0

0
1

文字

分享

0
0
1

陳良基:我會跟外星人交朋友

鄭國威 Portnoy_96
・2017/09/08 ・5932字 ・閱讀時間約 12 分鐘 ・SR值 528 ・七年級

-----廣告,請繼續往下閱讀-----

陳良基部長接受泛科學訪問。圖/BY 泛科學

1956 年夏季,由約翰·麥卡錫(John McCarthy)、馬文·閔斯基(Marvin Minsky)、克勞德·夏農(Claude Elwood Shannon)等科學家組織的達特茅斯會議(Dartmouth Summer Research Project on Artificial Intelligence)邀集了數十位科學家,花了兩個月時間探討,並確認了「人工智慧」作為一門學門的誕生。就在約略同時,陳良基出生於在雲林縣的新湖村。

61 年之後的現在,陳良基成為科技部成立後第四任部長,上任後力推人工智慧,同時也接手處理諸多棘手挑戰,包括研究誠信爭議、高等人才流失、以及科技部定位模糊等。帶著來自泛科學社群的好奇,我去找了陳部長聊聊。

「僵化啦,就是什麼都動不了!」

一開始就直率到讓我呵呵笑的科技部長陳良基,戴著眼鏡,穿著標準的「教授牌」直條紋白襯衫跟深灰色的西裝褲。在他位於科技大樓的辦公室中,書架上看過去都是專業科研期刊,大大的茶几上放著一個不大的地球儀,除外沒有什麼多餘的擺飾。

直率的科技部長陳良基,戴著眼鏡,穿著標準的「教授牌」直條紋白襯衫跟深灰色的西裝褲。圖/泛科學

下注在年輕科學家身上

對被稱為「點子王」的陳良基來說,公務機關的確沒那麼好施展,那又該怎麼做呢?上任立即拋出研發、創新產業、人才培育三大目標,他強調:

-----廣告,請繼續往下閱讀-----

「小國大戰略,小國不代表沒機會,但要策略精準。」

陳良基認為基礎科學非常重要,基礎科學有突破才能有後續。如果從諾貝爾獎來分析,大部分諾貝爾獎得主的發明與發現是在他們 25 到 37 歲之間完成的,所以若真的要爭取諾貝爾獎,他認為關鍵在於先讓年輕的學者跟學生有好的發展機會,而年輕學者更該是科技部投資的主要標的,因為年輕學者可以帶出優秀的學生。

為此,陳良基要求科技部提出特殊獎勵方案,希望能有一筆專門的經費來養成年輕學者,在基礎科學領域深耕,讓他們的想像力能有機會實現。

方案規劃一年選出五十位年輕學者,以五年為期,給予數百萬等級足夠經費,最重要的審核標準就是想像力跟原創性。「年輕學者的養成,想像力比知識重要,要讓科學家帶領我們」,他稱之為「愛因斯坦計畫」。

陳良基要求科技部提出特殊獎勵方案,希望能有一筆專門的經費來養成年輕學者,在基礎科學領域深耕,讓他們的想像力能有機會實現。圖/BY Weipeng_Lin@Pixabay

除此,陳良基認為台灣的年輕科學家要能離開本地,在國際學術上有地位,於是他另提出與「愛因斯坦計畫」銜接的「哥倫布計畫」,鼓勵 40 歲以下的科學家探索科技新大陸、爭取國際學術地位。這項計畫經費增加到每年千萬等級,五年一期。兩個計畫加起來,預計每年能讓 80 位台灣最優秀的科學家突破既有限制。在四年的前瞻計畫期間內,就可以讓將近 300 位嶄露頭角。後續若效果不錯,陳良基希望能納為年度計畫,讓一代又一代的生力軍一棒接一棒。

-----廣告,請繼續往下閱讀-----

「我們賭在年輕學者上,等他們以後有機會,可以反過來帶領台灣,」他說。

基礎研究由專業主導,專案研究重在地需求

投資在年輕人身上說起來政治正確,不過科學研究領域那麼多那麼雜,要如何平衡發展?

回到小國大戰略的基礎,陳良基認為平衡是假議題,基礎研究不能講求平衡,而是要交由專業來判斷。當然,針對不同的專案,政府還是有考量,畢竟不是每個領域,台灣都要或都能投入大筆經費。例如在地震頻發的台灣,就設有國家地震工程研究中心,他認為像這種特定主題沒有平衡的問題,而是每年都要投入固定經費。陳良基更表示,他一直認為台灣是個海洋國家,在海洋科學上就該投入更多才對。

講到這,就不得不提到目前國內外都大力投入的人工智慧了。陳良基認為人工智慧是台灣產業躍升最重要的一波機會,科技部也將在未來 5 年投入 160 億,推出五大計畫,第一要建立大規模的共用高速運算環境,讓 AI 技術服務公司可以運用,再者則是創設 AI 創新研究中心,形成世界級的研發聚落,培養人才。第三是打造智慧機器人基地,讓軟硬整合。第四要讓台灣的強項半導體結合 AI ,以射月計畫協助半導體產業進入 AI 時代。最後則是帶動社會參與,舉辦科技大擂台,廣邀好手挑戰重大課題,第一波擂台挑戰就是「與 AI 對話」,以電腦的中文聽力理解為競賽主題。

陳良基認為人工智慧是台灣產業躍升最重要的一波機會,科技部也將在未來 5 年投入 160 億,推出五大計畫。圖/BY geralt @ Pixabay

以第四項半導體射月計畫來說,陳良基特別強調「AI Edge」,也就是 AI 在終端的應用。再往五年後、也就是 2022 年去想,到時全面進入物聯網社會,大家使用的設備將會激增,都將具有深度學習能力。要讓這不遠的未來能夠真的實現,現在就要開始開發能源損耗更低、待機時間更長、能讀寫快速及擁有智慧運算能力的記憶體。另一重點就是要做出高效率、高靈敏度的感測器,因為智慧終端裝置要靠這些感測器才能獲取環境中的資訊。

-----廣告,請繼續往下閱讀-----

「大家都說雲端,但台灣沒有太多機會,終端其實對台灣其實比較有優勢。」

陳良基認為科技部是扎根的角色,自己小時候種田,這經驗讓他特別重視「生態系統」,他認為要讓產業邁向前沿,有好環境最重要,因此「要讓養分均勻、好好施肥澆水除草,不是只看開花結果。」

科技部是每個部會的前哨

但等等,聽起來科技部是不是越來越像經濟二部了呢?這樣的批評聲音其實不是最近才出現,從國科會時期就有,陳良基也知道,但他認為真正的關鍵不是讓科技部回歸某種單純的角色,而是要認知「科學、科技、與創新的生態循環速度變得越來越快了」這樣的現實。

陳良基認為科學是為了滿足人類的好奇心而去探索未知,這是第一步;第二步是開發,第三步是交付,也就是成為產品。科學家的嘗試,後來變成社會的常識,就是進步。在以前,這一二三步分得很清楚,如今循環越來越快,雖然分工還在,但不同部會觀察循環時自然會更注意效益,也就是各自的社會使命跟責任。

陳良基直言,大家也不希望資源投入時亂槍打鳥,如果能知道其他部會的目標,方向才準確。他認為科技部的位置還是在最前沿,扮演每個部會的前哨去「面對未知,先搞清楚怎麼做,然後再交給其他部會。」

-----廣告,請繼續往下閱讀-----

陳良基表示,如今變動來的又快又急,科技部身為政府單位在前沿投入,得多想一下可不可能產生什麼效益,但他認為跟經濟部還是很不一樣。

「我以前在大學教創新,重點就是價值鏈。在價值鏈中,每個人貢獻一部分,那誰可以掌握最高的價值?答案是循環最快的才能掌握價值,能夠越快交付,才能掌握整個價值鏈的最大產出。」

這幾年你可能也覺得前沿科學獲得應用,產品化或服務化的速度越來越快。我們不也一直期待政府能夠轉得快一些,別像《動物方城市》裡頭的樹懶那樣慢慢來。只是這轉啊轉的,是不是有什麼東西被甩出去了呢?例如……學術倫理與研究誠信?

陳良基部長認為科技部的位置還是在最前沿,扮演每個部會的前哨去「面對未知,先搞清楚怎麼做,然後再交給其他部會。」圖/泛科學

要讓想用科技騙科技部的錢的人付出代價

台大前陣子發生的論文造假事件餘波盪漾,對與台大有深厚淵源的陳良基來說,他以一貫的工程人思維把問題分成兩類:一是發明,二是發現。發明,也就是做出東西來,當然要確保可以再現,造假的機會少。而發現就比較複雜,有時一位科學家可能是全世界第一個發現某件事的,可是萬一只是「推測」為發現,又急著發表,就會出問題。萬一這個現象不是真的,誰看到算數?大家都說有圖有真相,然而圖片處理技術快速提升,也讓真相撲朔迷離,不過若想抓出造假,也得靠科技。陳良基說:

「我們要對納稅人交代。只要抓到造假,用錢的人跟用錢的單位,就要把所有科技部的錢吐回來。學校拿科技部的錢可能是幾億,這樣壓力很大。嚇阻是為了預防,造假者想得名得利,就要讓他們名利都得不到。」

陳良基認為,科技部設立研究誠信辦公室,重要的工作是跟國際上其他學術倫理單位能對接,國際上風吹草動,台灣要能掌握,但是針對研究有沒有造假,還是要回到各個專業領域來判別,也才符合科技部強調專業的本色。陳良基得知在天文研究領域,因為天文科學研究設備都超級昂貴,所以非常要求資料公開與共享,所有的實驗研究資料,都要登錄到一個單位,由一個獨立法人來管理。他想或許其他領域也可以效法,會請國研院邀請各領域專家來看看是否可行。

-----廣告,請繼續往下閱讀-----

科學傳播是門專業

要是希望民眾對科學界的印象不要被幾樁醜聞給搞壞,或許科學傳播就是關鍵。在今年 7 月 28 日舉辦了一場公聽會,立委黃國書等人針對科學技術基本法修正之後增加的科學普及經費用途跟用法做了討論,包括泛科學在內的諸多台灣科學傳播與教育公司都到了現場提出意見,兩個多小時的溝通,陳良基全程參與。他認為科學普及或科學轉譯是門專業,自己也驚訝於台灣有那麼多人投入科普,他認為科技部應該邀請這些專家來規劃,在專家的想法上往前跑,第一步就從成立諮詢委員會做起。

近來諸多社會爭議都有科學面向,科學家介入解釋的角色吃重,陳良基認為科技部培育了不同領域的科學家,他們若願意,可以對這些議題發聲,不只是自然與應用科學,像是同婚議題就需要社會科學領域專家的意見,讓專家告訴大家,專業對這些議題的想法是什麼。「我們會鼓勵。如果部會需要專家,科技部可以提供名單」,陳良基快速算了一下表示,國內有 48,000 多位教授,科技部每年支持約 30,000 名研究者,這些人都可以提供社會往前邁進所需的知識。

實際上的情況或許沒那麼樂觀。在台灣,科學傳播對教授來說算不上吸引人的差事,儘管科技部的確有科教學門,但升等是由教育部來決定,無法列為升等條件的科學傳播工作對年輕的助理教授或副教授來說甚至有負面影響。陳良基認為,學門經費怎麼用,還是由領域內專家自己決定為妥。如果專家認為科學傳播值得鼓勵,那自然就會列入。專家可以研究科學傳播,或是投入人才培育,不過這都要由專業學者來決定。

那到底誰來決定?不只是科學傳播,科技部計畫的審查制度也不乏批評。陳良基為解決這問題,要求所有科技計畫的審查委員都必須公開,而且要年輕化。

-----廣告,請繼續往下閱讀-----

「我對外說過,當過政務官、大學校長、或掌握過較高權勢的,都不可以再來擔任科技部的審查委員。」

他上任之後要求科技部的審查委員會的審查委員必須有一半以上年紀低於 50 歲。

問題會發生,通常是環境造成,就像田裡的作物長不好,怪在作物上頭沒意義,他認為不該執著於個案,而是要從改變環境著手。

圖/BY lumix2004 @ Pixabay

那又是什麼樣的環境造就了陳良基呢?在他念小學時,兩位華人科學家楊振寧、李政道的成就讓他迷上了科學,從小也喜歡動手自己做,更早早立下了當個工程科學家的志向,如今也貫徹始終地達成了。但如果在另一個平行宇宙有重新選擇的機會,他會希望自己的人生走上別條路、做些別的事情嗎?他想了想:

「我還是喜歡做東西,看到問題,就去想怎麼做個東西來解決掉」。

「所以不改其志囉?」我問。

「不改。」他堅定地說。

但當上科技部長,能夠不改其志嗎?若是非得執行某些政治上有壓力,但是卻「不科學」的任務,該怎麼辦呢?他笑著表示,目前還沒有遇到,但是「如果我有夠清楚的資料,我還是會反應」。

-----廣告,請繼續往下閱讀-----

由於各項任務正在加緊腳步推展,陳良基說每天真的太忙了,沒什麼時間看書,大概就是翻翻《科學人》、《科學發展》,以及專業的科學期刊,許多跟人工智慧有關,因為其實他在台大時就開始研究人工智慧晶片,加上現在推行的任務,都得對研究趨勢有所掌握。

對他來說,做研究是自己喜歡的事,但研究的辛苦還是不在話下,所以當他看到假新聞、偽科學流傳,總忍不住氣憤,覺得自己做研究那麼累,卻總是有人胡說八道,有時在 LINE 上頭收到朋友傳來這類訊息,也覺得頭疼。他開玩笑說還好當部長之後「沒什麼朋友了」(P 編:驚!)。

跟外星人交朋友吧

「網路真的太多錯誤訊息」說到這,還以為他要痛斥某個案例,但他卻接著說「但這也代表大家對於科學議題有好奇心,不然大家也不會被這些偽科學吸引,所以其實可以正面思考。」他認為有些人聳動地說 AI 會讓人沒有工作、甚至毀滅世界,他就不認為這是正確的論述(P 編:Elon Musk ,你攻跨邁?),若他有機會能傳遞更多正面且正確的訊息,一定會把握。

好吧,人工智慧會不會毀滅世界,這問題我們看著辦。

圖/BY SoundTrackUniverse @ Pixabay

但說到世界毀滅的原因,外星高等文明也是選項之一。知名科學家霍金就曾警告人類,別跟外星人聯絡,「閉上嘴巴」,不然可能重蹈哥倫布到達美洲後,美洲原住民曾遭遇的悲劇。而科幻作家劉慈欣在著名小說《三體》中提出的黑暗森林法則,如今也成為對費米悖論的一種主流回答。

「如果部長是全世界唯一一個在地球上發現高等外星生命的,會怎麼做呢?」

訪問到最後,我很跳痛但認真問陳良基這個問題,因為我自己也時常自問會怎麼做:我要趁「他」不注意下手幹掉「他」嗎?我要把「他」囚禁起來嗎?還是跟政府報告把「他」拿去做研究呢?種種殘忍的選項在我腦中始終沒有個結論,我想知道身為科技部長的他會選哪一個殘忍的選項。出乎我意料地,陳良基說:

「我會表達地球人的歡迎之意,表達好客,有閒來坐啦!」

他接著說,

「可能是因為我成長的背景在窮困的鄉下,看到的陌生人都是比我們有錢的,對人家表示歡迎還是比較可以避免侵犯的方式啦!」

嗯,真是個正面思考的部長啊。

-----廣告,請繼續往下閱讀-----
文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1503 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。

0

0
0

文字

分享

0
0
0
矽光子量產在即,但20年的老規範還能測CPO嗎?
宜特科技_96
・2026/07/01 ・3467字 ・閱讀時間約 7 分鐘

本文轉載自宜特小學堂〈矽光子可靠度驗證該依循哪個規範?當老規範GR-468遇上新科技,系統如何順利Bring-up?〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

台積電在 2026 年技術論壇中明確指出,隨著製程邁入 2 奈米奈米片(Nanosheet)時代,AI 算力的延續必須仰賴《晶片版三層蛋糕論》,涵蓋運算、異質整合與 3D IC,以及最關鍵的「光子(Photonics)」。誠如台積電高層所言:「談到運算能力,電子無可匹敵;但談到訊號傳輸,光子則更勝一籌 。」

未來資料中心的傳輸勢必由電子轉向光學,而台積電的矽光子先進封裝平台 COUPE(緊湊型通用光子引擎,Compact Universal Photonic Engine) 也已搭載到基板上,並宣告今年將進入量產階段。NVIDIA、Intel、Broadcom 等大廠也爭相搶進 CPO(Co-Packaged Optics,共同封裝光學)賽道。

-----廣告,請繼續往下閱讀-----

然而,當光電元件從「獨立模組」轉向「高度整合」的晶片封裝時,可靠度驗證的複雜度已不可同日而語。

面對工程師最常問的:「那規範在哪裡?」


實務上,目前業界針對 CPO 或矽光子產品還沒有單一且完全專屬的標準,最權威的依據仍是經典的 Telcordia GR-468。但在高度整合的趨勢下,這套傳統驗證邏輯正迎來前所未有的挑戰。

之前我們已從矽光子元件組成與決定效能的關鍵(閱讀更多:「光」革新突破半導體極限 矽光子晶片即將上陣),進而分享對應的解決方案(閱讀更多:矽光子開發遇到什麼瓶頸?),以及如何突破矽光子量產的核心難關(閱讀更多:矽光子CPO量產見曙光!從「漏電」到「漏光」如何迎刃而解?)。

-----廣告,請繼續往下閱讀-----

亦針對光子積體電路(PIC)的五大關鍵部件,詳細剖析其常見故障模式(閱讀更多:為什麼 AI 晶片需要「光」?拯救超貴晶片的「矽光子眼科醫生」大解密!)。
本文將從光通訊規範 Telcordia GR-468 的角度,分享如何終端系統應用,回推到模組、元件與製程層級,矽光子系統如何順利 Bring-Up(啟動調試)與量產導入。

一、Telcordia GR-468 究竟是什麼規範?還堪用嗎?

電信級 Telcordia GR-468 是由通訊權威機構 Telcordia Technologies (前身為為美國貝爾通訊研究公司 Bellcore)於 2004 年釋出的核心規範(GR-468-CORE)。儘管它問世已久,但其嚴謹的測試架構,至今仍是全球矽光子元件進入 AI 伺服器供應鏈時,最被系統客戶採用的可靠度驗證依據。

Telcordia GR-468 這項規範的核心價值在於其「跨領域的覆蓋力」

(一) 涵蓋完整光電鏈:包含雷射二極體(Laser Diode,簡稱 LD)、光電二極體(Photodiode,簡稱 PD)、電吸收調變器(Electro-Absorption Modulator,簡稱 EA Modulator)和 LED 等相關光電元件。

-----廣告,請繼續往下閱讀-----

(二) 封裝層級延伸:GR-468 依「組裝完成度」將待測物分為多個封裝層級(Assembly Level),測試對象可從晶圓到單一晶片,延伸至次模組,仍至整顆光模組,從不同層級對應不同測試條件與驗證深度。

GR-468規範示意圖,從晶圓到最終整合模組的完整生命週期,可分為五個驗證階梯。
GR-468規範示意圖,從晶圓到最終整合模組的完整生命週期,可分為五個驗證階梯。圖/宜特科技AI輔助生成製作。

(三) 環境模擬:GR-468 規範嚴格區分機房溫控環境(Central Office,簡稱 CO)與戶外無空調環境(Uncontrolled Environment,簡稱 UNC),不同環境對應不同溫度範圍與應力條件,讓驗證條件貼近真實系統場景,這正是系統端最在意、也最容易在早期被低估的風險來源。


例如,應用於資料中心機房的設備,長期處於溫控環境,溫度與濕度波動小,應力條件相對溫和,驗證重點在於長時間的穩定運作。而隨著 AI 應用場域的擴張,例如:馬斯克計畫將 AI 運算中心送入外太空,若設備處於戶外或無空調環境(Uncontrolled Environment, UNC),將面臨劇烈的溫度波動、濕熱與高環境應力,極端溫差將嚴苛考驗封裝材質與光學對位的穩定度。

(四) 定性與定量並重:Telcordia GR-468 除了可藉由「定性測試(Qualitative Tests)」判別是否符合規範(Pass 或 Fail)、是否可量產導入,亦可透過「定量測試(Quantitative Tests/ Aging Tests)」進行壽命推估(EOL)、可靠度模型建立與系統設計優化。

-----廣告,請繼續往下閱讀-----
GR-468 兼顧定性和定量測試,不只可判別是否可量產導入,亦可推估出系統壽命。
GR-468 兼顧定性和定量測試,不只可判別是否可量產導入,亦可推估出系統壽命。圖/宜特科技AI輔助生成製作。

以上這些 Telcordia GR-468 的設計,讓可靠度驗證能隨產品成熟度逐步展開,非常符合矽光子系統 Bring-Up 與量產導入節奏。

二、為什麼矽光子元件跑完規範,系統還是掛了?

看來 GR-468 規範仍然寶刀未老,但為何在實際應用中,許多跑完規範的矽光子系統仍無法順利運作呢?
宜特觀察發現,即便產品通過了 GR-468 規範中的環境應力測試,開發者在系統 Bring-up 或長期運作時,依然會頻繁遭遇莫名的訊號衰減。

這是因為在 CPO 架構下,光、電、熱、機械四者間的交互影響極其複雜。傳統「通過/不通過(Pass/Fail)」的判定邏輯,已不足以偵測高度整合後產生的深層失效模式。

以下是矽光子走向系統整合時,最令工程師頭痛的兩大硬傷:

-----廣告,請繼續往下閱讀-----

(一) 熱力學矛盾與 ELS(外置光源)的妥協:

負責核心運算的 GPU(圖形處理器)屬於高功耗熱源,運作溫度動輒攀升至 100°C,這與對熱極度敏感、工作溫度需壓制在 70°C 以下的光傳輸元件(雷射光源)產生了嚴重的熱力學矛盾。雷射光源受熱會導致啟動閾值電流指數型增加、波長變長(紅移),並加速元件內部缺陷擴散而縮短壽命。

為了化解這項矛盾,業界傾向 ELS(External Laser Source,外置光源),將雷射光源像電池一樣外掛。但這衍生了以下風險 :

1. 高功率運作的老化(Aging under High Power):

ELS 需供應極高光功率給多個矽光引擎,雷射在極高驅動電流下運作,內部的晶格缺陷會隨時間與高溫擴大,形成「暗線缺陷(Dark Line Defects)」,導致發光效率劇降。

-----廣告,請繼續往下閱讀-----

宜特建議可執行HTOL(高溫操作老化測試)。在 85°C 或更高溫下持續通電數千小時,觀察光功率衰退曲線,以推算出產品是否能支撐 10 年以上的系統壽命。

2. 連接介面的脆弱性:

ELS 增加了連接介面,保偏光纖(PM Fiber)的過度凹折,或是接頭沾染微塵、插拔產生機械微裂痕,都會導致插入損耗(IL)升高,成為系統潛在的故障點。

(二) 異質整合的「應力」拉扯(CTE Mismatch,熱膨脹係數失配):

矽光子晶片內含矽、三五族化合物、玻璃光纖與金屬,這些材料受熱後的膨脹程度(CTE)差異極大。例如矽晶片(2.6)與 PCB 板(15)甚至 UV 光學膠(50~100)之間巨大的應力差,在發熱時會產生劇烈拉扯:

-----廣告,請繼續往下閱讀-----

1. 次微米級的對位挑戰:

光纖陣列(FA)與矽光晶片耦合時,對位精度要求在次微米級。一旦受熱產生Warpage(翹曲)或應力拉扯,輕則光路偏移,重則導致結構 Delamination(剝離)。
宜特建議可透過 TC(溫度循環測試)。在 -40°C 到 +85°C 之間劇烈變換,確認光學膠是否裂開,並嚴格監控 IL(插入損耗)是否超標,而非僅看元件是否能通電。

2. 膠材劣化與水氣滲透:

高溫高濕環境會導致固定用的 UV Epoxy(光學膠)發生老化、膨脹或潛變,直接造成訊號損失。
宜特建議可執行 THB(溫濕度偏壓測試,即85/85測試)。在 85°C/85% RH 環境下施加電壓 1000 小時以上,確保膠材在極端環境下的結構強韌度。

隨著矽光子與 CPO 架構的快速發展,可靠度驗證不該只是為了拿一張合格證書,而是要支撐系統長期的穩定運作。


目前的 Telcordia GR-468 規範環境要求, 主要分成機房溫控環境(簡稱 CO)與戶外無空調環境(簡稱 UNC),但在光通訊業者對故障經驗實務累積下, 以及未來更嚴苛的 AI 運算環境(例如太空軌道資料中心)需求下,現有標準已漸顯不足,IPEC 協會 2025 年可靠度執行協議針對光模組納入抗硫化、鹽霧、落塵等更嚴苛的環境測試,以滿足對可靠度的極致要求,相關供應鏈必須及早做好準備。

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

宜特科技_96
26 篇文章 ・ 6 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室

0

0
0

文字

分享

0
0
0
車用晶片要求超嚴格!沒有工廠的IC設計公司,該怎麼讓一線車廠點頭買單?
宜特科技_96
・2026/06/26 ・3664字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

想打入熱門的車用半導體供應鏈,對沒有自家晶圓廠的 IC 設計公司來說,最大的挑戰就是:如何向一線車廠證明自家的晶片具備零缺陷(Zero Defect)的頂級品質?答案就藏在 AEC-Q004 車用零缺陷框架裡!只要掌握這套品質管理核心,沒晶圓廠也能脫穎而出,順利拿到進軍車用供應鏈的黃金門票。

本文轉載自宜特小學堂〈 IC設計如何進入車廠供應鏈?一次搞懂 AEC-Q004 車用零缺陷框架〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

點此觀看宜特影片

近年來,車用半導體市場熱度持續發燒,許多 IC 設計業者(Fabless)都想搶攻這塊大餅。然而,在傳統消費型電子中,設計歸設計、製造歸製造。但在車用晶片(Automotive IC)領域,一點點微小的瑕疵(Defect)都可能導致嚴重的安全事故,跨入車規市場的門檻可說極高。

自 2018 年起,以 BMW、Volkswagen、Audi 為首的歐系車廠開始積極推動「零缺陷(Zero Defect)」理念,要求半導體供應鏈從設計、製造到測試皆須以風險思維貫穿。Tier 1 供應商與車廠OEM(Original Equipment Manufacturer,原始設備製造商)對產品可靠度與異常回覆速度的要求亦不斷提升,車用晶片不僅要能滿足長達 15 年(或約 1 萬小時以上)的壽命要求與 -40°C 至 +125°C 的極端溫度考驗,還需應對嚴格的外包供應鏈追蹤與客戶稽核。

-----廣告,請繼續往下閱讀-----

具備設計與製造一條龍能力的 IDM(Integrated Device Manufacturer,整合半導體元件製造商),因擁有自家晶圓廠,通常已取得IATF 16949 這張認證,也就是進入汽車供應鏈的「門票」;但對於沒有晶圓廠的 IC 設計業者(Fabless)來說,在缺乏自有製程的情況下,該如何向車廠證明自己的產品具備車規級的零缺陷品質呢?

這時候,AEC-Q004《Automotive Zero Defect Framework》(車用零缺陷框架)就是幫助大家順利通關的終極武器!它可解決「設計和製造溝通斷層」的問題,讓供應鏈上下游能用同一套邏輯說話。本文將帶大家搞懂,如何透過 AEC-Q004 的框架,在產品交付給客戶前,把所有潛在的失效因子通通攔截下來。讓 IC 設計公司能從「被動應付測試」轉向「主動品質管理」,正式從消費級晶片商升格為車規級供應商。

自 2018 年起,歐系大車廠(如 BMW、Volkswagen、Audi)開始強力推動零缺陷(Zero Defect)的品質文化。為了具體落實這個目標,AEC 在 2020 年發布了 AEC-Q004。
AEC-Q004 並非用來取代既有標準,而是作為 AEC-Q100 等車用元件可靠度驗證標準的延伸品質指南,用以補強車用半導體在量產階段(Production Phase)的 Zero Defect 管理機制。

在實務上, AEC-Q004 常與下列體系共同運作:AEC-Q100 / Q101 / Q102(元件可靠度驗證)、IATF 16949(汽車供應鏈品質管理系統)、ISO 26262(功能安全要求)(衍生閱讀:了解三大面向,順利取得IATF 16949汽車品質管理系統證書最新車規AEC-Q100改版速讀 揭示車用晶片可靠度驗證關鍵

-----廣告,請繼續往下閱讀-----
AEC-Q004 Zero Defect 六大管理面向。圖/宜特科技


AEC-Q004將車廠極度要求的「零缺陷」文化,具體化為好懂的「六大管理面向(industry interpretation)」,包含:設計防錯、外包製程監督、測試與良率分析、應用程度評估、持續改善,以及問題解決。這六大管理面向能對應到 IATF 16949 的核心工具(如 FMEA、SPC、PPAP 等),成功消除了「設計端」與「製造端」之間的斷層。(衍生閱讀:車規最新 探索AEC-Q004零缺陷的世界

彙整 AEC-Q004 六大管理面向與 IATF16949 核心工具之對應關係。圖/宜特科技

宜特科技指出,AEC-Q004 的「統計防錯」基礎也跨度整合了 AEC-Q001 (Part Average Testing, PAT) 與 AEC-Q002 (Statistical Yield Analysis) 兩項核心規範,用來過濾異常樣本(Outlier)與管控異常良率批次(SYL、SBL),確保隱性不良品不會流入車廠。

有了這套標準,再加上 ASP 外包治理機制,即使是沒有自有工廠的 IC 設計業者(Fabless),也能無縫對接代工廠(Foundry)與封測廠(OSAT)。宜特
專家團隊認為,這不僅能確實滿足車規嚴苛的壽命與可靠度要求,更能帶領企業穩健邁向系統化的零缺陷管理。

AEC-Q004 零缺陷實施架構。圖表的左半邊(產品設計階段)做得愈紮實,右半邊(預防失效)的成效就愈顯著。圖/AEC-Q004

(一) 三層防錯架構:

-----廣告,請繼續往下閱讀-----

根據我們的實務驗證經驗,AEC-Q004 為了將零缺陷管理從設計端一路延伸至量產與改善階段,特別將六大管理面向(industry interpretation)橫向展開,並縱向打造了「三層防錯架構」,形成一個從實體特徵、電性行為到統計監控的全流程風險防控循環:

  1. 實體層(Physical):
    關注物理與結構上的控制,包含製程能力、SPC(統計製程管制)、OCAP(異常行動計畫)。
  2. 電性層(Electrical):
    確保電性行為符合預期,包含 EDS (Electrical Die Sort,晶圓針測) 與 Test Coverage(測試覆蓋率)。
  3. 統計層(Statistical):
    運用強大的數據分析抓出隱形瑕疵,包含 PAT、SBL、SYL 以及異常樣本管控(Outlier Control)。

為了讓大家更好理解這套立體的防護網,AEC 建立了一個清晰的交叉矩陣,確保六大管理面向(industry interpretation)在每個層次都能被徹底落實。

AEC-Q004 三層防線 × 六大管理面向(industry interpretation)交叉矩陣 (符號說明:● 主要關聯 / △ 次要關聯 / ○ 輔助關聯) 。圖/宜特科技

(二) 跨標準的「統計攔截失效機制」:

在這三層防線中,最核心且最具威力的就是「統計層」。簡單來說,就是透過統計數據來抓出潛在的不良品。AEC-Q004 為了有效防堵失效,特別跨度整合了 AEC-Q001 與 AEC-Q002 兩項核心規範,建立起強大的「統計防錯機制」,精準過濾異常批次與產品:

-----廣告,請繼續往下閱讀-----
  1. PAT(Part Average Test)抓出異常樣本(Outlier):
    在同一批晶片中,即使某顆晶粒的測試數據「符合規格」,但若其電性參數 明顯偏離該批次的統計分佈(statistical distribution),仍可能被判定為 Outlier 並予以篩除。透過這種 Outlier Screening(PAT),可提前攔截可能導致早期失效(Early Failure) 的潛在不良晶粒流入車廠。
  2. SYL(Statistical Yield Limit)剔除低良率批次:
    當某批次整體的測試 bin 分佈或良率表現明顯偏離長期統計趨勢(例如低於統計下限) 時,即可能觸發 SYL (Statistical Yield Limit) 機制。這代表該批產品可能存在製程、材料或設備異常,因此必須啟動調查並可能暫停出貨,以避免潛在缺陷流入車廠。
  3. SBL(Statistical Bin Limit)調查假性高良率:
    當某個測試 bin 的比例異常增加(高於統計上限)時,可能代表測試條件設定異常、測試覆蓋率不足,或潛在缺陷未被正確篩出。此時需啟動 SBL(Statistical Bin Limit)調查,以確認是否存在測試逃逸(Test Escape)或測試條件偏移的風險。透過這套結合了實體、電性與統計攔截的「防錯機制」,半導體業者就能有效拉起防線,將不良品阻絕於車廠之外。

宜特長期觀察發現,在實務上,許多車廠會要求 Fabless IC 公司建立 Automotive Service Package(ASP),以確保代工廠(Foundry)與封測廠(OSAT)的製程與品質管理符合車用品質要求。

身為 IC 設計公司,產品需要交由代工廠(Foundry)與封測廠(OSAT)生產。為了確保代工製程符合車規的穩健性,建議業者必須依循 AEC-Q004 要求,建立完善的 ASP (Automotive Service Package) 制度。

透過設計–製造–測試的「三層防線(實體層、電性層、統計層)」,IC 設計業者可以嚴格監督外包夥伴。例如:要求代工廠的製程能力指標 Cpk 必須大於等於 1.67、強制實施 OCAP(異常行動計畫)與 PAT 統計攔截,並且簽訂車用品質協議(Automotive Quality Agreement)以釐清品質責任。

車用ASP 與商用製程差異對照表。圖/宜特科技

隨著 Tier 1 與車廠對可靠度的要求越來越高,AEC-Q004 已經成為 IC 設計業者跨入車規市場、與車廠對話的關鍵橋樑。它不僅僅是一份文件,更是一個強大的協同機制。只要掌握了這套零缺陷的通用語言,沒有晶圓廠的 IC 設計公司也能以「設計防錯、製程監督、統計防錯」三位一體的方式,成功打入車用半導體供應鏈。
我們建議往零缺陷方向努力的供應商,通過 AEC-Q100 只是起點,能通過車廠對「零缺陷」的嚴苛稽核才是真正的考驗。

-----廣告,請繼續往下閱讀-----

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

宜特科技_96
26 篇文章 ・ 6 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室

0

0
0

文字

分享

0
0
0
當完全自駕讓晶片工時暴增十倍,電子元件如何撐過「馬拉松式」的損耗考驗?
宜特科技_96
・2026/06/24 ・2494字 ・閱讀時間約 5 分鐘

人類駕駛會疲勞、需要休息,但完全自駕車卻能 24 小時在路上奔馳,對車用晶片來說,這場長達 15 年的『無間斷馬拉松』,究竟現行的晶片規範夠用嗎?如果研發出的車用晶片只需拿到 Pass 報告,卻說不出它何時會失效,這就是潛在的災難。在車用世界講求「零缺陷」的賽道上,唯有精準掌握產品『何時失效』與『為何失效』,才能守住全球車用供應鏈的最後一道防線。

本文轉載自宜特小學堂〈AEC規範沒寫的,就不用測嗎?當車用 Pass 報告已不足以拿到訂單怎麼辦?〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

邁入 2026 年,全球汽車產業正視的「Zero Defect (零缺陷)」 已不再僅是標語,而是車廠在法律責任與品牌存續間的唯一防線。隨著各國相關法規陸續將 L3-L5 級以上(指由系統監測駕駛環境的高階自動駕駛階段)的事故責任歸屬於車企(OEM),「系統失效」的成本已從單純的召回費用,演變成企業必須承擔的法律責任。

對工程師而言,最嚴峻的挑戰在於,現行的 AEC-Q 系列等通用標準,在面對 L3-L5 自動駕駛 Mission Profile(任務剖面)時已顯得捉襟見肘。

當車輛不再受限於人類駕駛的生理疲勞,實現完全自主行駛時,日運行時間可能從 2 小時拉長至 20 小時。隨之而來的是,車載半導體的工作壽命時間將是現行 AEC 規範的 4 倍或更多。

-----廣告,請繼續往下閱讀-----

但傳統的「Pass/Fail」測試僅能保證出廠品質,要達成 Zero Defect 必須跨越傳統驗證的舒適圈。本期小學堂將從實驗室的第一線視角,解析如何在研發初期透過深層的技術驗證,跨越傳統的「Pass/Fail」測試,鋪設這條通往零缺陷的安全之路。

宜特實驗室長期觀察發現,面對先進封裝動輒數百到數千個微小接點,高達 64% 的問題其實是出現在 OSAT(委外封測代工廠)的製程中。

為了防範未然,IC 設計公司不能只看 OSAT 提供的良率報告,而是必須主動出擊,應把破壞性物理分析(DPA)作為常態性的生產監控工具。從封裝後的結構切開檢查(Cross-section),哪怕每天或每月只抽樣1到2顆晶片,都更能幫助揪出隱藏在封裝製程中因物理性缺陷所引發的失效問題,從源頭守住品質防線(閱讀更多:車用工程師惡夢!為何晶片通過ATE測試仍遭退貨?

目前 AEC-Q 規範大都要求執行 1,000 小時測試,早在 2017 年起就有國際一線車廠提出「現行AEC-Q規範已不足以應對未來真實需求」。隨著自動駕駛技術逐漸推進到 L3-L5 階段,車輛運轉時間將至少是現有規範的4倍或更多。因此,AEC-Q 規範首次以「累積失效模式」取代過去「有限時間」的測試方法,了解產品在全生命週期中的失效分布狀態。

-----廣告,請繼續往下閱讀-----


(一) 失效累積63.2%的數據背後,核心價值是「壽命預測」

在 AEC-Q007 的板階溫度循環測試(TC Test)中,要求測試必須進行到「累積失效達63.2%」或「完成3000 個循環無失效發生」為止。進而採用韋伯分佈(Weibull Distribution)分析,以獲得產品在全生命週期中(浴缸曲線)的失效分布情形 (閱讀更多:最新 AEC-Q007 規範搶先看 車用Board Level驗證手法大公開)。
如果研發工程師的目標,僅僅是為了拿到 Pass 結案,就完全喪失了可靠度測試的初衷。做測試的真正目的,是要回答一個最核心的課題:「所開發的產品到底何時會失效?」

本圖展示了如何利用AEC-Q007規範所要求的韋伯分佈統計分析(圖中藍色帶落點斜線),來定位與預測車用元件在標準浴缸曲線(背景橘色曲線)中的失效分佈狀態。圖/宜特科技

(二) 如何透過數據精準「預測」晶片的失效期?

真正的領先者會將AEC-Q007測試得出的失效數據,帶入韋伯分佈模型進行深層分析,從中獲取以下關鍵情報:

-----廣告,請繼續往下閱讀-----
  1. 定位浴缸曲線(Bathtub Curve)階段:
    經由韋伯分析,可取得產品特徵壽命(Characteristic life – η)和失效分布「形狀參數(Shape parameter, β)」,即可判斷產品失效是屬於製程缺陷導致的「早夭期失效」,或使用期間的「隨機失效」,還是材料自然退化所造成的「老化期失效」。若早夭期過長,代表產品存在著設計或製程問題;若老化期發生在設計壽命期內,那將是一場災難。
  2. 是否滿足任務目標需求(Mission Profile):
    從產品的「首次失效點(First Failure)」,可推算產品在多使用幾年後會出現失效,同時也可以計算出在保固期(N年)內會發生缺陷率的比例,以做為市場備料參考依據。當然,也可藉由韋伯分析結果,来確認產品是否真能滿足車廠任務目標(Mission Profile)與客戶期待。
  3. 精算安全備援(Redundancy)設計:
    對於車用系統而言,任何失效都可能危及人命。當我們能精準預測產品幾年後會壞,設計者才能計算系統需要多少顆晶片來做「冗餘(Redundancy)」設計,以確保在主系統在發生問題時,備援系統能即時接管,達到汽車運行時的絕對安全。

汽車使用年限長達 10 至 15 年,且必須在極為複雜且嚴苛的環境應力下正常運轉,除了大自然氣候環境應力外,還必須確保在長期振動與機械衝擊的環境下能正常運作。而目前 AEC-Q007 僅針對溫度循環進行要求,因此板階可靠度必須增加震動與機械衝擊試驗,才能貼近汽車電子真實所遇到的環境,不能因為標準沒有要求,而忽略去了解震動與機械衝擊試驗在板階可靠度上的關鍵影響性。

在過去,IC設計業往往側重於功能性設計(Design for function);但在汽車電子領域,可靠度設計(Design for Reliability)與可製造性(Design for Manufacturing)更為重要,同時從失效機制的角度出發,才能在「零缺陷」的賽道上逐步前進,進而贏得客戶的長期信任與訂單。

若想看完整 AEC-Q007 文件,請點此觀看。

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

宜特科技_96
26 篇文章 ・ 6 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室