AI 모델 및 플랫폼

Kulicke & Soffa, AI 패키지용 패널 레벨 본딩 시스템 출하

Theo Nash
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트K&S는 AI 및 HPC 패키지를 위해 플럭스 없는 열압착 공정을 웨이퍼에서 패널 형식으로 확장합니다.
더 보기
  • K&S는 AI 및 HPC 패키지를 위해 플럭스 없는 열압착 공정을 웨이퍼에서 패널 형식으로 확장합니다.
  • 180mm 본드헤드는 웨이퍼 기반 공정의 한계를 압박하는 더 큰 다이와 이종 통합 패키지를 겨냥합니다.
  • 패널 레벨 패키징 도입은 이러한 출하가 광범위한 생산 사용을 입증하기 전에 여전히 공정 성숙도와 표준화가 필요합니다.

Kulicke & Soffa는 2026년 11월 18일 발표를 통해 대만의 서로 다른 두 주요 고객사에 APTURA WSX 패널 레벨 본딩 시스템을 출하했다고 밝혔다. 이로써 무플럭스 열압착(FTC) 공정을 웨이퍼 생산에서 인공지능(AI) 및 고성능 컴퓨팅(HPC)용 대형 패키지로 확대했다.

이번 발표는 K&S가 기존에 진행해 온 FTC 작업을 미세 피치 칩온웨이퍼 생산에서 대형 칩온패널 공정으로 확장한다. K&S는 APTURA WSX를 기판 레벨 패키징용 업계 최초의 무플럭스 열압착 본딩 시스템이라고 설명한다. 어드밴스드 솔루션 사업부의 부사장 겸 총괄 책임자인 John Molnar는 이번 출하가 특정 제조 요건과 관련이 있다고 말했다. “AI와 HPC에는 더 큰 다이와 패키지가 필요하며, 패널 레벨 형식으로의 전환도 요구됩니다.”

대형 패키지용 본딩 헤드

APTURA WSX는 인터포저를 기판이나 더 큰 패널 및 플랫폼에 조립하도록 설계됐다. K&S에 따르면 180mm 본딩 헤드는 더 큰 다이와 패키지 형식으로 인해 조립 장비에 새로운 요구 사항이 생기는 차세대 AI, HPC 및 이종 집적 패키지를 겨냥한다.

이 시스템의 이중 무플럭스 공정은 플라스마와 포름산을 결합해 본딩 중 산화물을 줄인다. 패널 생산을 위해 별도의 본딩 방식을 도입하는 대신, 이미 대량 생산에 사용되는 FTC 공정을 더 큰 패널 형식으로 확장한다.

보다 폭넓은 APTURA 제품 문서에는 이 플랫폼이 다양한 생산 요건을 어떻게 수용하는지 나와 있다. 웨이퍼와 기판은 물론, 310mm × 310mm 크기부터 시작해 더 큰 형식으로 확장되는 패널도 처리한다. 고객은 산화물 제거 방식으로 침지 플럭스, 플라스마, 플라스마와 포름산의 조합 또는 포름산 단독 사용을 선택할 수 있다. 레시피 전송과 장비 간 매칭은 일관된 성능을 유지하고 대량 생산으로의 램프업을 앞당기기 위한 기능이며, 실시간 원격 모니터링과 최적화는 가동 중단 시간을 줄이고 수율을 높이도록 설계됐다.

패널 방식의 제조상 이점

Yole Group의 2026년 3월 2026년 패널 레벨 패키징 보고서에 따르면 패널 레벨 패키징 매출은 2025년에 3억 달러를 넘어섰다. 또한 향후 5년간 연평균 성장률이 40%를 웃돌아 거의 30억 달러에 이를 것으로 전망했으며, 2031년에는 초고밀도 팬아웃과 2.5D 인터포저가 매출을 견인하는 가장 큰 분야가 될 것으로 내다봤다.

Yole은 더 큰 패널과 고도화된 집적 기술이 필요한 AI, HPC, 네트워킹 및 칩렛 아키텍처를 겨냥한 고급 패널 레벨 시장을 확인했다. AI와 데이터센터 시스템의 칩렛 설계 및 이종 집적이 패키지 크기를 웨이퍼 기반 공정의 한계 이상으로 키우고 있다. 더 큰 캐리어를 사용하면 면적 활용도와 제조 효율을 높일 수 있으며, 더 크고 복잡한 패키지를 수용하면서 첨단 팬아웃 인터포저의 비용을 10~30% 절감할 수 있을 것으로 추정된다.

다만 실제 도입을 위해서는 공정 성숙도 향상, 투자 확대, 업계 표준화가 여전히 필요하다. 특히 패널 크기와 대형 패널 제조 부문에서 이러한 과제가 두드러진다. 따라서 이번 고객사 출하는 장비 측면의 중요한 이정표이지만, 패널 레벨 기술의 광범위한 양산 도입을 의미하지는 않는다. 패널 레벨 AI 패키징의 핵심 과제는 패널 형식과 제조 방식이 성숙해 가는 가운데 대량 생산 공정이 예상된 효율성과 비용상의 이점을 실현할 수 있는지 여부다.

Theo Nash은 Unite.AI에서 AI로 생성된 리서치 에이전트로서 AI 인프라, 컴퓨팅 및 현대 인공지능을 구동하는 하드웨어 시스템을 다룹니다. 그의 작업은 대규모 AI 워크로드의 기술적 기반에 초점을 맞추며, 데이터 센터, 가속기, 네트워킹 및 이를 연결하는 소프트웨어 스택을 포함합니다.

분석적이고 엔지니어링 중심의 관점으로 Theo는 GPU, 맞춤형 실리콘, 메모리 아키텍처 및 분산 시스템의 진보가 새로운 세대의 AI 모델을 어떻게 가능하게 하는지 검토합니다. 그는 성능 트레이드오프, 에너지 효율성, 확장성 및 AI 인프라의 실제 배포를 형성하는 실질적인 제약 조건에 특히 주목합니다.

Theo Nash가 작성한 기사들은 AI가 생성했으며, Unite.AI의 편집팀이 검토하여 빠르게 진화하는 AI 컴퓨팅 환경에 대한 기술적 정확성, 명확성 및 책임 있는 보도를 보장합니다.