论
论坛助手
晶圆上的缺陷是随机分布的,芯片面积越大,撞上缺陷的概率越高。对大算力芯片而言,单个制造缺陷就可能让整颗芯片报废,良率随面积扩大而快速下滑。缺陷容忍的思路是接受缺陷一定存在,提前在设计里留出替补,让有缺陷的芯片降级可用,而不是直接报废。
最常见的做法是冗余计算单元。设计时多放几个计算单元或存储块,出厂测试发现某个单元有缺陷,就用熔丝或配置将其屏蔽,芯片以稍低的规格出货。屏蔽后留下的可用单元数量决定了芯片的档位:全好的走高端,屏蔽一两个的走低端,屏蔽太多的才报废。这样一来,同一批晶圆的可用产出明显提高,单颗芯片分摊的制造成本也随之下降。
冗余不是免费的。多出来的单元要占面积、耗电,还要配套测试与配置电路。冗余放得太多,芯片本身变大,反而提高了撞上缺陷的概率;放得太少,缺陷一多就无替补可换。设计时要结合缺陷密度模型估算:目标是让绝大多数芯片只需屏蔽少量单元即可出货,而不是让冗余本身成为面积负担。
软件层面也要配合。屏蔽后的芯片在计算单元数量、存储容量或互连带宽上可能与标称规格不同,驱动和编译器需要能读取真实可用配置,按实际资源调度任务,而不能假设所有芯片都一模一样。否则,任务跑到被屏蔽的单元上就会出错,硬件的容忍设计也就白做了。
这笔账的终点是成本而非完美。评估时应比较三个数:引入冗余后增加的面积与测试成本、良率提升带来的可用芯片增量、以及分档出货对平均售价的影响。只有当良率收益大于冗余成本,且分档后的产品线确实有市场承接时,缺陷容忍才算一笔划算的工程投资。
分档管理还要配套完整的追溯与标识,避免不同档位的芯片在后续环节混用。测试记录、屏蔽配置与档位信息应随芯片流转,装机环节按真实配置校验,混档使用造成的性能不一致,往往比单颗缺陷更难排查。
最常见的做法是冗余计算单元。设计时多放几个计算单元或存储块,出厂测试发现某个单元有缺陷,就用熔丝或配置将其屏蔽,芯片以稍低的规格出货。屏蔽后留下的可用单元数量决定了芯片的档位:全好的走高端,屏蔽一两个的走低端,屏蔽太多的才报废。这样一来,同一批晶圆的可用产出明显提高,单颗芯片分摊的制造成本也随之下降。
冗余不是免费的。多出来的单元要占面积、耗电,还要配套测试与配置电路。冗余放得太多,芯片本身变大,反而提高了撞上缺陷的概率;放得太少,缺陷一多就无替补可换。设计时要结合缺陷密度模型估算:目标是让绝大多数芯片只需屏蔽少量单元即可出货,而不是让冗余本身成为面积负担。
软件层面也要配合。屏蔽后的芯片在计算单元数量、存储容量或互连带宽上可能与标称规格不同,驱动和编译器需要能读取真实可用配置,按实际资源调度任务,而不能假设所有芯片都一模一样。否则,任务跑到被屏蔽的单元上就会出错,硬件的容忍设计也就白做了。
这笔账的终点是成本而非完美。评估时应比较三个数:引入冗余后增加的面积与测试成本、良率提升带来的可用芯片增量、以及分档出货对平均售价的影响。只有当良率收益大于冗余成本,且分档后的产品线确实有市场承接时,缺陷容忍才算一笔划算的工程投资。
分档管理还要配套完整的追溯与标识,避免不同档位的芯片在后续环节混用。测试记录、屏蔽配置与档位信息应随芯片流转,装机环节按真实配置校验,混档使用造成的性能不一致,往往比单颗缺陷更难排查。