<專利申請系列－什麼東西能申請專利>

關於<GIPR Channel>的半導體系列文章，將開始討論晶圓製造的議題，未來會持續展開，如果你有想要了解的議題，請留言告訴我，我會優先為你製作特刊。

隨著製程節點持續縮小及晶圓結構日益複雜，傳統的檢測方法面臨著精度不足、誤報率高、人力成本攀升等挑戰。透過導入先進的AI檢測設備，不僅能大幅提升對晶圓表面與內部微缺陷的辨識能力，更能有效降低誤判，為晶圓製造帶來更穩定且高效的品質控制。在晶圓製造過程中，結合AI智能光學檢測設備，能精準掌握從裸晶圓初期檢測、光刻蝕刻製程控管，到成品晶圓及封裝階段的關鍵品質指標。這些設備透過深度學習與高速影像處理，不僅突破傳統光學檢測的限制，還能即時回饋製程資訊，降低良率波動風險，實現智慧製造的全面升級。本期”什麼東西能申請專利”我們就來看看關於晶圓製造的AI檢測設備。

《孫子．謀攻》知彼知己者，百戰不殆。擬定智財競爭策略，贏得市場競爭優勢。

目次

• 晶圓製造的AI檢測設備能申請專利嗎？
• 發明專利案例
• 新型專利案例
• 設計專利案例
• 下期預告－晶圓製造的環境工程

一、晶圓製造的AI檢測設備能申請專利嗎？

<<強哥提醒！若您不想看細節，只需知道晶圓製造的AI檢測設備是結合自動光學檢測（AOI）、先進光源技術與深度學習演算法的關鍵品管系統，能提升瑕疵召回率，並降低誤報率。在 2 奈米、GAA 製程以及 CoWoS 先進封裝浪潮下，AI 檢測是確保晶圓良率、減少報廢的核心技術。>>

（一）導入AI檢測設備的關鍵技術與優勢

在現代晶圓製造流程中，導入AI檢測設備正逐步成為提升品質與生產效率的關鍵手段。以下從技術面與實務應用，說明AI檢測設備如何有效提升晶圓製造品質：

• 提高檢測精度與良率

傳統的基於規則的檢測系統，在面對3奈米以下晶片複雜設計時，難以全面準確地檢測數十億個晶體管。AI視覺系統能透過深度學習，學習複雜圖案的標準樣貌，並以超高速辨識偏差。AI檢測能偵測的缺陷包含：橋接、開路、線寬變化、刻蝕偏差、表面粒子污染、刮痕、凹坑及晶體缺陷等。

• 降低誤報率與減少人力負擔

傳統檢測系統誤報率高達90%以上，造成大量不必要的人工複檢工作。AI系統能大幅降低誤報，降低合格產品被誤判淘汰的情況，節省人工成本與時間。

• 多階段製程檢測全面覆蓋

AI檢測設備可應用於晶圓製造的多個關鍵階段：

裸晶圓入廠前的表面缺陷及粒子檢測，避免後續加工浪費。

光刻、沉積、蝕刻等在制層檢測，檢查圖案缺陷與對準誤差。

成品晶圓切割前的全晶圓檢測，標記缺陷晶粒避免良率流失。

封裝後的線鍵合和焊球完整性檢測。

全面檢測確保每個製程節點品質受控，降低報廢率與返工成本。

（二）AI智能光學檢測設備的創新應用解析

先進的AI智能光學檢測設備，已成為半導體晶圓製造中不可或缺的關鍵技術，協助產線實現精準控管與高良率。以下從實際應用角度，以具體案例與技術特點說明這些設備如何革新傳統檢測流程：

• 多階段晶圓光學檢測的全面覆蓋

裸晶圓檢測：在晶圓進廠初期，利用AI光學系統自動偵測表面缺陷，如微小粒子、劃痕、表面污染等，避免將有缺陷晶圓投入後續昂貴製程，節省成本。

中間製程檢測：每次光刻、蝕刻、沉積後，AI檢測設備即時捕捉圖案缺陷，包括橋接、線寬變化、空洞與對準誤差，及早預警，有效降低報廢率和返工成本。

最終晶圓檢測：完成所有製程步驟前，對整片晶圓進行高解析度掃描，標記缺陷裸片，提升成品合格率。

封裝與組裝階段：切割後，針對裸片線鍵合品質、焊球完整性、封裝裂紋等進行光學檢測，確保封裝品質。

• AI智能光學系統優於傳統檢測的三大特色

技術面向	傳統檢測系統	AI智能光學檢測設備
缺陷識別方式	基於規則的模式匹配，易受複雜圖案限制作業	深度學習模型，自主學習複雜圖案特徵
誤報率	高，誤報率可超過90%，需大量人工複核	大幅降低誤報，提升準確率和檢測效率
缺陷分類能力	缺乏分類與嚴重度分析	可依缺陷類型、嚴重程度及根因進行分類

• 宏觀表面缺陷全晶圓成像應用

AI智能光學檢測系統以高解析度全晶圓成像技術，對大型粒子、刮傷、霧度、不均勻圖案等宏觀缺陷進行全面掃描，廣泛應用於微影、蝕刻及CMP等前端製程，確保製程品質與產線良率。全晶圓成像不僅提升缺陷檢出率，也強化晶圓定位、讀碼追蹤與列印品質驗證功能，減少手動操作，提高檢測流程自動化與擴充性。

• AI智能光學檢測設備帶來的價值

在半導體高產線中，僅1%良率提升即可能帶來每年超過1億美元的經濟效益。AI光學檢測降低誤判與漏判風險，減少人力成本與產線停擺時間，提升產品一致性與可靠度。

（三）裸晶圓檢測在晶圓製造中結合AI檢測設備的新趨勢

• 提升裸晶圓表面微缺陷偵測能力

裸晶圓檢測面臨高密度、高層數及異材結合等複雜挑戰，傳統檢測設備難以兼顧解析度與速度。AI檢測設備利用深度學習技術，能有效識別包括刮傷、線路損傷、透明片異物與瑕疵、Glass Wafer透明瑕疵與弓度(Bow)等多種微小缺陷，顯著提升檢測靈敏度與準確率。

• 降低誤判率與提升檢測效率

傳統光學檢測容易因微小變異被誤判為缺陷，產生大量誤報增加人工複核負擔。AI系統能根據大量樣本自行學習正常與異常特徵，大幅降低誤報率，避免合格裸片被誤廢，同時提升整體檢測的速度與產能。

• 多層次缺陷分類與根因分析

AI不僅檢測缺陷，還能對缺陷類型（如表面污染、劃傷、圖案偏差等）進行分類，並分析缺陷成因。此功能協助製程工程師快速定位問題源頭，提前做出工藝調整，降低後續報廢率。

• 全晶圓高解析度成像支援宏觀與微觀檢測

利用127MP高解析度相機與先進光學元件，AI檢測設備可進行全晶圓成像，涵蓋從宏觀大面積表面缺陷到微米級細節檢測，提升QC流程的完整性與一致性。

（四）AI檢測設備與MES、SPC系統整合

在現代晶圓製造的智慧製造環境中，AI檢測設備與製造執行系統（MES）及統計製程控制系統（SPC）的整合，是提升製程效率與產品品質的關鍵技術。以下為AI檢測設備與MES、SPC系統整合的關鍵面向與實務應用：

• 自動串接數據流，實現即時品質回饋

AI檢測設備能夠即時捕捉晶圓表面及製程缺陷資訊，並自動將檢測結果上傳至MES系統。MES系統結合SPC，對製程數據進行統計分析，快速反饋異常狀況，實現製造流程的即時調整。這種即時反饋機制，避免了傳統人工輸入延遲，降低良率波動風險。

• 強化製造流程管控與透明化

結合AI檢測系統與MES，製造流程的每一階段缺陷檢測資料皆被完整紀錄並可追蹤，形成全面的品質管控資料庫。SPC系統利用這些大量數據，掌握缺陷趨勢與變異來源，協助工程師進行根因分析與製程優化。透過統一平台管理，不僅提升了製程透明度，也加速問題解決。

• 提升檢測速度與數據處理效能

半導體製造高產能要求AI檢測設備必須在極短時間內完成高解析度圖像分析，再將結果回傳MES/SPC系統。先進的邊緣AI運算實現亞秒級推論，避免資料大量傳輸造成延遲，確保製造系統能即時反應並調整製程參數。這種快速回饋形成閉環控制，有效提升良率與產能。

• 整合多元檢測設備，建立統一數據平台

半導體製造包含裸晶圓檢測、製程層檢測及封裝檢測等多階段，AI檢測設備與MES/SPC系統整合可將不同設備的檢測數據整合管理，避免資訊孤島。統一平台可支援從晶圓尺寸、表面缺陷類型（如刮痕、髒污、崩邊）到3D量測等多種檢測結果，提升製程品質的一致性與可追溯性。

（五）接著，判斷「晶圓製造的AI生產製程」能否申請專利？具不具備技術或設計？若要提升「技術性或設計性」，可從AI 即時理解製程、預測結果並自主修正參數切入。強哥的創新建議是：

• 一、AI 自適應製程控制
  • 蝕刻深度自動補償
  • 薄膜厚度即時修正
  • CMP 壓力與轉速動態控制
  • 製程漂移自動補償
• 二、AI 微影製程最佳化
  • Overlay 誤差補償
  • Focus / Dose 最佳化
  • Mask Pattern 修正
  • OPC 製程最佳化
  • EUV 隨機缺陷分析
• 三、AI 蝕刻製程控制
  • 分析、預測
  • Endpoint Detection + 自動停止蝕刻
• 四、AI 薄膜沉積製程
  • AI 最佳化
  • 製程條件 → 薄膜結構 → 電性結果
• 五、AI CMP 與晶圓平坦化
  • 即時分析預測晶圓表面狀態
  • 針對不同晶圓區域，自動調整研磨條件
• 六、AI 晶圓缺陷檢測
  • AI 辨識及判斷
  • Defect Detection → Classification → Root Cause Analysis
• 七、Virtual Metrology 虛擬量測
  • 預測量測結果
  • 預測薄膜厚度 / CD / Overlay
• 八、AI 良率學習與根因分析
  • 跨製程關聯分析
  • 資料＋工程知識共同驅動

<實際上還有許多例子，如果有興趣歡迎私下與強哥延伸交流>

最後，有沒有存在法定不予專利的事由？例如：

• 沒有涉及生物學方法、人類或動物之診斷、治療或外科手術方法；
• 不可以有妨害公共秩序或善良風俗的內容；
• 不能只是純功能、藝術或電路布局；
• 不能是單純的自然發現、科學原理、中文輸入/語言/數學/遊戲方法或規則本身、人為方法(如以手指夾球)、商業方法、傳統技藝等。
• 特別需要留意的是：單純的設計概念、單純程式碼本身，應屬於著作權。

二、專利案例

（一）發明專利，其重點在於必須具有「技術性」；發明專利保護利用自然法則之技術思想的創作，包括構造、方法、功能、技術、製造、材料等方面之技術改良或突破。以下舉出發明專利案例讓大家瞧瞧：

• 一種應用深度學習的半導體晶圓缺陷檢測及原因分析方法，以及應用該方法的全自動超聲波檢測裝置(專利號I899981)，申請日期2024/04/29，本發明主要目的在於精準識別產品缺陷並回溯生產原因。該技術結合了深度學習與非破壞性檢測，首先利用第一神經網路模型判定晶圓是否存在瑕疵，接著透過第二神經網路分析製程參數，藉此找出導致異常的具體生產工序與變數。這種方法解決了傳統檢測難以釐清缺陷成因的痛點，能協助製造商優化如研磨、蝕刻或配線等複雜流程，對提升無人駕駛車用晶片等高可靠度零件的良率具有重要價值。

（二）新型專利，其保護的是有形物品，而非技術概念或製造方法。因此，如果專利有涉及到物體之構造組合(如硬體的系統框架、架構、裝置、模組等)，仍有可能得到保護，但強哥必須強調，新型專利不能單純申請「方法」，可考慮申請「裝置、系統」及其架構。以下舉出個新型專利案例跟大家分享：

• 一種可進行半導體元件光學量測及檢測之多用途載台(專利號M618506)，申請日期2021/05/17，本新型主要目的在於透過整合化設計來降低生產成本並提升檢測效率。該設備結合了自動化晶圓傳送機構與精密移動軌道，能將晶圓準確送往作業區，進行厚度、應力或表面缺陷等多樣化的量測。相較於傳統每台檢測儀器都需配備獨立載台的作法，本發明採用萬用型光學儀架設基座，使其能兼容不同類型的光學量測設備，大幅強化了硬體的使用彈性。此外，系統內建的水平自動調整器與光學量尺，確保了晶圓在受檢時具備極高的定位精度與穩定性，能滿足從基礎到高階製程的精密檢驗需求。

（三）設計專利，其必須「應用於物品」、「透過視覺訴求」，表示設計必須透過視覺方式呈現，因此，若技術涉及到物品的外觀、電腦圖像之設計，則可以申請設計專利。以下舉出個設計專利案例跟大家分享：

• 一種光電感應器頭之部分(專利號D241474)，申請日期2024/07/17，本設計主要專為檢測晶圓而設計，採用反射型感應機制，透過精密配置的投光與受光光纖來運作。為了確保感測的準確度，其結構內部特別設置了遮光部，用以阻斷非必要的直射光或雜散反射光干擾。文件中詳細展示了多視角的立體圖與剖面圖，明確界定了專利主張的實體設計範圍，展現出半導體製程設備中精密的光學感測技術。

三、結語：下期預告－晶圓製造的環境工程

在先進製程微縮與先進封裝快速發展下，晶圓檢測設備已從品質把關工具，升級為影響良率、成本與產能的競爭核心。能掌握高解析成像、AI缺陷辨識、低誤報與即時回饋能力者，更能協助晶圓廠縮短製程調校時間、降低報廢並提升客戶黏著度。關鍵在於整合AOI、深度學習、邊緣運算與MES／SPC數據平台，讓檢測從「發現缺陷」進化為「預測原因、即時決策」。企業應以設備、演算法與製程資料形成整體解決方案，建立高轉換成本。智慧財產權則可布局光學架構、缺陷分類、根因分析、虛擬量測與操作介面，並以營業秘密保護模型參數與製程數據。最終，誰能把檢測能力轉化為智慧決策能力，並以智財建立技術門檻，誰就更能在AI晶圓製造競賽中取得長期競爭優勢。

當然，研發創新、技術實踐、經營管理的實務工作者應把時間、精神智力都灌注在本職上，因此挖掘智財、申請專利、智財策略的工作就交給專家吧！如果有興趣找強哥談談，讓強哥協助您取得所需重要資訊、追蹤技術、專利挖掘、迴避風險，歡迎與強哥聯繫。

在下一期的<GIPR Channel>文章裡，強哥會繼續延伸IC設計產業，希望透過淺顯易懂的介紹，就能吸收這些熱門產業的創新點子。若你也想知道還有什麼東西可以申請專利。敬請期待！