업계가 2나노미터 이하 공정으로 전환하면서 칩 테스트, 계측, 검사, 제조 단계는 더 이상 명확히 분리된 작업이 아니다. 치수가 옹스트롬 범위에 가까워질수록 오차 허용 범위는 줄어들고, 단 하나의 원자 수준에 이를 수 있는 극히 작은 변화도 칩의 동작이나 신뢰성에 영향을 미칠 수 있다. Semiconductor Engineering이 2026년 9월 10일 발표한 분석은 이러한 상황이 제조업체와 시스템 설계업체로 하여금 제품 전체 수명 주기에 걸쳐 데이터와 테스트 흐름을 재구성하도록 이끄는 과정을 보여준다.
이전 공정 노드에서는 기판의 두께와 구조의 안정성이 일정한 여유를 제공했기 때문에 일부 제조 문제를 분리하거나 이후에 처리할 수 있었다. 그러나 첨단 공정에서는 다이가 더 얇아지고, 칩렛과 3D 패키징, 하이브리드 본딩에 대한 의존도가 높아지고 있다. 일반적인 웨이퍼 프로브가 산화물 층이나 비아를 손상시킬 수 있으며, 임시 물질을 제거한 뒤 남은 나노 입자 하나가 고가의 멀티다이 패키지를 불량 제품으로 만들 수 있다.
테스트는 더 이상 한 단계가 아니다
Siemens EDA의 자동차 집적회로 솔루션 디렉터인 Lee Harrison에 따르면, 일부 고객은 실제 본딩에 사용될 연결 지점을 검사하는 대신 최종 구조를 보호하기 위해 희생 지점을 사용한다. 하이브리드 본딩과 초박형 웨이퍼의 사용이 늘어나면서, 측정 중 손상될 수 있는 하이브리드 연결부 자체를 테스트하려 하기보다 본딩 전이나 후에 검사하는 방식이 더 적합할 수 있다.
이러한 변화는 시스템 설계에도 영향을 미친다. Synopsys에서 멀티다이 및 3D IP 전략 제품 관리를 담당하는 Rob Kruger는 인공지능 데이터센터가 제조 문제에 대비해 여분을 갖춘 서버 클러스터로 향하고 있다고 말했다. 3D 연결부나 멀티다이 패키지의 결함은 단일 경로가 아니라 대규모 기능 집합에 영향을 미칠 수 있다. 따라서 다이는 패키징 전후에 테스트되며, 복구 또는 재분배 메커니즘이 사용되고, 이러한 방식은 UCIe와 3D 통신에도 적용된다.
실제로 이 접근 방식은 신뢰성 여유의 일부를 개별 다이에서 패키지와 시스템 수준으로 옮긴다. 또한 계층적 테스트, 내장 자체 테스트, 작동 중 주기적 테스트를 활용해 광범위한 장애가 발생하기 전에 유지보수가 필요한지 발견할 수 있게 한다.
문제는 결함의 수만이 아니다
구조가 작아질수록 검사 장비의 민감도는 높아지지만, 더 높은 민감도가 반드시 더 나은 결정을 의미하는 것은 아니다. Onto Innovation의 사업개발 수석 디렉터인 Prasad Bachiraju는 검사 장비가 웨이퍼에서 수백만 개의 지표를 포착할 수 있으며, 여기에는 결함처럼 보이는 정상적인 국부 변화도 포함된다고 말했다. proteanTecs의 솔루션 엔지니어링 부사장인 Noam Brousard는 검사 신호만으로는 해당 지표가 실제 기능 문제나 신뢰성 문제로 이어질지를 판단하기에 더 이상 충분하지 않다고 설명했다.
따라서 제조업체는 공정 변화, 온도, 전압과 같은 여러 지표를 수집한 뒤 이들 사이의 관계와 실제 논리 회로에 미치는 영향을 분석해야 한다. 어떤 경우에는 온도 상승이 정상일 수 있지만, 적층 구조에서는 열 결합이나 자체 발열로 인해 인접 층의 타이밍 여유가 줄어들 수 있다. 이는 단순히 온도를 측정하는 것과 온도가 실제로 타이밍에 위험을 초래했는지를 판단하는 것의 차이를 보여준다.
측정 정확도는 패키지 내부까지 확장된다
층이 얇아지고 패키징 밀도가 높아지면 웨이퍼 표면만 모니터링하는 것으로는 충분하지 않다. Bruker Semiconductor의 제품 마케팅 디렉터인 Juliette Vandermeer는 웨이퍼에서 알려진 휨이 미세 균열과 관련될 수 있으므로 금속 층 내부를 더 깊이 살펴봐야 한다고 지적했다. X선 회절 이미징이라고도 알려진 X선 단층촬영을 사용하면 이러한 문제가 구조적 붕괴로 이어지기 전에 발견할 수 있다.
분석에 따르면 이 단계의 공정 사양은 옹스트롬 범위에서 제어되어야 하며, 측정 사양은 1옹스트롬보다 낮은 수준에 도달해야 한다. 또한 층 성장 초기 단계, 온도 제어 또는 계면 거칠기에서 발생한 오류의 영향이 최종 단계까지 전달될 수 있으므로 각 단계를 서로 분리하는 것은 점점 현실성이 떨어진다.
certi.news의 해석: 데이터가 제조 계층이 되다
가장 중요한 변화는 단순히 새로운 측정 장비를 추가하는 것이 아니라, 데이터 자체가 설계, 제조, 패키징, 테스트, 작동을 연결하는 조정 계층으로 전환된다는 점이다. Lam Research의 자회사 Semiverse Solutions에서 최고 인공지능 책임자 겸 수석 부사장을 맡고 있는 David Fried는 시뮬레이션, 모델링, 가상 최적화가 가능한 모든 변동의 경계를 파악하기 위해 막대한 수의 물리적 부품을 시험하는 의존도를 줄이는 데 도움이 된다고 말했다. 그러나 이 출처는 복잡성을 없애는 해결책을 제시하지 않는다. 수백 개의 공정은 여전히 함께 작동해야 하며, 하드웨어만으로 모든 변동 공간을 탐색할 수는 없다.
이는 PDF Solutions의 최고경영자인 John Kibarian이 설명한 오케스트레이션 계층과도 관련된다. 이 계층은 제품 엔지니어링 데이터와 PLM, ERP, MES 시스템을 제조 수율 데이터 및 설계 자동화와 연결한다. 목표는 패키징 전에 칩이나 다이가 가장 적합한 경로를 파악하고, 인공지능 시스템이 고립된 데이터가 아니라 전체 상황에 기반해 결정을 내릴 수 있도록 하는 것이다.
칩 제조업체와 EDA, 테스트, 계측 장비 공급업체의 경우 이는 경쟁이 개별 장비의 정확도에만 국한되지 않는다는 뜻이다. 한편 3D 패키지, 멀티다이 시스템, 대규모 데이터센터를 설계하는 기업은 고장을 발견하고 정상적인 변화와 구별하며 배포 후 신뢰성을 관리하는 능력에 직접적인 영향을 받는다. 이 규모의 데이터를 처리하는 데 필요한 인프라 비용, 공급업체 간 데이터 표준화 방법, 자동화 시스템이 언제 인간의 개입 없이 복구 또는 재지정 결정을 내릴 수 있는지에 대해서는 여전히 해결되지 않은 질문이 남아 있다.