为什么晶圆厂需要 这么多检测与量测设备？—— 从 Inspection 到 Process Control，看懂良率背后的制造闭环

半导体制造科普 · 晶圆厂的“眼睛”

为什么晶圆厂需要
这么多检测与量测设备？

—— 从 Inspection 到 Process Control，看懂良率背后的制造闭环

01｜为什么 FAB 需要这么多检测与量测？

随着工艺节点缩小和制造步骤增加，FAB 对缺陷密度、关键尺寸、套刻精度和工艺稳定性的控制要求不断提高，检测与量测必须贯穿制造全过程。

良率累积的数学效应：例如，仅作为累计良率的数学示意，若 500 道工序每道均保持 99.99% 的良率，理论累计良率约为 95.1%；若下降至 99.98%，则约为 90.5%。

为了尽可能降低关键缺陷对良率的影响，晶圆厂需要通过覆盖关键制造环节的 Process Control 体系，尽早发现并控制异常。

02｜Inspection ≠ Metrology

在实际的工艺控制中，检测（Inspection）和量测（Metrology）解决的是两个截然不同的问题：

• Inspection（检测）——“有没有异常？”
  主要用于寻找晶圆表面或图形结构中的异常，例如 Particle（颗粒污染）、Scratch（划伤）、Pattern Break（图形断裂）、Bridge（图形连桥）等图形/表面缺陷。
• Metrology（量测）——“到底偏了多少？”
  主要对电路结构尺寸和材料特性做量化描述，如线宽、厚度、对准偏差等，提供确切的物理测量值反馈。

03｜检测与量测设备到底有哪些？

要理解这个庞大的高精尖设备族群，可以从两个相互独立、但彼此交叉的维度来看：

一个是“What to Know（业务目的）”，即你在查缺陷还是量尺寸；另一个是“How to Sense（技术路线）”，即你用什么物理手段去测。

《 半导体工艺控制设备的正交分类维度》

04｜Inspection 看什么，Metrology 测什么？

在 Inspection (检测) 侧，针对不同的工艺对象有着明确的分工：

• Unpatterned Wafer Inspection： 重点寻找无图形晶圆表面的 Particle 与其他缺陷，可用于评估晶圆表面质量，并为相关设备与工艺环境的洁净状态提供监测依据。
• Patterned Wafer Inspection： 在复杂的电路中，寻找光刻、刻蚀等步骤后的图形结构异常。
• Mask / Reticle Inspection： 掩膜版上的缺陷可能在光刻过程中转移到晶圆图形，因此该环节对降低批量复制风险非常关键。

在 Metrology (量测) 侧，则围绕“尺寸、位置、材料和形貌”展开：包括 CD、Overlay、Film Thickness、3D Morphology、E-Beam CD，以及特定材料、薄膜和三维结构相关的 X-Ray 量测等。

05｜三大技术路线：Optical / E-Beam / X-Ray

本文重点介绍三类具有代表性的物理技术路线：Optical、E-Beam 与 X-Ray。它们各自的优势和局限，使其在不同检测与量测场景中形成互补：

• Optical（光学技术）： 速度快、适合高吞吐检测与量测，通常具有非破坏性。历史数据显示，Optical 长期承担 Process Control 中的大规模、高吞吐检测与量测核心任务。
• E-Beam（电子束技术）： 提供远超光学的超高分辨率，但速度较慢。E-Beam 并不只服务于量产，也大量用于研发、工艺开发和新节点验证；在量产阶段，则更多承担关键区域的高分辨率 Defect Review、缺陷复核，以及后续缺陷分类的证据获取与支持，同时承担高精度尺寸量测（如 CD-SEM）。
• X-Ray（X射线技术）： 凭借极强的穿透力，在特定金属成分分析以及超薄膜厚度等特定量测场景中，发挥着不可替代的补充作用。

*注：不同市场机构对 Process Control、Inspection 等边界定义不同，文中不再沿用旧的 2020 年技术路线百分比作为当前定量结论，而是回归其物理定位的定性探讨。

06｜数据逻辑链：Inspection ? Review ? ADC ? YMS

在工厂真实的运作中，检测发现了异常，并不等同于解决了问题。这里有一条极严密的逻辑：Detection ≠ Classification ≠ Root Cause。

《Process Control 核心数据流：从物理探测到根因分析》

完整的业务流是：Inspection 扫描输出 Defect Evidence（物理缺陷证据）；随后由 Review 机台获取高分辨率图像及相关缺陷证据；接着由 ADC（自动缺陷分类）算法结合图像、ROI 及相关上下文信息进行分类，并打上 Defect Class 标签；最终，海量数据汇入 YMS（良率管理系统），通过 Lot / Wafer / Equipment / Chamber / Genealogy 等上下文进行关联分析，识别异常 Pattern，并形成 Root Cause Candidate（根因候选）和 Engineering Hypothesis（工程假设），为工程验证和后续工艺调整提供依据。

07｜2025 市场到底有多大？

我们需要将“半导体设备总大盘”与细分的“Process Control”清晰剥离。2026 年 7 月 SEMI 最新预测显示：全球半导体制造设备销售额预计达 1659 亿美元，其中晶圆制造设备（WFE）约 1439 亿美元。

而在更窄的工艺控制领域，根据 CSET 基于 TechInsights 的 2025 年统计，全球 Process Control Tools 市场规模约为 157 亿美元。这是一个高度集中的市场：

2025 年，KLA 约占 56.8%，Applied Materials 约 11.2%，Lasertec 约 6.4%，Hitachi High-Tech 约 6.2%，ASML 约 5.9%。前五大厂商合计约 86.5%。

一个直观的参照体：
2026 财年，KLA 的 Semiconductor Process Control 业务收入达到约 122.45 亿美元，同比增长约 12%；其中 Wafer Inspection 收入约 66.3 亿美元，Patterning 约 27.1 亿美元。
(注：KLA 对自己的 Process Control 定义，本身就包括 Defect Inspection / Review、Metrology、Reticle 及先进封装。这代表了其自身特定财年业务规模，不可直接等同于第三方市场总规模)

为什么 KLA 能形成如此高的壁垒？它依靠的是 Installed Base（庞大的装机基数）、成熟的 Recipe / Application Knowledge、长期积累的 Defect Library、Data / Algorithm 能力，以及全球化的 Customer Qualification 与 Service Network。这些能力共同形成了极高的客户切换成本和验证壁垒，也使后来者很难仅凭单台设备性能实现替代。

08｜中国市场与国产设备走到哪了？

中国已经是全球半导体设备最大的单一市场之一。2025 年中国半导体制造设备 Billings 销售额约 493 亿美元。但需要注意，这一数字是中国整体半导体制造设备市场的区域统计口径，并不等同于单一的 Process Control 市场。

在极高壁垒的 Process Control 领域，根据 CSET 基于 TechInsights 的 2025 年统计，中国厂商在相关市场中的整体份额约为 0.7%，各细分领域也存在差异：

• Defect Inspection（缺陷检测）： 约 0.6%
• Line-width Measurement（线宽量测）： 约 0.4%
• Film / Shape Metrology（膜厚/形貌量测）： 约 2%
• Mask Inspection / Repair（掩膜版检测）： 0%
• Advanced Packaging Wafer Inspection： 0%

09｜厂商技术优势与产品能力映射

在这条赛道上，不同厂商凭借各自的技术基因形成了极具特色的产品矩阵：

《全球主要 Process Control 厂商能力版图》

而在国产设备的发展进程中，几家排头兵正从单点设备向多技术路线快速挺进：

• 中科飞测： 2025 年报显示营业收入约 20.53 亿元，其中检测设备约 13.64 亿，量测约 6.23 亿。产品和应用持续向逻辑、存储及先进封装等方向拓展。
• 精测电子（上海精测）： 半导体前道量检测业务持续增长，2026 年中报披露半导体在手订单约 36.09 亿元。公司披露，部分主力产品已完成 7nm 先进制程交付及验收，更先进制程产品仍在验证。
• 上海睿励： 聚焦光学膜厚量测、缺陷检测等领域，是国内前道量检测设备的重要厂商之一。

10｜从设备到 CIM：数据到底怎么闭环？

设备测出了数据，接下来就是 IT 系统的工程化接入。在智慧工厂的架构体系中，这里有一条极其关键的观点：不是 MES 不需要检测数据，而是 MES 不应该把所有原始数据都变成自己的事务型数据。

系统架构必须解耦为平行的两层：
Data Plane（数据面）：负责承接规模巨大的 Raw Image、Waveform、Inspection Result 等高频、大体量物理级数据。
Control Plane（控制面）：MES 主要负责 Manufacturing Context、WIP State、Route、Hold/Release、Sampling Execution、Result Reference 与 Traceability。

《 Process Control 数据面与控制面并行闭环架构 》 

在这个架构下，YMS、SPC、FDC 等专业系统共享制造上下文，并分别承担良率/缺陷关联、统计过程控制、设备与过程异常分析等职责；经工程验证的 Rule / Model / Control Strategy 可由 APC / R2R 执行前馈或反馈控制，并通过后续检测与量测进行验证，最终实现闭环。

? 结语：超越设备的闭环之眼

光刻机告诉你“图形制造出来了”，刻蚀机告诉你“材料被去除了”，而检测与量测告诉你“这个结果到底怎么样”。这就是 Process Control 的起点。

在 AI 时代，AI 并不是简单替代 MES、APC、EAP 等既有执行与控制系统，而是作为能力增强层，深度参与 Detection、Classification、Pattern Recognition、Root Cause Candidate 生成与推断，以及 Sampling Optimization。

感知 ? 分析 ? 决策 ? 控制 ? 执行 ? 验证 ? 再感知 (Sense Again)
这，才是现代晶圆制造真正意义上的 Process Control 闭环。

参考资料与数据来源

• SEMI — Total Semiconductor Equipment Forecast (涵盖 1659亿 / 1439亿 / 493亿美元大盘口径)
• KLA — 2026 Annual Report
• CSET / TechInsights — Metrology and Inspection / Process Control Market Analysis
• 中科飞测 — 2025 年年度报告
• 精测电子 — 2026 年半年度报告
• 基础原理 — 良率累计计算、Inspection / Metrology 基础概念及三大底层物理技术路线，参考半导体工艺及过程控制相关公开技术文献。