0

0
0

文字

分享

0
0
0

AI、電動車可靠度漫長驗證難題怎麼解?智慧即時監控突破三大挑戰

宜特科技_96
・2025/07/30 ・4001字 ・閱讀時間約 8 分鐘

可靠度測試往往需要漫長的時間驗證,您是否只能依賴外部實驗室提供的數據,靜待結果?在測試過程中,如何能隨時掌握產品的測試數據,縮短決策時間,提升開發效率呢? 

本文轉載自宜特小學堂〈AI、電動車可靠度漫長驗證難題怎麼解?智慧即時監控突破三大挑戰〉,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!

圖 / 宜特科技

本文轉載&增修自宜特小學堂〈AI、電動車可靠度難題怎麼解?智慧即時監控突破三大挑戰〉,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!

當前電子產業發展迅速,特別是在 AI、電動車、高電壓產品等領域,不管在規範和測試設備上,傳統可靠度測試已難以應對快速變遷的技術需求。

規範與挑戰:

隨著市場對創新產品的需求日益增加,企業面臨更短的開發時程壓力。新產品開發週期加速,意味著從設計、試產到量產的時間被大幅壓縮,進而對可靠度驗證提出更高的效率與彈性要求。特別是在許多新興技術尚未建立完整可靠度測試規範的情況下,驗證團隊需自行設計模組與支援機制,以滿足不同情境下的監控與測試需求。

-----廣告,請繼續往下閱讀-----

此外,隨著晶片設計日趨高度整合及客製化,製程及材料可靠度也需要調整測試手法以縮短驗證時程,如何在眾多規格下快速調整參數以因應工程師所提出的驗證手法及對應實驗條件,是現今可靠度驗證產業的一大挑戰。

測試需求:

電壓、電流供電及量測規格的多樣化,需具備不同解析度或是自動化儀控的整合;此外,測試中額外衍生的功能需求,例如脈衝寬度調變(Pulse Width Modulation, 簡稱 PWM)、動態回饋偵測(Dynamic Feedback Detection, DFD)、電源擴充(Power Expansion, PE)等,甚至到軟體的調整因應特殊需求,在可靠度驗證上也日益普遍。若單靠添購標準機台或傳統硬體架構的設備,難以滿足這些需求,如何擴充標準機台功能及快速開發出具彈性化的測試手法,將影響產品的測試完整性以及上市時程。

本文將探討如何透過接案配套管理模式,統一管控測式資訊,並藉此平台,減少工程師與實驗室之間來回溝通的時間,亦降低訊息傳遞的誤差,透過可連線的軟、韌、硬體整合模塊,即時處理線上量測資訊,確保測試準確性與時效性。透過最新智慧即時全球驗證中心,結合智慧監控、即時反饋、全球連線功能,協助工程師打造出高效、準確且可遠端監控的測試系統,提升產品可靠度的驗證品質,並降低第一線的人力需求。

因應AI與電動車發展,半導體業在可靠度測試上面臨三大挑戰

AI 與電動車產品的可靠度測試痛點

高速運算 AI 晶片需要長時間穩定運作,但溫度變化、電壓波動、散熱問題等因素都會影響到效能。而電動車電源管理要求高,在高電壓與快速充放電環境下,如何確保電池模組與控制系統的可靠性是關鍵挑戰。

-----廣告,請繼續往下閱讀-----

高度整合型及特規晶片及製程材料驗證的挑戰

當多個系統模塊整合於單一晶片封裝時,往往會帶來以下的挑戰:功耗變大(熱逸散不佳),啟動程序複雜化、晶片驅動監控一對一進行、特定功能區需要額外監控或做程式驅動、特定腳位需做高解析度量測、或需搭配特定儀器整合進行驗證。這些挑戰都必須搭配設備機台、儀控設施,快速提供工程師可行性評估以及驗證手法。如何在有限時間內提供可行的解決驗證方案,並與工程師達成測試手法的共識,需要有一定程度的設計資源與資料庫。在前期驗證的系統開發上,必須根據測試條件以及測試過程中產生的異常,快速反應並適時介入來調整實驗參數。

現有測試設備及傳統做法的局限

現有測試設備可分成一體式與分離式架構。一體式設備將所有加速條件(如溫度、電壓、監控等)整合在一個標準系統上,並具備一定的規格跟制式化設定,甚至連電路板或治具也有一定的規格限制。而分離式架構則是,透過外部組裝,根據專案需求組合供電系統、爐體、驅動電路與監控儀器,並通過開發軟、韌和硬體進行整合。前者在規格上有較多限制且涉及成本考量,後者則須長時間開發,且時程不易掌控,必須投入大量設計資源評估,規格驗收的不確定性亦高。

此外,可靠度產線多依賴人力去做巡檢紀錄,機台檔案紀錄的傳送也仰賴工程人員寄送跟分析,傳統作法缺乏時效性且耗損人力資源,也無法在測試過程中迅速應對異常。

智慧即時全球可靠度驗證中心解決方案應運而生

為了因應上述挑戰,宜特結合業界資源,於今年第二季推出智慧即時全球可靠度驗證中心(Global Smart Reliability Center)。運用豐富的設計資料庫及模組化設計,將各類測試需求、儀器、操作介面及控制器功能模組化,並開發線上資料庫及接案系統,根據客戶驗證規格流程可行性來進行快速評估,並提供相應的提供解決方案。此外,亦搭配資安架構,開放帳號密碼以提供連線監控,透過即時處理及圖表顯示,並結合生命模型預估,確保實驗參數的正確性及監控異常,可於異常發生的第一時間,通知測試工程師及客戶採取應對措施。

-----廣告,請繼續往下閱讀-----

宜特智慧即時全球可靠度驗證中心已完成測試項目展示實驗室(Demo Room),為元件提供完整的可靠度驗證環境,並適用於晶圓代工、ASIC 設計公司、電動車、高電壓產品等關鍵領域。

圖一:宜特智慧即時全球可靠度驗證中心的解決方案。 圖 / 宜特科技

透過智慧監控、即時反應、全球連線,透過以下方式提升產品可靠度測試效率:

(一) 智慧監控獨立通道(Independent Channel Smart In-situ Monitoring)

實時監測樣品的各項數據,透過數據即時回傳,減少傳統測試方式的延遲問題。並可獨立監測每個測試樣品的電壓、電流、溫度變化,確保測試精準度。

圖二: 實時監測樣品的各項數據並可即時回傳。 圖 / 桓銘科技

(二) 即時反應(Real-time Response)

若測試過程中發生異常(如溫度過高、電流異常),系統會自動停機,防止樣品進一步劣化,確保分析的準確性。

-----廣告,請繼續往下閱讀-----
圖三:即時反應畫面。 圖 / 桓銘科技

(三) 全球連線(Global Connection)

工程師可透過遠端連線即時查看測試進度,提供更便捷的全球測試管理。

圖四:客戶可透過遠端連線即時查看測試進度。 圖 / 桓銘科技

(四) 工程資料分析(Data Analysis)

透過 EDA 分析工具輔助產品在測試中各項參數隨時間變化的關係,清楚掌握產品量產前的工程數據。

圖五:透過 EDA 分析工具,掌握產品量產前的工程數據。 圖 / 易方科技

案例分享

案例一:多通道電源系統的設置與軟體控制機制的增強

工程師們面臨的問題是,由於案件需要處理大量電源組數並紀錄實驗過程中的電源數據,實驗架設過程繁瑣、費時且易出錯。為了解決這些問題,可根據規格需求建置了多通道電源系統,並增強軟體的多樣控制機制、建立符合規格的機台,簡化繁複的架設流程。最終,在架設效率提升了70%的情形下,可獲得更具參考價值的實驗數據,成功打造了一個高效且架設零失誤的實驗室。也可預留機台配置,應對後續各種客製化需求。

圖六:通過設置多通道電源系統及強化軟體控制,解決繁瑣架設問題,並確保數據準確性。圖 / 宜特科技

案例二:機櫃式的客製設備與自動化數據紀錄

由於先進應用的產品類型繁多,需要準備多種不同儀器規格來應對,且實驗設備過於繁瑣,準備過程複雜。為了解決這些問題,藉由將應用模組和相關儀器組裝成機櫃式標準設備,可減少了每次架設過程中的出錯率。還能根據不同市場需求進行靈活調整,避免重新購買新設備。且所有實驗數據皆可自動化紀錄,並提供電源時序、保護、延遲及警告等多項功能,進一步提升了操作效率與準確性。

-----廣告,請繼續往下閱讀-----
圖七:將應用模組和儀器整合成客製化機櫃設備,自動化紀錄數據,可靈活調整設備,降低成本。 圖 / 宜特科技

結語:

在 AI、高速運算(HPC)和電動車等先進應用快速發展的背景下,現行的半導體可靠度測試標準尚未完善,業界迫切需要靈活且高效的測試方案,以確保產品穩定性與市場競爭力。為回應此趨勢,透過智慧監控、即時反應、全球連線,打造出的智慧即時全球可靠度驗證中心,可為元件可靠度測試提供完整的驗證環境,適用於晶圓代工、ASIC 設計公司、電動車、高電壓產品等關鍵領域。有助提升測試資料的透明度與反應速度,降低測試時間與潛在風險,持續推動半導體可靠度驗證技術的發展。

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----
文章難易度

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
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia