（本文編譯自Semiconductor Engineering）

汽車行業正在生產具備越來越高實時決策能力的車輛，這一能力由數千個集成電路、傳感器和多芯片封裝所支撐。但確保這些系統在預期使用壽命內完美運行，正成為一項日益嚴峻的挑戰。

傳統上，汽車芯片以成熟制程節點開發，周期為五到七年，但過去五年發生了很大變化。機械系統已被先進駕駛輔助系統(ADAS)、復雜信息娛樂系統和基于芯粒的系統所取代，這些系統依靠高性能計算來實時處理更多傳感器數據。

讓各種功率器件、閃存、顯示驅動器和電子控制單元達到汽車級質量水平（每百萬件缺陷率<1，DPPM）是一項艱巨的任務，這需要測試設計和測試領域進行大量創新。

除了零DPPM目標外，降低測試成本的壓力始終存在，以確保芯片制造商維持足夠的毛利率。面對領先制程芯片、模塊和系統的制造，質量 / 測試覆蓋范圍與成本之間的微妙平衡正變得更難把控。

ADAS 2級至5級

ADAS分為五個實施級別。如今，大多數新車處于L2或L3級別（見圖1）。西門子EDA汽車測試解決方案總監Lee Harrison表示：“隨著ADAS等級提升，由于需要逐步減少人為干預，更多ADAS組件需滿足更高安全標準。開發符合ISO 26262 ASIL-D的大型系統是一項重大挑戰。”

圖1：ADAS級別。

（圖源：SAE）

ISO26262定義了四個汽車安全完整性等級：ISIL A至D。ASIL A代表最低程度的汽車危險，而ASIL D代表最高程度安全完整性要求，包括動力轉向、安全氣囊和防抱死制動系統等。此外，ADAS定義了五個自動化等級。目前大多數車輛處于L2（部分駕駛自動化）或L3（有條件駕駛自動化，允許短暫視線脫離）級別，L5代表完全自動駕駛。

在L3級，車輛配備數千個傳感器，包括雷達、攝像頭、激光雷達、超聲波傳感器等。這些傳感器的部署會產生海量數據，需要實時處理才能觸發即時響應。

由于從L3到L4是巨大的技術飛躍，專家認為可能需要新增過渡等級。“L3之后，不會進入L4開發，而是先推進L3+等中間等級，”弗勞恩霍夫IIS自適應系統工程部門設計方法論主管Roland Janke表示，“對于更高級別的自動化，已無法在實際道路上測試所有功能，虛擬測試的比例將顯著增加。”

虛擬測試本質上是測試流程的數字孿生版本。“它通過提供硬件和測試的虛擬原型來完成，測試可以是專注于功能或時序等特定主題的精簡版軟件，也可以是該虛擬原型上的完整軟件，”Janke解釋道，“為了減少復雜硬件/軟件系統的實際路測，虛擬測試將變得更加重要。虛擬硬件的一個重要優勢是，它允許在物理硬件交付之前就進行軟件的開發和測試，從而實現兩者并行開發，節省上市時間。”

Janke指出，雖然構建這些模型需要額外工作，但也有一些優勢，比如在與供應商溝通時可以重復使用。這些模型也可以作為硬件實現的黃金參考標準。

汽車測試涉及哪些方面？

汽車是半導體的安全關鍵應用領域，由于事關生命安全，因此質量至關重要。汽車集成電路在測試環節的一大特殊之處，在于需要通過三溫應力測試（-40°C/105°C/175°C），以有效模擬其需要承受的工作溫度。這三個溫度點依據另一標準AEC-Q100定義的汽車等級確定。此外，在最終測試前，汽車芯片還要經過高溫工作壽命(HTOL)測試和封裝級老化測試。

汽車IC客戶對測試覆蓋率要求更高，常使用基于機器學習的異常值檢測方法，將質量水平提升到接近零DPPM的水平。除高質量標準外，分級篩選（Binning）也是汽車行業的常見做法。

汽車中半導體元件數量已從內燃機汽車的幾百個，激增至電動汽車的5000個之多。泰瑞達復雜SoC業務單元總經理 Fisher Zhang指出：“芯片數量增加的同時，仍需維持整體相同的質量標準和低缺陷水平，這意味著每個組件的質量要求實際上在提升。”

新思科技高級產品經理Pawini Mahajan詳細介紹了汽車測試面臨的挑戰：

• 符合ISO 26262的故障覆蓋率：需采用先進故障模型（如單元感知、路徑感知），以滿足高診斷覆蓋率和安全指標。

• 系統內測試 (BiST/LBiST/MBiST)：具備在車輛運行中執行自測試的能力，同時將面積、功耗和性能影響降至最低。

• 超低DPPM目標：需通過高靈敏度故障檢測和測試逃逸分析，實現<1 DPPM的缺陷率。

• 測試時間與覆蓋率：需使用掃描壓縮和高效測試調度，來平衡高測試覆蓋率和嚴格的成本限制。

• 惡劣條件下的DFT穩健性：測試邏輯必須在汽車環境中典型的寬溫度和電壓范圍內可靠運行。

故障模型持續迭代更新。“先進故障模型，超越了常規的固定故障和過渡故障模型，能更準確地模擬芯片中常見的缺陷，針對不同的缺陷創建有針對性的模式，例如物理橋接/開路/單元鄰域故障，”西門子EDA的Harrison表示，“我們甚至正在研究應力測試故障模型，通過制造階段對晶體管施加應力，識別可能導致芯片早期失效的潛在隱患。”

其他挑戰與測試流程直接相關。“在三溫測試中，將芯片溫度保持在預期溫度范圍內是一項挑戰。此外，測試板空間（負載板和探針卡的復雜性）也限制了最大并行測試能力，”愛德萬測試V93000電源/模擬/控制業務團隊負責人Toni Dirscherl表示，“這些包含大量模擬參數的大型測試程序開發周期長，需要大量相關性驗證工作。”

為提升異常檢測能力，芯片廠商正使用AI程序和片上傳感器。在制造初期和大規模生產階段，芯片廠商還通過多重測試策略減少早期失效（所謂的硬故障），并使用壓力測試（使用電壓和/或溫度壓力）來誘使潛在缺陷（所謂的軟故障）暴露。

現場和系統內測試

“當前，汽車應用的現場測試主要支持預測性維護，包括使用嵌入式傳感器和監視器進行實時任務模式測試，以測量路徑裕度或內存時序等指示設備性能下降的參數，”新思科技工程架構總監Jyotika Athavale表示。在故障發生前檢測到這種退化至關重要。“隨著行業向自動駕駛演進，現場測試將不斷發展，以應對日益增長的AI工作負載帶來的更高故障率，因此需要更廣泛、更先進的現場測試，并提高測試覆蓋率。”他表示。

圖2：片上監視器、高速I/O接口、測試程序IP以及現場調試診斷故障分析方法示意圖。

（圖源：新思科技）

系統內測試涉及對整個系統（包括硬件和軟件）的測試，以確保其在功能性和非功能性要求方面按預期運行。西門子EDA的Harrison表示。“系統內測試幾乎已成為汽車芯片的必備要求。這可通過多種解決方案實現，例如系統內結構測試和通過軟件測試庫進行的系統內軟件測試。通常，結構性系統內測試的缺陷覆蓋率非常高，而功能性軟件測試庫則用于針對特定功能進行測試。”

圖3：通過片上流掃描網絡測試基礎設施進行確定性測試。

（圖源：西門子EDA）

Harrison表示：“目前系統內測試的主流技術主要基于BiST，包括MBiST和LBiST。隨著質量要求的提高，系統內確定性測試技術可以彌補現有缺口，將邏輯BiST的測試質量提升到與制造測試相同的質量水平。”

正如汽車系統日益受到關注，測試單元的維護也愈發重要。“關注完整測試單元的互操作性變得越來越重要，”愛德萬測試的Dirscherl表示，“主動熱冷卻、每站點的獨立熱管理，以及大電流路徑的插座/探針接觸監控等問題都至關重要。”

隨著測試儀插座和老化插座上觸點數量不斷增加，同軸插座的特性分析和維護也越來越受到關注。在測試代工廠或OSAT中使用插座測試協議進行定期測試，可確保插座使用良好。

軟件定義汽車將如何改變認證體系？

隨著汽車越來越多地由軟件定義，工程師們正追蹤軟件對芯片實際性能的影響。制造商必須能夠在產品生命周期初始及后續階段，持續觀測和追蹤軟件對硬件的影響，尤其是在OTA（空中下載技術）更新場景下。

“通過機器學習驅動的片上監控，我們通過將測試時的可靠性預測與現場實時運行條件關聯起來，從而實現這種可視化。智能代理會在系統的整個生命周期內持續監控，以跟蹤性能下降情況，從而預防故障、進行遠程診斷和預測性維護，”Mendelsohn解釋道，“這種方法能夠精確地監控實際性能與預期性能之間的差異，也能幫助客戶追溯任何性能偏移的根本原因。”

結語

由于汽車的運行壽命為12至15年，而數據中心通常的運行壽命為3至7年，因此，汽車測試必須滿足比普通集成電路更高的可靠性和安全標準。如今，在車輛全生命周期內進行持續監控和現場反饋變得至關重要，尤其是隨著更多先進制程器件應用于汽車領域。

出于這些原因，芯片廠商越來越多地采用現場測試和片上監控器，以及基于機器學習的軟件，以檢驗實際設備性能是否與預測值相符，并精準預判性能退化和老化趨勢。數字孿生虛擬測試將在這些預測中發揮重要作用，左移測試也將發揮重要作用。