什么是虚拟量测（VM）？半导体工厂为什么需要它
虚拟量测（VM）利用设备实时数据和AI算法精准预测晶圆工艺质量，实现100%全检覆盖、毫秒级反馈，是智能晶圆厂降本增效的核心技术。
虚拟量测：让每一片晶圆都”被检测”
在半导体制造中，物理量测（Physical Metrology）是保障晶圆质量的关键环节——通过光学或电学手段对晶圆进行测量，确认薄膜厚度、线宽、刻蚀深度等工艺指标是否达标。然而，物理量测存在几个难以回避的痛点：
- 耗时长：一次量测可能需要数分钟甚至数十分钟，严重拖慢产线节拍
- 成本高：量测设备价格昂贵，维护成本同样不低
- 只能抽检：受限于产能，通常只对5%-10%的晶圆进行量测，大量晶圆处于”盲区”
虚拟量测（Virtual Metrology, VM）正是为了解决这些问题而诞生的。它利用设备在加工过程中产生的传感器数据（如温度、压力、气体流量、射频功率等），结合AI预测模型，实时推断晶圆的工艺质量指标——无需实际进行物理量测，即可获得对每一片晶圆的质量评估。
VM的工作原理
虚拟量测的核心思路可以概括为三步：
- 数据采集：在晶圆加工过程中，从设备的各类传感器实时采集工艺参数（FDC数据），通常包含数十到数百个维度
- 特征工程与建模：利用历史数据，结合少量真实物理量测结果作为标签，训练机器学习或深度学习模型
- 在线预测：当新的晶圆加工完成后，模型根据实时传感器数据，毫秒级输出质量预测值
这意味着产线可以从“抽检”升级为”全检”——每一片晶圆都有对应的质量预测结果，为后续的R2R自动调机和异常检测提供数据基础。
VM带来的核心价值
1. 大幅降低量测成本
通过VM替代部分物理量测，晶圆厂可以减少量测设备的使用频次和数量，释放量测产能瓶颈。
2. 更早发现工艺异常
VM可以在加工完成的瞬间给出质量预测，而不需要等待排队量测。这意味着异常晶圆能被更早拦截，减少后续工序的浪费。
3. 支撑良率持续优化
全量的质量预测数据为工艺工程师提供了更丰富的分析维度，帮助定位良率波动的根因，加速工艺优化。
落地VM的关键挑战
尽管VM的价值已被广泛认可，但在实际部署中仍面临一些挑战：
- 模型精度：传感器数据的噪声和漂移会影响预测准确性，需要持续更新模型
- 设备漂移：随着设备老化或维护（PM），工艺状态会发生变化，模型需要具备自适应能力
- 小样本问题：新工艺或新设备投产初期，缺乏足够的标签数据来训练高质量模型
解决这些问题，需要在算法层面引入迁移学习和在线学习机制，同时在工程层面通过SECS/GEM协议实现设备数据的标准化采集。
VM的最佳实践：边缘部署
将VM模型部署在设备边缘端，而非集中式的云端或MES系统中，是目前业界的最佳实践方向。边缘部署的优势在于：低延迟推理、数据不出厂、不侵入现有IT架构。
迈烁集芯的NeuroBox边缘智能平台正是面向这一场景设计的——支持在设备端直接完成VM推理，实现毫秒级的全量质量预测。
