AI图像增强技术提升倒装芯片互连缺陷检测能力（MCL、PVA TePla、ASE）
AI Image Enhancement Improves Detection Of Flip-Chip Interconnect Defects (MCL, PVA TePla, ASE)
AI 摘要奥地利莱奥本材料中心、德国PVA TePla与半导体封测厂商日月光联合发布研究论文，提出利用基于人工智能的图像增强技术提升微电子封装中的互连缺陷检测能力。研究指出，随着器件微型化与复杂化，传统失效分析方法在检测倒装芯片互连缺陷尤其是极低介电常数介质层裂纹时面临困难，新技术旨在通过AI图像算法提高对微裂纹等封装缺陷的检出效果。
解读
发生了什么
2026年11月，半导体行业媒体SemiEngineering报道，莱奥本材料中心（MCL）、PVA TePla与日月光（ASE）的研究人员联合发表了关于微电子封装缺陷检测的最新研究成果。该研究论文题为《基于AI的图像增强技术提升微电子封装互连缺陷检测》。研究团队指出，随着现代半导体器件尺寸持续缩小和结构日益复杂，传统的失效分析（FA）方法正面临越来越大的技术挑战。该研究重点针对倒装芯片封装互连结构中的缺陷问题，特别是极低介电常数（ELK）材料层中的微裂纹，采用AI图像增强方案来提升检测水平。
为什么重要
在先进封装制程中，倒装芯片微凸块互连结构承受着较大的热机械应力，极低介电常数（ELK）材料层因质地较脆极易产生微观裂纹，进而诱发芯片开路或击穿失效。传统的超声波显微镜或X射线无损探伤在微米尺度下受制于硬件分辨率和信噪比，常常因图像模糊导致漏判细微裂纹。封测厂商与检测设备商通过引入AI图像增强算法，可以在不彻底更换高昂检测硬件的前提下，利用算法放大微弱缺陷特征并滤除噪声。这种软硬件结合的技术方案一旦成熟，有助于缩短失效分析的定位耗时，提高复杂封装工艺的缺陷筛查效率与综合良率。
影响谁
- 先进封测制造厂商能够在现有检测设备体系上加装算法模块，加快定位倒装芯片内部隐性微裂纹，降低失效分析的人力和设备升级成本。
- 半导体无损检测设备商促使传统声学显微镜和工业成像设备厂商将AI算法集成至检测软件系统，依靠算法提升设备的微观缺陷识别能力与产品附加值。
- 高性能计算芯片设计企业封装互连层缺陷的检测精度提升，可降低芯片在长期运行工况下发生介质层断裂的概率，提高产品出厂可靠性。
背景
倒装芯片（Flip-Chip）是高性能芯片的重要封装方式，通过微焊点将芯片正面与基板直接贴合互连。为了降低互连延迟并提升数据传输速率，芯片内部普遍采用极低介电常数（ELK）绝缘介质以减少寄生电容，但此类材料机械强度较弱，在封装热压过程中极易形成内部微裂纹。传统的物理破坏性切片分析耗时长且无法复用样品，而声学无损检测在检测亚微米级微裂纹时面临成像分辨率上限。因此，利用算法增强图像边缘与对比度、突破传统物理检测的分辨瓶颈，已成为封装失效分析领域的重要探索方向。
和中国的关系
中国本土封测企业当前正在扩大倒装芯片及高密度先进封装的产能规模，ELK材料脆裂同样是提升高阶产品良率的技术难点。本土厂商与检测设备企业可借鉴该协同研发模式，利用工业AI视觉算法改造现有检测线，在控制设备投入的同时改善封装缺陷识别效率。
接下来关注
- 日月光后续公布该AI图像增强方案在实际量产检测线上的缺陷检出率与误检率指标
- PVA TePla等检测设备商是否将该算法集成进商业化声学显微检测软件并对外销售
- 该AI图像增强方法在其他高密度封装形态（如Chiplet微凸块）中的适用性与扩展进展
摘要和解读由 AI 根据公开报道整理，以原文为准。