长江存储CTO Semicon China演讲全文纪要

amao

***以下的内容以后向政府申请项目时可用得着
( a/ a% J- W! i3 ~长江存储CTO Semicon China演讲全文纪要



时代背景：每个人生活在一个数据爆炸的时代，在未来人工智能技术的家庭应用、自动驾驶、智能交通以及智能工厂和智慧城市，社会的一步步前进离不开数据的深度的应用。从数据应用来说，全球数据量每隔5年便增加5倍。公司已经开始进行Memory部分研究，并非常重视技术创新，在研发和生产将当中加深大数据的运用，这是公司所做的一些规划。
本次演讲具体将从以下方面展开：（一）公司在3D NAND技术中所做出的创新；（二）智能制造技术的未来及突破。


9 P" F2 |( m' S* G2 B5 L一、公司在3D NAND技术中所做出的创新

公司在3D NAND技术中做出了一些创新，公司目前所做的X-tacking在技术与价格方面都与现有技术相比存在不同。
首先存储器的研究存在三大难点。对于存储器，通俗来说我们可以说它分成两部分，一部分是高楼——存储单元，另一部分是平房——依靠逻辑电流去驱动的逻辑电频。这两块部分在加工工艺当中，会相互影响，就造成了存储器有些地方不能做的很小，速度不能做得很快。这会将会成为一个瓶颈。同时随着存储单元层数越来越多，将为很多供应商带来更大挑战。因为后续的工艺当中必须要进行化学机械抛光（CMP）进行磨平，抛光难度非常大，而且同时还要考虑存储器叠高以后的应力问题。第三个挑战就是在研发当中存储器的速度问题。目前业界已经开始有些好的尝试，比如说PuC：将逻辑电路放在存储单元的下面，先做逻辑部分然后再在上面做存储单元。
+ z. z& Z: N  y: z


公司所开发的方法就是：把存储单元和逻辑部分先分别在两个硅片上去做，最后是将二者键合。这样的好处是：两片是分开做的，不会相互影响。逻辑的部分线宽比较小速度比较快。因为现在速度上的瓶颈主要是在NAND，1 NAND速度比较快。在应用了这项技术以后，将能实现更小线宽和更快速度（进一步减少与1NAND速度的差距）。

如上图所示：3D NAND技术将会使得单位面积的硅片上的芯片利用率大大提高并且使die size降低20%—30%，进而有利于进一步控制成本。
( J9 p1 e# e4 `( V: r* Q- `
尤其是，当叠的层数越来越高（从64到128），这个优势将会更加凸显。上图是公司的64L，它与92L非常接近，这就是公司全新设计架构所带来的好处。。
5 x; C0 `; K5 e( L

( G6 G& K' c- ]0 }  _, ?

4 a) v6 O  }* m公司全新设计可以缩短研发周期和制造周期。从研发来说，把CMOS和Array分开加工，不仅不会相互影响还可以分开调试工艺，从而大大缩短研发周期。从生产方面，不需要从头开始，只是需要在前面CMOS部分做备料，生产周期也可以大大缩短。
二、智能制造
' ]' f- }5 r# I% X7 J% F+ r
6 v* J% z* ~0 O2 j% X9 V" K在传统生产制造中可能会遇到很多问题，例如效率的丢失、不可预测性、材料等的浪费、学习速率低、反应时间慢以及存在误判。大家都希望通过新技术的应用能够解决这些问题。


) m, r' W7 |; O3 [5 O$ t1 U& `目前公司建立了一个大数据的平台，这个平台有三个主要部分，包括MES Cloud、Engineering Analysis Cloud和ERP cloud。 在这种情况下，将数据做一些机器深度学习，使其人工智能化。其好处（对应下文的衡量标准）就包括：（1）生产质量大大提高；（2）数据分析更加智能化；（3）提升产量降低成本（4）产品质量实现控制。

所以YMTC的架构包含三部分，从数据化进入系统化自动化再走向智能化。这些公司都在实践当中，从前文中所提到的四个衡量标准来看，（1）制造角度方面应该尽量减少人为的因素，因为人的不确定性较强（甚至牺牲生产效率），另一方面也可以降低人力成本；（2）智能分析方面，如何通过智能数据分析，缩短R&D学习周期缩短，加快产能增长率。（3）生产效率提升方面，公司希望通过数据的应用和挖掘能够让资本利用率提升，成本降低。（4）质量提升方面，公司希望大数据应用，加强产品质量控制减少差距和错误。

/ }! f# e" g7 @* t上图左边就像科幻片里面的一些场景，但是我们今天通过人工智能技术将越来有可能实现。。在公司规划中，未来能够提升60%的效率速度，人员投入占据70%。

制造业中一直有一个学习曲线。从半自动开始，人到了现场才能知道具体机器的情况，单通过数据化人工智能，就能在预先设定所运行的路径，减少当中生产器材的浪费，提高效率。
6 y6 I$ L9 K0 I8 W4 t3 W7 d
在这个过程当中，包括以下几步：首先是数字化格式化，主要是把数据源作为任务，然后加入图像识别；其次是监测系统，将sensor埋入并作整合，在数据的监控系统，机器学习中的数据应用和分析逐步进行推进，将深度学习应用于生产，然后生产产品实现优化；同时在数据分析判断和决策方面，公司也会有一些新的尝试。
$ x; E/ m( L5 z* l2 m- w$ `5 ?: T
# L7 n' w% e# l以上是一个在图像识别中应用的例子。这里面公司通过WIS进行Track，实现分光后形成不同光谱，进行监测便能自动识别wafer上的问题，在效率上得到很大提升。
  a" k$ L' N( C! \: p
特别地，将来这些系统还可以跟机台里面的MPC数据再去结合，可以帮助人类做更多的事情。
, H( w+ k' ?$ |9 F
3 }6 K) U" M' H  ]上图是在设备方面的提高，通过后台数据的分析，可以分解每个设备的生产状况，进而去寻找机会点去提高设备的运转效率，这都是非常好和非常重要的尝试。公司也乐于积极与一些设备厂商进行合作。现在基本上几年之后就需要更换设备中的某些parts，到了一定的lifetime，通过parts在基台运行时的某些线性指标，判断出parts将要损坏，那将来就有可能实现parts的lifetime stay，这样可以降低成本，同时保证生产上不出现任何问题。此外在建设新工厂时也有应用，很多新设备运行前需要进行试验，这都是一些新的断点，非常容易带来工艺上的问题，在这过程中公司开发了一套大数据比对的系统，就像查询设备的“指纹”，通过数据对比，对照号码，分析基台repeats，可以减少人为判比，毕竟每天生产线和整个工厂的数据加起来接近上亿，单靠人工是无法完成的，通过大数据和人工智能，则可以实现先前无法完成的工作。
最后在大数据下，人工智能如何保证产品质量。最初只有将产品递交给客户才知道问题，其次是在测试中发现问题，未出fab和当前step下就发现问题，但最佳的是能够预测产品质量，也就是产品质量都可以通过数据分析从每一步的进度进行预测，简单而言，将当前step下的数据和先前的优质产品对比，如果出现差别，当前就需要进行可靠分析后，才可移交下一step。此外，当设备某些线性指标出现问题时，该设备就需要停下，不能再将其置于wafer process中，这正是将来在预测方面可以打开的空间。
6 R4 Y% L5 b8 ^+ l( A下图是公司的梦想新工厂，目前正逐步将设备移至新工厂中，也是当前全中国大陆status最大的fab工厂。
1 X' }3 o' `6 i  _9 z+ R
9 }& f* i$ H( I5 d最后总结来说，大数据给公司提供了很多可能性，最终公司希望能实现智能化，正如前段时间上映的《流浪地球》中的moss代替人类做决定一般，未来公司也希望通过大数据和人工智能的全面应用，让设备实现自主判断。
2 b' ^1 P& c& [- P' A8 T9 C
( W  T6 N: S2 K; |) F; R. @% w

dzkcool

看上去前景一片光明啊

sip2050

了解了解

ytmgadw

长江存储的ＳＩＰ方面还不是很成熟