随着中国半导体工艺迈入7nm先进制程，晶圆上的任何0.5μm微小缺陷都可能导致整颗晶片报废。这不仅对光刻、沉积、刻蚀等前端制程提出更高要求，也让检测环节面临前所未有的挑战——若无法在第一时间发现并拦截缺陷，不仅制造成本大增，更可能直接影响良率与交付进度。
目前在晶圆制造中，AOI（自动光学检测）技术已被广泛应用于各类制程的质量控制。但随着节点不断演进、尺寸进一步微缩，传统AOI面临三大核心挑战：这些挑战既是现有检测技术的痛点所在，也正是新一代AI AOI系统亟需突破的主战场。
传统AOI系统面临三大的痛点
1、缺陷太微小，看不清线路针孔、光刻偏移、焊球虚焊等，尺寸仅0.1–5μm，超出人眼与传统光学系统的分辨力。
2、制程太复杂，环节多
晶圆从制造到封装要经过十余道工序，每一步都可能引入新缺陷，传统检测难以串接全流程。
3、要求太严苛，容错极低
良率提升1%，成本可降5–8%。但传统AOI仍易误报、漏检，一旦不良流入后段工序，损失巨大。
我们的解法
DaoAI AOI不只「检测」还能「学习」，杜绝漏检并持续降低误报
AI 基于视觉大模型，而非深度学习或抽色对比，并结合3D视觉技术，在不同制程中不断学习缺陷特征，能从单一正样本出发，建立可持续优化的智能检测模型，实现「越用越准」的学习闭环。
可应用于四大场景
1、晶圆制造：微米级线路缺陷识
痛点：因表面反光，光刻偏移、膜层针孔、图形断裂等缺陷难以识别
解法：1800万像素3D相机 +结合可在线反馈学习的视觉大模型，可根据批次差异动态优化阈值，实现对反光、高亮等复杂表面的一致检测。
2、晶圆减薄与切割：裂纹与厚度偏差检测
痛点：机械应力引起边缘崩裂不一、厚度不均。
解法：结构光3D重建 + AI表面轮廓分析，厚度精度 ±1μm，裂纹识别率 >99%。
3、芯片封装检测：焊球虚焊与引线偏移检测
痛点：焊球塌陷、虚焊、引线断裂、引线偏移等缺陷繁多。
解法：2D+3D融合AOI + AI引线跟踪模型，通过在线反馈学习机制，误判率随运行时间持续下降。
4、成品外观检测
痛点：引脚变形、封装破损、引脚氧化、表面划痕缺陷表现不一。
解法：基于视觉大模型的AI经由正样本学习，可自动识别出非“定义”的表面缺陷，并持续学习，准确率达99.9%。
检测不止于发现，更在于理解与优化
在当前的制造体系中，AOI检测早已不是可选环节，而是决定良率与竞争力的核心设备。
从晶圆前段到封装测试，DaoAI AOI以微米级成像精度和高速全检能力，实现对每一处细微缺陷的精准拦截，保障工艺一致性与生产效率。
随着中国半导体产业向7nm、3nm乃至2nm制程持续突破，检测环节对分辨率、智能化与实时性提出更高要求。依托AI视觉大模型、3D视觉与反馈学习机制的智能AOI系统，将成为推动半导体制造进入“智能优化”新时代的关键力量。
DaoAI长期致力于AI AOI智能检测系统研发
我们诚邀设备制造商、系统集成商及行业伙伴，共同推动AI检测技术国产化进程。
联系我们，了解合作模式与定制方案。