AI半導体の供給能力はウェハーとパッケージだけでなく、必要な故障カバレッジを許容時間内で実行できるATE、プローブ、ソケット、ハンドラー、解析能力によって決まる。テスト削減ではなく、製品価値に応じた選別と再利用可能な診断が出荷量を増やす。
この記事の要点
- 01
複数ダイとHBMを統合するほど、故障位置と責任分界の特定が難しくなる
- 02
高価な製品ではテスト不足の返品損失が大きい一方、長時間テストは設備能力を消費する
- 03
テスト経済性は秒数だけでなく、並列度、再試験率、ビニング、フィールド不良で測るべきである
テストは出荷前の最後の能力変換工程
AIアクセラレーターは巨大ロジック、HBM、基板、電源、複数の高速リンクを一つの製品として出荷する。各部品が個別に合格しても、組み合わせ後の信号、熱、電源、タイミングで不良が現れるため、最終検査の範囲は広がる。
Advantestの経営陣は、HBMやAI・高性能半導体の複雑化がメモリおよびSoCテスター需要を押し上げていると説明している。テスターは品質確認装置であると同時に、良品を市場へ変換する生産設備になっている。[1]
高価な製品ほどテストを短くできない
製品単価とシステム停止損失が大きいほど、初期不良や限界条件の見逃しは高くつく。温度、電圧、周波数、メモリ、リンク、長時間負荷を試すほど故障検出力は上がるが、デバイス当たりの占有時間も増える。
AIアクセラレーターの研究は、故障位置とAIタスクの精度影響を結び付け、欠陥のある演算要素を選別・無効化して製品をビニングする方法を示す。全てを完全良品と判定するだけでなく、用途別に使える能力を残す設計が歩留まりを改善し得る。[2]
テスト並列度には電力と信号の限界がある
複数デバイスを同時に試験すれば装置当たり出荷量を増やせるが、高電力AIチップでは電源容量、発熱、接触抵抗、高速信号の品質が並列数を制限する。プローブカードやソケットの摩耗も停止時間と誤判定を増やす。
HBMでは多数のチャネルと積層ダイを検査し、ロジックとの統合後にも再確認する必要がある。工程ごとのテストを増やしすぎると重複コストが発生するため、ウェハー、ダイ、パッケージ、システムのどこで何を検出するかを分担しなければならない。
秒数ではなく不良除去コストを見る
テスト時間を削ると装置能力は増えるが、再試験、返品、故障解析、顧客停止が増えれば総コストは悪化する。逆に全項目を長時間実行すると、低リスク製品にも高価な検査能力を使う。製品ビンと顧客用途に応じた適応的テストが必要になる。
今後の監視項目
- AI/HBM向けテスターの納期・設置台数・利用率
- 工程別のテスト時間と再試験率
- 高電力デバイスの同時測定数と熱制約
- ビニングによる良品回収率とフィールド不良率
一次資料・参照資料
- 01報道ENJapan's Advantest says AI demand boosting memory tester business ↗
Reuters
- 発表日
- 2024-06-12
- 取得日
- 2026-07-15
対応する論点: テストは出荷前の最後の能力変換工程 / 秒数ではなく不良除去コストを見る
- 02論文ENYield Loss Reduction and Test of AI and Deep Learning Accelerators ↗
arXiv
- 発表日
- 2020-06-08
- 取得日
- 2026-07-15
対応する論点: 高価な製品ほどテストを短くできない / 秒数ではなく不良除去コストを見る
更新・訂正履歴
- 公開
初版公開