技术概述
存内计算芯片（Compute-in-Memory，CIM）作为一种突破传统冯·诺依曼架构瓶颈的新型计算范式，正日益成为人工智能和边缘计算领域的焦点技术。传统计算架构中，数据需要在存储单元与计算单元之间频繁搬运，这种数据搬运过程不仅消耗大量能耗，还严重限制了计算效率。存内计算技术通过将计算操作直接嵌入存储阵列内部，实现了"存储即计算"的革命性突破，从根本上消除了数据搬运带来的延迟和功耗开销。
存内计算芯片检测是保障这类新型芯片性能、可靠性和功能正确性的关键环节。由于存内计算架构融合了存储器阵列与计算逻辑，其检测面临诸多独特挑战：一方面，需要验证存储单元本身的读写功能和可靠性；另一方面，还需确认阵列内计算操作的准确性与精度。存内计算芯片通常基于SRAM、ReRAM、MRAM或Flash等存储介质实现，不同介质的技术特性决定了检测方法和关注重点的差异性。
从检测技术发展的角度看，存内计算芯片检测涉及多个学科交叉领域，包括半导体器件物理、数字/模拟电路测试、神经网络算法验证等。检测过程需要综合考虑工艺偏差、器件老化、环境温度变化等因素对计算精度的影响。此外，存内计算芯片往往采用模拟域计算方式，信号完整性、噪声干扰、串扰效应等模拟电路问题也成为检测的重点关注对象。随着存内计算技术从学术研究走向产业化应用，建立系统化、标准化的检测体系对于推动该技术成熟落地具有重要意义。
存内计算芯片检测的核心目标包括：验证存储阵列的功能完整性、评估计算操作的准确度与精度、测量功耗与能效指标、测试在不同工作条件下的稳定性与可靠性，以及进行失效分析与良率优化。通过全面的检测流程，可以及早发现设计缺陷和工艺问题，为芯片量产和商业化应用提供质量保障。
检测样品
存内计算芯片检测的样品范围涵盖多种技术路线和产品形态。根据存储介质类型划分，主要检测样品类别包括以下几种：
- 基于SRAM的存内计算芯片：利用静态随机存取存储器阵列实现矩阵向量乘法运算，具有高速、高耐久性的特点，适用于对计算速度要求较高的应用场景。
- 基于ReRAM的存内计算芯片：阻变存储器具有非易失性和高存储密度优势，适合实现大规模神经网络加速，检测需重点关注阻变特性的一致性与耐久性。
- 基于MRAM的存内计算芯片：磁随机存取存储器结合了高速读写与非易失性，检测过程需评估磁隧道结器件的稳定性与写入操作的可靠性。
- 基于Flash的存内计算芯片：利用浮栅晶体管的多级存储特性实现高密度计算，检测需关注存储单元的阈值电压分布和耐久性退化问题。
- 基于PCM的存内计算芯片：相变存储器通过材料相态变化存储数据，检测需验证相变操作的一致性和多次循环后的器件退化情况。
从产品形态角度，检测样品可分为：存内计算芯片裸片（Die）、封装后的存内计算芯片成品、存内计算IP模块、以及集成存内计算加速器的系统级芯片（SoC）。不同形态的样品在检测流程和测试接口方面存在差异，需要针对性地设计测试方案。
检测样品的来源包括：设计验证阶段的工程样片、小批量试产阶段的产品样品、量产阶段的出货产品、以及客户退回的失效样品。针对不同来源的样品，检测目的和侧重点有所不同。工程样片侧重于功能验证和性能调优，量产产品侧重于质量把控，失效样品则侧重于失效原因分析。
在样品准备环节，需要确保样品存储和运输条件符合要求，避免静电损伤、机械损伤或环境应力对样品造成额外影响。对于非易失性存储器类型的存内计算芯片，还需注意样品的初始状态记录，确保检测结果的可追溯性。
检测项目
存内计算芯片检测项目涵盖功能、性能、可靠性等多个维度，形成系统化的检测指标体系。具体检测项目可归纳为以下几大类：
一、存储阵列功能与性能检测
- 存储单元读写功能测试：验证每个存储单元的正确读写能力，检测是否存在失效单元。
- 存储阵列读写速度测试：测量随机读写访问延迟、页面模式读写吞吐率等速度指标。
- 存储容量与地址映射测试：验证芯片实际可用存储容量是否符合设计规格，检测地址译码正确性。
- 存储保持时间测试：针对非易失性存储器，测量数据保持能力与温度的关系。
- 耐久性测试：评估存储单元可承受的写入擦除循环次数，监测循环过程中的性能退化。
二、计算功能与精度检测
- 计算功能正确性验证：通过预设测试向量验证存内计算操作的功能正确性。
- 计算精度评估：测量模拟计算结果的量化误差、非线性误差，评估与理想计算结果的偏差。
- 计算吞吐率测试：测量不同计算规模下的计算吞吐量，评估峰值算力与实际算力差距。
- 延迟测试：测量从数据输入到结果输出的端到端计算延迟。
- 并行度验证：验证阵列并行计算能力，检测是否存在计算单元失效或性能不均衡问题。
三、功耗与能效检测
- 静态功耗测量：测试芯片待机状态下的功耗水平。
- 动态功耗测量：测量不同工作负载下的运行功耗，分析功耗与计算强度的关系。
- 峰值功耗测量：确定芯片最大功耗点，评估供电系统设计余量。
- 能效比计算：根据算力与功耗数据计算能效指标（TOPS/W），评估芯片能效优势。
四、可靠性与稳定性检测
- 高温工作寿命测试（HTOL）：加速老化测试评估芯片长期工作可靠性。
- 高温存储测试（HTS）：验证高温存储条件下的数据保持能力。
- 温度循环测试：评估温度变化对芯片性能稳定性的影响。
- 电压波动测试：测试供电电压波动条件下的计算正确性。
- 工艺角验证：评估不同工艺角条件下芯片性能的一致性。
五、电气特性检测
- 直流参数测试：测量电源电流、输入输出电压阈值、漏电流等直流特性。
- 交流参数测试：测量信号上升下降时间、建立保持时间等交流时序特性。
- 信号完整性分析：评估高速信号的信号质量，检测反射、串扰等问题。
检测方法
存内计算芯片检测采用多种技术手段相结合的方法体系，确保检测结果的全面性和准确性。主要检测方法包括：
一、晶圆级测试方法
晶圆级测试在芯片封装前进行，通过探针卡直接与芯片焊盘接触实现测试。该方法可快速筛选失效芯片，降低封装成本浪费。晶圆级测试主要采用以下技术：
- 存储器内建自测试（MBIST）：利用芯片内部集成的测试电路自动执行存储阵列测试，生成测试向量并比较响应结果，可高效完成大规模阵列的故障检测。
- 边界扫描测试：通过JTAG接口实现芯片边界扫描，验证输入输出端口功能和互连正确性。
- 探针测试：使用自动测试设备（ATE）配合探针卡执行功能性测试和参数测量。
二、成品级测试方法
封装后的成品测试更贴近实际应用场景，可验证封装过程引入的额外影响。主要方法包括：
- 功能测试：编写测试程序在自动测试设备上执行，验证芯片各项功能符合设计规格。测试向量需要覆盖边界条件和典型应用场景。
- 参数测试：精确测量芯片的电气参数，包括电压、电流、时序等指标，确保参数在规格范围内。
- 系统级测试：将芯片置于实际应用系统中进行测试，验证真实工作条件下的性能表现。
三、计算精度验证方法
存内计算芯片的计算精度验证是检测的核心难点，需要采用系统化的方法进行评估：
- 基准测试集验证：使用标准神经网络模型和数据集作为测试负载，对比存内计算结果与浮点参考结果的误差分布。
- 随机向量测试：生成大量随机输入向量和权重矩阵，统计分析计算误差的均值、方差和分布特性。
- 边界条件测试：针对容易产生溢出或精度损失的边界输入条件进行专项测试。
- 噪声鲁棒性测试：在输入数据中注入噪声，评估噪声对计算结果准确性的影响。
四、可靠性测试方法
可靠性测试采用加速老化手段评估芯片长期工作稳定性：
- 加速寿命测试：在高温、高压条件下加速器件老化，推算正常工作条件下的寿命预期。
- 步进应力测试：逐步增加应力水平（温度、电压），确定芯片的工作裕量和失效阈值。
- 环境应力筛选：通过温度循环、机械振动等环境应力暴露潜在缺陷。
五、失效分析方法
针对检测中发现的失效样品，采用以下方法进行失效原因定位：
- 物理失效分析：通过开封、去层、切片等样品制备工艺，结合显微镜、电子显微镜等设备观察失效位置。
- 电学失效分析：利用微探针、激光电压探测等技术定位失效电路节点。
- 软件辅助诊断：利用芯片内建的诊断寄存器和错误日志进行软件层面的问题定位。
检测仪器
存内计算芯片检测需要借助多种专业仪器设备完成各项测试任务。检测仪器配置直接影响检测能力和结果精度。主要检测仪器包括：
一、自动测试设备（ATE）
自动测试设备是芯片测试的核心平台，能够执行复杂的测试程序并高速采集测试数据。针对存内计算芯片测试，ATE系统需要具备以下能力：
- 多通道数字测试通道：用于数字信号输入输出和功能测试，通道数量需满足芯片I/O数量需求。
- 高精度模拟测试单元：用于测量模拟计算输出信号，需要具备高分辨率和低噪声特性。
- 精密参数测量单元（PMU）：用于精确测量电压、电流等电气参数。
- 高精度电源模块：提供稳定的供电电压，支持电流测量功能。
二、晶圆探针测试系统
晶圆探针测试系统用于晶圆级测试，主要包括：
- 探针台：承载晶圆并实现精确定位，具备温度控制能力。
- 探针卡：实现测试设备与芯片焊盘的电气连接，需定制设计适配芯片焊盘布局。
- 探针卡适配器：连接探针卡与ATE测试头，确保信号传输质量。
三、存储器测试专用设备
针对存内计算芯片中的存储阵列测试，可采用专用存储器测试设备：
- 存储器测试系统：专用于各类存储器测试的设备，内置丰富的存储器测试算法。
- 耐久性测试系统：专门用于执行写入擦除循环耐久性测试，支持多器件并行测试。
- 数据保持测试设备：用于加速数据保持特性测试，支持高温烘烤和数据读取验证。
四、计算性能分析设备
评估存内计算芯片的计算性能需要以下设备支持：
- 高精度示波器：用于观测模拟计算信号的波形特性，分析信号完整性问题。带宽需满足高速信号测量需求。
- 逻辑分析仪：用于捕获和解析多通道数字信号，验证计算过程的时序正确性。
- 功耗分析仪：高精度、高带宽功耗测量设备，可动态测量芯片功耗变化。
五、可靠性测试设备
可靠性测试需要专业的环境应力施加设备：
- 高温加速寿命测试箱：提供稳定的高温环境，支持多器件并行加电测试。
- 温度循环试验箱：实现快速温度切换，执行温度循环应力测试。
- 高低温湿热试验箱：提供复合环境应力条件。
六、失效分析设备
失效分析环节需要借助多种微观分析设备：
- 光学显微镜：用于芯片表面缺陷观察和宏观定位。
- 扫描电子显微镜（SEM）：高倍率观察芯片微观结构，识别缺陷形貌。
- 聚焦离子束系统（FIB）：进行定点切割和微加工，制备观察样品。
- 透射电子显微镜（TEM）：观察器件纳米级结构和晶体缺陷。
- 红外热成像仪：定位芯片热点和功耗分布异常区域。
应用领域
存内计算芯片凭借其高能效计算优势，在多个领域展现出广阔的应用前景。不同应用场景对芯片性能和可靠性的要求各有侧重，也决定了检测关注重点的差异。主要应用领域包括：
一、人工智能边缘计算
边缘计算场景对功耗有严格限制，存内计算芯片的高能效特性使其成为边缘AI部署的理想选择。典型应用包括：
- 智能视觉终端：在摄像头、无人机等设备上实时执行图像识别、目标检测等任务。
- 智能语音设备：实现语音唤醒、语音识别等语音处理功能。
- 可穿戴智能设备：在极低功耗预算下实现健康监测、行为识别等功能。
- 工业物联网终端：在工业现场执行实时数据分析、异常检测等任务。
该应用领域的检测重点关注功耗指标、计算精度在不同工作条件下的稳定性，以及长时间工作的可靠性。
二、数据中心AI加速
数据中心对AI算力需求持续增长，存内计算芯片可作为专用AI加速器提升能效比。应用场景包括：
- 深度学习推理加速：加速神经网络推理任务，提升吞吐量并降低能耗。
- 大规模推荐系统：加速推荐算法中的矩阵运算，提升响应速度。
- 自然语言处理：加速语言模型推理，支持实时交互应用。
数据中心应用的检测重点关注计算吞吐率、峰值算力、长时间运行稳定性以及大规模部署的良率一致性。
三、自动驾驶系统
自动驾驶对AI计算提出了实时性、可靠性和安全性的严格要求。存内计算芯片在自动驾驶领域的应用包括：
- 环境感知处理：实时处理摄像头、激光雷达等传感器数据，执行目标检测与跟踪。
- 路径规划计算：执行决策算法的计算任务。
- 驾驶员监测系统：实时监测驾驶员状态，提供疲劳、分心预警。
自动驾驶应用的检测需要特别关注功能安全等级验证、极端温度条件下的性能稳定性、以及故障检测与处理机制的有效性。
四、智能安防监控
智能安防领域需要在视频流中实时执行各类分析任务，存内计算芯片可提供高效能的本地处理能力：
- 人脸识别：实时识别监控画面中的人脸，支持身份核验应用。
- 行为分析：识别异常行为事件，如入侵、跌倒、打斗等。
- 车牌识别：自动识别车牌号码，支持交通管理应用。
智能安防应用的检测需验证在复杂光照、遮挡等条件下的识别准确率稳定性。
五、医疗电子设备
便携式和植入式医疗设备对功耗和体积有苛刻要求，存内计算芯片可赋能智能医疗应用：
- 便携式诊断设备：实现心电图分析、血糖趋势预测等计算任务。
- 植入式医疗设备：执行心脏起搏、神经刺激等智能控制功能。
- 医学影像分析：辅助医生进行影像诊断，提升诊断效率。
医疗应用的检测需特别关注长期植入的生物相容性、电磁兼容性以及极端可靠性验证。
六、航空航天电子
航空航天领域对电子设备的可靠性、抗辐射能力有极致要求，存内计算芯片在该领域的探索应用包括：
- 卫星载荷计算：在卫星上执行遥感数据处理，减少数据下行量。
- 航天器姿态控制：执行姿态控制算法的实时计算。
- 抗辐射存内计算：采用抗辐射设计工艺，适应空间辐射环境。
航空航天应用的检测需执行严格的抗辐射能力验证、单粒子效应测试以及极端环境适应性验证。
常见问题
存内计算芯片检测过程中，经常遇到一些典型问题，了解这些问题及其成因有助于提高检测效率和问题定位能力。以下是常见问题及其分析：
一、计算精度不达标
问题描述：存内计算结果与理想值偏差超出允许范围，影响神经网络推理准确率。
可能原因分析：
- 存储单元阈值电压分布展宽，导致存储权重值偏离预期。
- 模拟计算电路存在系统性偏差，产生固定的计算误差。
- 工艺偏差导致器件参数偏离设计中心值，影响计算线性度。
- 电路噪声或串扰干扰模拟计算过程，引入随机误差。
- 量化方案设计不合理，量化误差损失过大。
建议对策：优化存储单元阈值电压控制工艺，改进模拟计算电路设计增加误差校正，测试过程中执行校准补偿系统性偏差。
二、功耗异常偏高
问题描述：实测功耗明显高于设计规格，影响芯片能效优势和应用范围。
可能原因分析：
- 静态功耗过高，可能由漏电流偏大导致，与工艺控制相关。
- 动态功耗异常，可能由不必要的数据翻转或冗余计算导致。
- 时钟树功耗过大，时钟分布网络设计或时钟门控效率问题。
- 测试条件设置不当，如供电电压偏高或测试向量翻转率过高。
建议对策：分析功耗构成定位主要功耗来源，检查漏电流水平，验证时钟门控逻辑有效性，优化测试条件设置。
三、存储阵列良率偏低
问题描述：存储阵列存在较多失效单元，芯片整体良率低于预期。
可能原因分析：
- 工艺缺陷导致存储单元结构异常，如接触孔开路、短路等。
- 存储单元设计裕量不足，对工艺偏差敏感度过高。
- 冗余修复方案设计不合理，修复能力不足以覆盖缺陷单元。
- 测试判据过于严格，误判正常单元为失效。
建议对策：分析失效单元的空间分布规律定位工艺缺陷来源，优化存储单元设计增加工艺窗口，完善冗余修复方案，合理设置测试判据。
四、耐久性测试不合格
问题描述：非易失性存储器类型的存内计算芯片在写入擦除循环测试中出现单元失效。
可能原因分析：
- 写入擦除操作参数（电压、脉宽）设置不当，应力过大损伤器件。
- 存储介质材料特性限制，循环寿命本身受限。
- 单元间干扰累积导致阵列整体性能退化。
- 工作温度条件超出器件耐久性优化范围。
建议对策：优化写入擦除操作参数降低应力，选用更高耐久性的存储技术路线，增加操作裕量设计，验证应用场景的实际写入频率需求是否合理。
五、高温条件下计算错误
问题描述：常温测试通过，但高温条件下存内计算出现错误结果。
可能原因分析：
- 器件参数温度漂移超出设计补偿范围，模拟计算偏差过大。
- 高温下漏电流增大，影响信号建立和保持。
- 高温导致时序路径延迟增加，出现建立时间违例。
- 存储单元阈值电压温度漂移，读取窗口减小导致读取错误。
建议对策：改进电路设计增加温度补偿机制，验证全温度范围的时序裕量，增加设计冗余应对参数漂移，优化存储单元读出电路设计。
六、芯片间性能离散性大
问题描述：同一批次或不同批次芯片之间的性能指标存在较大差异，影响产品一致性。
可能原因分析：
- 工艺批次间参数波动导致器件特性差异。
- 芯片内部工艺偏差分布不均匀，影响局部性能。
- 封装应力差异导致芯片性能参数漂移程度不同。
- 测试设备校准或测试条件控制不当引入测量误差。
建议对策：统计分析多批次芯片性能分布定位离散来源，优化工艺控制稳定性，改进封装工艺降低应力，严格测试设备校准和条件控制。
七、系统级应用中出现偶发错误
问题描述：单项测试均通过，但在系统级应用中偶发计算错误或功能异常。
可能原因分析：
- 实际应用工作负载超出设计覆盖范围，边界条件触发了设计盲区。
- 多模块协同工作时模块间干扰或资源竞争导致问题。
- 软件驱动与硬件配合存在时序或协议不匹配。
- 实际供电或时钟条件比测试条件更差，导致稳定性问题。
建议对策：增加系统级测试覆盖实际应用场景，验证软硬件协同工作机制，测试过程中模拟真实供电和时钟条件，收集现场数据定位问题触发条件。
八、检测结果可复现性差
问题描述：多次测试结果不一致，难以给出明确判定结论。
可能原因分析：
- 测试条件控制不稳定，如温度、供电电压波动。
- 测试向量随机性导致测试覆盖度差异。
- 被测芯片状态未正确复位，残留前次测试影响。
- 测试设备稳定性或测量精度不足。
建议对策：严格控制测试环境条件稳定性，使用确定性测试向量，完善测试复位流程，验证测试设备稳定性和测量精度是否满足需求。
综上所述，存内计算芯片检测是一项系统性、专业性极强的工作，需要综合运用多种测试技术和分析方法。随着存内计算技术的不断发展和产业化推进，检测技术和标准体系也将持续完善，为这一新兴技术的质量保障和规模化应用提供有力支撑。建立科学规范的检测流程，不仅有助于及早发现设计和工艺问题、提升产品质量和可靠性，更能推动存内计算产业链的健康发展，加速AI算力技术革新。
