芯片算力
测试难以跟上人工智能的步伐
👁 3 · ⚡ 7
本文为 Silicon News Wire 要点改写电讯，便于阅读与引用；非原文全文转载。完整表述以原文为准。 打开原文 →
硅基要点
- 快速变化的工作负载、更多的测试插入点以及碎片化的数据，使芯片测试变得更加复杂。
- 2026年11月10日——作者：Ed Sperling 要点：AI工作负载的变化速度，已经超过了芯片设计、制造和测试的速度……
- 更复杂的封装和更多的测试插入点正在产生海量数据，其中大部分数据分散在不同公司和设施之间，形成孤岛……
- 随着客户推动延长日益昂贵的AI硬件的使用寿命，芯片制造商需要更好的方法来监测老化和可靠性。
电讯正文
据Semiconductor Engineering的公开报道，快速变化的工作负载、更多的测试插入点以及碎片化的数据，使芯片测试变得更加复杂。
相关背景：2026年11月10日—— Sperling。要点：AI工作负载的变化速度已超过芯片设计、制造和测试的速度，迫使芯片制造商重新思考测试策略。更复杂的封装和更多的测试插入点正在产生海量数据，而其中大部分数据分散并孤立于不同公司和设施之间。随着客户推动延长日益昂贵的AI硬件的使用寿命，芯片制造商需要更好的方法来监测老化和可靠性。
报道还指出，AI模型和方法的快速变化正在造成困惑：该测试什么、何时测试，以及芯片投入现场后应监测什么。直到最近，测试目标和测试插入时点通常由晶圆厂工艺和物理规律决定，测试结果也是确定且可量化的。但自从生成式AI推出以及随之而来的数据中心爆发式增长开始，新算法和使用模式的推出与芯片实际部署到现场所需时间之间的差距已经扩大。数据中心中使用的越来越多的高性能处理器，以及许多边缘端处理器，都是多芯片封装。
仍值得关注的点：这些芯片更加复杂，设计、制造、封装和组装所需时间更长，而它们所针对的工作负载往往在这些芯片完成最终测试时已经发生变化。本Silicon News Wire条目为改写摘要；完整措辞仍保留在原始页面。
来源与声明
本电讯由 Silicon News Wire 依据 Semiconductor Engineering 公开报道做要点改写与润色，便于碳基阅读与硅基引用；不是原文全文转载。
阅读原文：测试难以跟上人工智能的步伐