触孔开路与金属布线短路检测
背侧供电网络：电源通孔、源极 / 漏极通孔接触孔开路与短路检测
随机逻辑电路漏电情况评估
先进 DRAM 制造（2024-2025 年）
外围电路：栅极 - 栅极残筋短路、栅极 - 漏极短路、字线 - 字线短路与开路检测及缺陷定位
存储阵列：基于可控 “充电 - 检测” 技术的存储节点短路检测
技术总结
在半导体制程向更精密 3D 架构演进的背景下，检测技术的创新成为保障良率的关键。DirectScan 方案通过 PointScan 靶向扫描技术、设计感知分析能力与产品特异性缺陷学习功能的融合，在保留电子束检测高灵敏度的基础上，实现了检测吞吐量的量级提升，同时破解了高难度场景的检测难题。
该技术不仅解决了先进工艺节点下缺陷“难识别、难检测” 的问题，更推动半导体检测从 “缺陷识别” 向 “工艺优化赋能” 升级，为下一代半导体制造提供了核心技术支撑和全新路径。
" src="随着半导体制程向先进节点演进，3D 晶体管架构与多层互连堆叠技术的规模化应用，使得器件缺陷的隐蔽性与检测难度显著提升。传统光学检测技术已难以满足电学相关缺陷的识别需求，而电子束检测的效率瓶颈又制约了量产应用。DirectScan检测通过核心技术创新破解了这一行业痛点，为下一代半导体制造提供了高效、精准的检测解决方案。
本文将从技术原理、核心优势、应用场景及落地实践等方面，对该技术进行系统性解析。
一、先进工艺节点的检测挑战与技术缺口
当前半导体制造技术正经历关键变革：鳍式场效应晶体管逐步被全环绕栅极（GAA）纳米带晶体管替代，中段制程（MOL）因多重图形化技术的应用，堆叠复杂度持续增加。这一变革导致致命缺陷多隐匿于 3D 结构内部，传统光学检测手段难以有效识别。
同时，先进工艺节点的缺陷呈现显著的产品特异性，集中分布于特定工艺 - 版图组合的 “热点区域”，此类缺陷由芯片设计固有的版图特征引发，成为影响良率的核心因素。
行业面临的核心矛盾在于：电子束电压衬度检测是识别电学缺陷的关键技术，但传统电子束检测采用光栅扫描模式，效率远低于光学检测，无法匹配大批量生产的需求。DirectScan 技术的出现，为破解这一矛盾提供了可行路径。
二、DirectScan 核心技术架构：PointScan 的创新逻辑
DirectScan 检测方案由eProbe 电子束检测工具、FIRE GDS 版图分析平台及Exensio 大数据智能分析平台三大核心组件构成，其技术突破的核心在于PointScan 扫描技术对传统电子束检测逻辑的重构，主要体现在以下三方面：
1
设计感知驱动的靶向检测
传统电子束检测采用无差别光栅扫描，需覆盖包括介质区域在内的全部区域，且无法识别被测目标的图形特征；PointScan 技术具备非接触式电学测试特性，可精准跳转至目标器件的关键位置（如焊盘、接触点），仅对有效检测区域实施电压衬度检测，完全规避介质区域的无效扫描，实现 “按需检测”。
2
检测效率的量级提升
通过 FIRE 平台的精细化版图分析，可精准筛选出需检测的 “关键区域”，大幅缩减检测范围：
后段制程金属 3 层通孔检测：仅需扫描总可检测面积的 2.5%
中段制程栅极 - 漏极短路检测：仅需扫描总接触点的 1%
栅极残筋检测：可规避 50%-75% 的介质区域，检测面积缩减至传统方案的 10% 以下
基于上述优化，PointScan 技术的检测吞吐量可达传统单束电子束检测设备的 20-100 倍，每小时可完成数十亿个被测器件的扫描。
3
设计感知学习与属性分析能力
DirectScan 与 FIRE 平台的深度整合，可实现跨多层版图的属性提取，包括触点类型（漏极 / 栅极）、晶体管阈值电压、极性、与扩散区隔离槽的距离等关键参数。
eProbe 输出的 KLARF格式数据含专属属性识别码，可与版图特征精准匹配，工程师可直接计算特定属性或属性组合对应的缺陷率，快速定位高风险晶体管类型与版图设计方案，为工艺优化提供数据支撑。
三、高难度场景的应用突破
PointScan 技术的低电荷沉积特性，使其在传统电子束检测难以覆盖的场景中实现突破：
背侧供电网络（BSPDN）晶圆检测
键合晶圆形成的绝缘层会阻碍电荷传导，导致传统电子束检测出现电荷累积、电子束偏折与失焦问题；PointScan 技术大幅降低单位面积电荷沉积量，有效缓解上述问题，已完成实际应用验证。
3D DRAM检测
3D DRAM 的结构特性同样易引发电荷累积，此前检测难度较高，DirectScan 技术的应用使该类器件的精准检测成为可能。
DRAM 阵列短路检测
独有的可控 “充电 - 检测” 功能，可在指定位置施加电荷后跳转至目标区域采集电压衬度信号，使特定岛状节点呈现高亮状态，清晰识别与浮空相邻触点的短路问题，该功能为传统光栅扫描技术所不具备。
四、行业落地实践与全流程应用
自 2022 年初起，eProbe 检测系统已在多家先进逻辑芯片制造工厂落地，目前两套设备投入大批量生产，第三套设备处于产能爬坡阶段，应用场景覆盖半导体制造全流程：
先进逻辑芯片制造
中段制程：GAA 栅极 - 漏极短路、栅极接触孔开路、栅极外延层 / 硅化物层开路检测
后段制程：M0 层、1X 层、2X 层系统性接触孔开路与金属布线短路检测
背侧供电网络：电源通孔、源极 / 漏极通孔接触孔开路与短路检测
随机逻辑电路漏电情况评估
先进 DRAM 制造（2024-2025 年）
外围电路：栅极 - 栅极残筋短路、栅极 - 漏极短路、字线 - 字线短路与开路检测及缺陷定位
存储阵列：基于可控 “充电 - 检测” 技术的存储节点短路检测
技术总结
在半导体制程向更精密 3D 架构演进的背景下，检测技术的创新成为保障良率的关键。DirectScan 方案通过 PointScan 靶向扫描技术、设计感知分析能力与产品特异性缺陷学习功能的融合，在保留电子束检测高灵敏度的基础上，实现了检测吞吐量的量级提升，同时破解了高难度场景的检测难题。
该技术不仅解决了先进工艺节点下缺陷“难识别、难检测” 的问题，更推动半导体检测从 “缺陷识别” 向 “工艺优化赋能” 升级，为下一代半导体制造提供了核心技术支撑和全新路径。
" class="thumb" />DirectScan 技术解析：下一代半导体电子束检测的创新路径与应用2026-06-09 14:20PChome3月17日消息，2026年GTC大会上，英伟达正式推出新一代AI计算平台Vera Rubin，整合七款自研芯片实现算力代际突破，将AI推理成本降至前代1/10，并首次提出“物理AI”概念，助力智能体跨越式发展。
这个平台的核心为七芯协同架构，包含Vera CPU、Rubin GPU等七款芯片，通过深度协同消除通信瓶颈。其中Rubin GPU采用3nm工艺，NVFP4精度算力达50 PFLOPS，较Blackwell提升5倍，训练速度提升3.5倍，单位Token生成成本降低90%，为大规模AI应用落地筑牢基础。
存储与推理方面，推出全新的BlueField-4 STX机架搭配DOCA Memos框架，可高效处理海量KV缓存数据，大幅降耗的同时将推理吞吐量提升5倍；Groq 3 LPX推理加速机架含256个LPU处理器，与平台结合后每兆瓦推理吞吐量最高提升35倍。
平台采用GPU+LPU解耦推理技术，实现万亿参数模型毫秒级响应；推出Space-1太空数据中心模块，结合自动驾驶模型推动物理AI落地，奔驰CLA车型将率先路测。黄仁勋宣布2027年AI算力营收目标1万亿美元，微软、AWS等云服务商已首批采购，中国市场也将迎来应用爆发。
PChome补充，这个平台采用100%液冷设计，PUE降至1.1以下，Rubin GPU搭载288GB HBM4显存并扩张开源生态。不过，台积电3nm良率、HBM4供应紧张及市场竞争加剧，仍是其量产和发展的主要挑战。
（文中图片来源于网络）
" src="PChome3月17日消息，2026年GTC大会上，英伟达正式推出新一代AI计算平台Vera Rubin，整合七款自研芯片实现算力代际突破，将AI推理成本降至前代1/10，并首次提出“物理AI”概念，助力智能体跨越式发展。
PChome3月17日消息，2026年GTC大会上，英伟达正式推出新一代AI计算平台Vera Rubin，整合七款自研芯片实现算力代际突破，将AI推理成本降至前代1/10，并首次提出“物理AI”概念，助力智能体跨越式发展。
这个平台的核心为七芯协同架构，包含Vera CPU、Rubin GPU等七款芯片，通过深度协同消除通信瓶颈。其中Rubin GPU采用3nm工艺，NVFP4精度算力达50 PFLOPS，较Blackwell提升5倍，训练速度提升3.5倍，单位Token生成成本降低90%，为大规模AI应用落地筑牢基础。
存储与推理方面，推出全新的BlueField-4 STX机架搭配DOCA Memos框架，可高效处理海量KV缓存数据，大幅降耗的同时将推理吞吐量提升5倍；Groq 3 LPX推理加速机架含256个LPU处理器，与平台结合后每兆瓦推理吞吐量最高提升35倍。
平台采用GPU+LPU解耦推理技术，实现万亿参数模型毫秒级响应；推出Space-1太空数据中心模块，结合自动驾驶模型推动物理AI落地，奔驰CLA车型将率先路测。黄仁勋宣布2027年AI算力营收目标1万亿美元，微软、AWS等云服务商已首批采购，中国市场也将迎来应用爆发。
PChome补充，这个平台采用100%液冷设计，PUE降至1.1以下，Rubin GPU搭载288GB HBM4显存并扩张开源生态。不过，台积电3nm良率、HBM4供应紧张及市场竞争加剧，仍是其量产和发展的主要挑战。
（文中图片来源于网络）
" class="thumb" />英伟达GTC发布Vera Rubin平台，算力与AI应用迎来新突破2026-06-09 16:33
闻瞳