人工智能(AI)将引发内存测试需求。AI发展持续升温,深度学习(Deep learning)更是当中成长最为快速的领域,改变了计算机在现实世界中观看、倾听与认知事物的方式,并逐渐应用于智能型手机、穿戴式装置及自动驾驶汽车等领域中。现在已有许多芯片供货商对深度学习的兴趣不断增加,也意味着系统单芯片(SoC)对于内存的需求量将会大增,进而带动内存测试需求。
深度学习可协助计算机理解影像、声音和文字等数据,模仿神经网络的运算模式,以多节点、分层的运算来分析图片上的特征,最低层的节点只计算每一个像素上的黑白对比,第二层的节点则根据第一层的资料、以连续的对比来分辨线条与边界,随着层级愈来愈高、累积的计算信息愈来愈复杂,就可以对图片进行辨认与分类。
对于半导体产业而言,深度学习未来势将应用于各领域之中,卷积神经网络(CNN)正广泛地应用在影像与视讯辨识领域。这也意味着SoC对于内存的需求量将会大增,重要性也相对提升;无庸置疑地,数据量大即需要庞大的内存储存空间,也为SoC之内存测试带来更多挑战。
厚翼科技指出,测试SoC主要有三种方向,分别是传统功能测试、结构测试及自我测试(BIST)。功能测试只能由一组测试机台单独执行,而当SoC变得更为复杂且用到更多内存时,便需要更简便且准确的内存测试功能。
由于担心未来测试机台的效能及成本增加,半导体厂商开始加入更多的扫描路径到设计中,以便藉由结构测试方式来找出芯片在制造时所发生的潜在错误,使得最后有愈来愈多的BIST与SoC设计整合。
然而,BIST虽可成功降低产品不良率(DPPM)及公司成本,但同时也会影响芯片效能。对此,厚翼科技特别开发名为「Brains」的内存自我测试电路产生软件,从整体的芯片设计切入,全自动的判读内存并将其分群,让使用者能轻易产生优化的BIST电路,从产品设计前端大幅提升测试良率、降低测试成本。此一软件架构可以在最省面积的状况下,同时又不造成效能上的损失作处理。对于日新月异的处理器,可提供直接d性调配的接口,以支持各式处理器。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)