半导体仿真模型：藏住工艺配方，露出性能边界

目标看起来很简单：共享仿真模型，但不泄露工艺本身。材料供应商不必为了让客户预测材料在封装内的表现，就公开自研配方；晶圆代工厂也不用交出工艺配方，才能提供可用的芯粒仿真模型。但先进封装的兴起，让这种 “工艺与模型分离” 的模式越来越难维持。

多年以来，工程师大多依靠数据手册、设计规则、认证规格在企业之间传递所需信息，制造工艺的核心知识则保留在供应商一侧。只要各个器件独立工作，这套模式就可行。但如今，一家企业内部的工艺，会在所有器件组装完成后，影响另一家企业器件在封装里的性能。工艺仍归供应商所有，但它带来的影响，已经不再局限于自家工厂之内。

PDF Solutions公司Exensio测试运营产品管理总监Greg Prewitt说：“业内已经有一些针对该难题的前期研究，但难点在于，如何在企业之间建立一层隔离屏障，让双方可以共享一部分数据，又不用全部开放。是做数据混淆处理？还是做归一化处理？到底要开放多少信息，才能让两边团队协同解决问题，同时又不会看到对方的知识产权？”

难点在于确定这道屏障该放行哪些信息。隐藏太少，供应商会把多年积累的工艺知识泄露出去；隐藏太多，模型就会丢失另一侧工程师做有效预测所必需的特性、波动范围和边界条件。由此引出一个更棘手的问题：模型内部最多可以隐藏多少信息，才不至于丢掉预测所必需的关键内容？

材料领域最能直观体现这个矛盾。工程师可能需要了解材料随温度的变化特性、基板翘曲是否会影响组装，或是工艺波动如何传导至电性能，但并不需要知晓产生这些特性的专属工艺细节。客户不需要材料厂商的配方，就能仿真材料的工作表现，但只靠数据手册上寥寥几个固定参数，往往也不够用。

Brewer Science高级研究员、项目负责人Hanlin Chen表示：“虽然专属配方不能对外共享，但针对目标应用工况做全面的材料表征，可以更完整地还原材料特性，让模型更贴近真实工况、提升预测精度。只采用固定数值作为材料输入的数字孪生，永远低估了实际场景中的风险。”

数据交接难题

业界对精细化模型的需求持续上涨，因为一个先进封装整合了多家不同主体开发的器件。这些器件在进入最终封装前，可能经过多家企业之手，到最后，没有任何一家企业掌握完整的全链路历史信息。

Amkor全球工厂信息化与自动化副总裁Joon Ahn说：“先进封装离不开高度协同的供应链。芯粒、基板、材料、设计信息来自多个合作方，每个参与方都掌握属于自身价值链环节的独有技术与数据。”

一旦设计流程需要在器件投产前获取制造信息，这种分散式的数据归属就会变成难题。工艺可以保留在一家企业内部，但工艺对应的性能特征，必须能被外部调用。

下游工程师拿到的数据，通常只够描述器件的设计标称状态，不足以说明它组装之后的实际表现。标称尺寸、基础电学或材料参数相对容易传递，但生产波动以及这些参数背后的工艺历史，很难同步给到下游。

ASE集团研发副总裁CP Hung表示：“搭建连贯的数字线程，并不需要完全透明的数据。我们真正需要的是一套可信机制，共享足够支撑下一步工程决策的信息。”

这并不代表上游所有细节都要放进模型。一部分信息删掉也不会影响预测结果；还有一部分信息，只有当封装内其他器件的状态发生变化时，它的影响才会显现。举例来说，某颗芯粒的热响应在某次仿真中够用，但工艺波动会改变这份热特性，下游模型无法感知这种变化。

所以问题的核心，不是简单判断能共享多少信息，而是：在工艺本身被隐藏之后，哪些信息依然具备参考价值。一个模型只要准确还原关键性能特征，就可以保护底层配方。可如果隐藏了关键信息，即便工艺配方保密，模型里的不确定性也会被掩盖，但封装实物里的风险依然存在。

模型可以隐藏多少物理细节？

降阶模型与代理模型用不同思路解决同类算力问题：降阶模型对高精度物理模型做简化；代理模型则在采样得到的设计/工艺空间内拟合器件行为。两种方案都可以让仿真落地，避免每次都运行底层高精度模型造成算力过载，但运行速度更快，不代表结果更可信。

Silvaco AI制造业务高级副总裁兼总经理Eric Guichard说：“生成代理模型所用仿真数据准确，代理模型才可信。想要仿真数据具备预测能力，生成数据所用的物理模型必须经过标定，而标定只能依靠实验实测数据。这类实测数据一般可以对外提供，不属于涉密内容。但物理模型标定只是一环，另一环是详细工艺配方信息。”

问题可以拆成两类完全不同的信息：实验测量数据可以用来标定模型，而不必泄露工艺本身；但想要搭建具备预测能力的模型，有时仍然需要厂商不愿直接交付给客户的细节。

这套方案可行的关键，在于模型搭建方和使用方的信息不对称。搭建模型的一方，需要掌握足够工艺信息，理解器件为什么会呈现该特性；使用模型的工程师，只需要调用这些特性即可。基板模型就是典型例子：可以对外展示厚度、材料响应、工艺波动带来的影响，而不透露供应商在生产中实现这些特性的方法。

Guichard说：“如果只向代理模型使用者开放少数核心可调参数，我们就能做到在合理范围内保护专属工艺细节。”

配方并没有消失，只是被放到了模型边界之后。但这只是转移了信息泄露的矛盾，并没有彻底解决，因为搭建模型的一方，仍然需要拿到供应商想要保护的工艺信息。

Guichard补充道：“详细工艺配方的获取本身，就是一大难点。”

加密保护涉密数据

加密技术可以把可用性能特征和涉密实现方式分离开。新思科技HFSS（高频结构仿真器）支持加密电磁模型：器件供应商可以把加密模型发给客户用于仿真，底层几何结构和材料信息不会外泄。

新思科技产品管理总监Lang Lin表示：“加密模型解决了一个很重要的非技术难题：如何向客户分享器件仿真模型，同时守住商业机密。”

加密很好地化解了泄密风险。拿到模型的工程师可以正常使用，却无法查看内部加密内容。但加密无法告诉使用者：这个模型是否适用于当前的仿真场景。

Lin说：“这也是仿真领域长期存在的核心顾虑：仿真结果到底和实物有多吻合？”模型即便做了加密保护，也可能在目标工况下失真。如果模型基于某一种封装、某一个工艺窗口搭建，当设计条件超出这个范围，输出数值看起来依然精确，但已经失去参考意义。加密会让这个问题更难排查，使用者无法查看内部，无从判断原始适用条件已经失效。知识产权虽然保护住了，工程决策却可能出错。

所以模型共享，不能只依靠加密文件本身。使用者不一定需要了解模型内部原理，但必须知道这份模型的可信适用范围。

模型失效之时

材料领域能直观暴露这个问题。一份数据手册的参数本身可以完全准确，但它只定格了材料某一个状态。材料固化、组装、投入使用之后，建模所用的参数就会发生变化。

Brewer Science的Chen说：“数据手册给出的只是快照：热膨胀系数、模量、附着力、粘度，都是在特定条件、特定时间点测得的。力学和热学特性会随固化程度改变；交联密度在加工完成后还会持续变化；附着力高度依赖键合界面；热膨胀系数也会变化，尤其是在聚合物玻璃化转变温度Tg附近。把这些参数当成固定常数，会造成大量仿真结果和硅片实测不一致的情况。”

供应商不需要公开配方来描述这些变化，交接环节必须传递的，是材料在封装实际工况下的变化规律。固定标称值在部分设计区间够用，换到其他区间就会产生误导。

代理模型同样存在有效性边界问题。在训练数据覆盖范围内，它的精度很高；但使用者一旦超出该范围，它依然会输出一个看似合理的结果。这不代表模型直接崩溃，而是用户向它提出了训练数据没有覆盖的问题。

Guichard说：“核心原则是：代理模型在训练数据集覆盖区间内做插值计算时可靠性高，向外做外推预测时可靠性下降。”

麻烦在于，输出结果本身不会提示已经越界。区间外算出的数值，和区间内算出的数值看起来没有区别。

一个可用的黑盒模型，必须附带清晰的适用边界。配方可以隐藏，但模型的有效工况范围不能隐藏。使用模型的工程师需要知道，什么时候已经超出了模型的认知范围；模型搭建方要把这个边界明确标出，使用者也要遵守边界约束。

接口叠加带来的复杂度

器件接口处的问题更棘手：知识产权的隔离边界，往往刚好落在两套独立模型需要共同描述同一个物理现象的位置。

材料、基板、芯粒的模型，在供应商给定工况下都可以完全有效。可一旦多份模型拼到一起，底层假设就可能互相冲突：一个模型把温度、几何尺寸等条件设定为固定值，另一个模型却允许这些参数变化。

ASE的Hung说：“难点在于，各家的数据格式、精细度、底层假设各不相同。举个例子，材料参数只有配套温度、湿度、时长、工艺历史等信息才有意义。器件模型单独运行没问题，但集成进封装之后，它不足以描述整体变化。”

封装组装完成后，这些底层假设很难拆分。芯粒产生的热量传导到周边结构，温度变化又会改变封装其他位置的材料特性与力学应力。模型虽然是分开开发，但封装系统是耦合在一起运行的。Hung说：“真正的挑战不是简单地把数据从一家公司传给另一家，而是保证数据承载的物理含义在传递过程中不丢失。”

热仿真是典型案例。基板、中介层的上游数据虽然存在，但下游设计流程需要适配整套封装的统一格式。新思科技高级产品管理总监Amlendu Shekhar Choubey说：“热仿真不能只看芯粒，这是一个耦合问题，需要完整堆叠结构的全部信息。”

就算集齐所有模型文件，也不代表它们可以兼容对接。一家供应商在特定条件下表征器件特性，而接口另一侧的模型采用另一套假设。哪怕是同一个标称参数，如果测量温度、工艺状态、适用区间不一样，含义也完全不同。

真正的难点不在于跨接口传输更多数据；数据交接必须同步传递参数背后的假设，下游模型才知道该如何调用。否则，每一份单独的模型都没问题，但组合起来仿真得到的封装结果却是错的。

模型需要承载什么信息

模型正在逐步变成企业之间的一份工程契约。一方不承诺公开工艺实现方式，而是承诺：在约定工况范围内，充分描述工艺带来的性能表现。配方、工艺方案、实现细节可以隐藏，前提是模型向外暴露下游工程师做决策必需的特性。接收方工程师也必须明白这份 “契约” 的适用范围。

新思科技3D-IC产品管理高级总监Kenneth Larsen说：“不确定性和模型有效性必须随模型一起传递。只交换几何结构、材料参数、仿真结果远远不够。每一份模型都要附带可信度上下文：数据来源、测量与标定方式、采用的假设、有效区间、以及它支撑哪些类型的决策。”

当模型经过抽象简化或者加密处理，这份上下文就格外重要。用于架构探索的模型，不一定能支撑最终设计收敛；在某个工艺窗口训练得到的代理模型，也不会自动适配变化后的封装方案。只看输出结果，工程师无从判断原有适用前提已经失效。

务实的解决思路，不是要求全部信息透明，而是把模型的有效特性与边界条件充分展示，让接收方自行判断模型是否适用。

供应商的边界不会消失，工艺背后的竞争价值也不会消失。很多时候，正是这些涉密工艺，才是客户选择这家供应商的根本原因。改变的是：有多少工程信息可以随工艺一起停留在供应商边界内。传统黑盒既能隐藏制造方法，也可以掩盖大部分性能特征，因为客户只需要规格参数。而深度耦合封装场景下共享的模型，必须做到：藏住配方，同时把足够多的性能影响暴露出来，支撑对方做出可靠工程判断。

结语

长久以来，黑盒模式是可行的平衡方案：供应商守住制造方法，客户按照规格开展设计，双方之间留有充足裕量，消化那些彼此看不见的不确定性。但先进封装正在压缩这份裕量，一个器件的表现越来越依赖组装前其他器件的工艺状态。

这不代表专属工艺知识贬值。恰恰相反，封装方案对材料、组装工艺、工艺窗口高度定制化，工艺本身的价值会进一步提升。但现在的模型，必须承载传统规格单很少包含的内容：充分说明隐藏工艺带来的性能特征、特性变化规律，以及模型何时不再可信。

能把这件事做好的企业，未必是开放信息最多的企业。它们可以把专属工艺知识转化为可供外部工程师调用的模型，同时让对方无法反推底层工艺。配方可以保密，但它带来的性能影响，不能藏起来。