不太確定下面這位「工研院產業分析師」講的東西是不是真的？因為無法直接作出任何判斷，但又覺的言之成理，所以先放在這，待時間考驗後，再作「蓋棺定論」....

過去幾十年間，半導體產業仰賴大規模的高階研發人力及大量資金投入，不斷地突破物理及材料限制，依循著莫爾定律提高元件的性能及生產效能。然而，自0.13微米以後，半導體產業對新材料、新製程和新設備的革新需求與日俱增，這些需求使得半導體R&D支出不斷提高，從1996年的150億美元到2006年的450億美元，並很可能在2010年時達到將近1,000億美元的金額。

不過，半導體製造業者的收益成長卻是緩慢的，從每五年的複合成長率（CAGR）來看，半導體業的製造收益已經從1990年的15%減少至2005年的4%。

但自0.13微米以後，半導體產業對新材料、新製程和新設備的需求，大幅提高R&D的支出費用，如銅製程的引進取代了鋁導線（0.13微米）、低介電常數材質在導線絕緣的應用（90奈米）、Ge epi S／D （65奈米）及高介電常數絕緣層及金屬閘級（45奈米）等。新材料、新製程的引進，也提升了研發的複雜度及風險。

許多公司已經組成策略聯盟來分攤鉅額的研發支出，然而，只靠降低成本來維持原有的競爭優勢也不夠；在面臨較以往更大的風險和更複雜的技術難度，且要同時滿足客戶期望降低價格但提高效能的需求，半導體業者必須靠著加速產品上市速度以期維持市場占有率，因此，如何在原料和製程的研發上提高生產力、減少研發周期並降低成本已成為關鍵課題。

針對以上的新挑戰，下世代的研發流程必須具備以下三點特性：（1）大量快速的同步製程實驗、（2）同步的特性分析檢測及（3）即時的資料處理系統。如此方能具有擴大複雜實驗的解決空間、執行多個材料研究實驗、蒐集多個特性組、同步進行資料分析的多項功能，因此，數百個材料物件和組合可以在很短時間內快速過濾完成，而將最佳組合有效地辨識出來，以進行進一步的最佳化。

此一先進製程研發流程，已由如Intermolecular Inc.提出的High Productivity CombinatorialTM（HPC）技術在三個半導體製程中得到具體實現。（一）以液體為基礎的濕式製程，包括cleaning、etching、self-assembled processing和deposition，（二） Physical Vapor Deposition （PVD）和（三）Atomic Layer Deposition（ALD）。

以advanced gate oxide及metal elctrodes和non-volatile memory materials的薄膜為例。能同時沉積不同材質、厚度及排列的組合，並同步利用包含：ellipsometry、X-ray diffraction、contact angle，或使用AFM在同一片實驗基板上產生數千個資料組。即時資料處理軟體系統彙集並整合了特性化製程資訊的結果，進行快速有效的資料分析和相關性分析以挑選出最佳的實驗組合。不但能夠提高研發效率、減少研發周期，更能節省原料成本，得到更有統計意義的結果。

以流體為基礎的Post Copper（Cu）-CMP Clean製程為例，如何挑選出高清洗效率又可適用於不同金屬及介電材料的化學溶液。第一階進行不同的配方篩選（Primary screening）。數個配方組被放置在可同步即時進行以液體為基礎的反應裝置製程，隨即被送至自動化測試系統中，由atomic force microscopy （AFM）負責量測銅表面的粗糙度，電性測試系統負責測量serpentine line電阻。

在第二階段的篩選（secondary screening）中，將使用客戶已刨光的CMP晶圓進行測試，配方組的更進一步最佳化會在此階段完成，而四組最佳的配方組將會被挑選出來進行最第三階段的篩選；在此階段，配方組將會被用來測試其對於low-K dielectric materials、queue-time effect、solution shelf life和parametric performance等之影響，這些資料組將有助增進客戶在解決問題和技術轉移至量產階段時，降低風險的信心。

整體而言，在這post-Cu CMP clean development發展階段中，總共執行了1,320個實驗和3,630特性組，透過這個HPC技術，最佳化的配方組可在僅用16片晶圓、低於100美元的化學材料，和四周的時間內被辨識完成；這些目標若使用傳統作法，將需耗時一年來獲得相同的資料。

（ 作者是工研院IEK／ITIS計畫產業分析師 ）