โมเดลและแพลตฟอร์ม AI

Kulicke & Soffa จัดส่งระบบเชื่อมประสานระดับแผงสำหรับแพ็กเกจ AI

Theo Nash
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญK&S ขยายกระบวนการ thermo-compression…
ดูเพิ่มเติม
  • K&S ขยายกระบวนการ thermo-compression แบบไม่ใช้ฟลักซ์จากรูปแบบเวเฟอร์ไปสู่รูปแบบแผงสำหรับแพ็กเกจ AI และ HPC
  • หัวเชื่อมขนาด 180 มม. มุ่งเป้าไปที่ดายขนาดใหญ่และแพ็กเกจการรวมแบบเฮเทอโรจีนีสซึ่งตึงขีดจำกัดของการประมวลผลบนเวเฟอร์
  • การนำบรรจุภัณฑ์ระดับแผงมาใช้ยังต้องอาศัยความสมบูรณ์ของกระบวนการและการ standardization ก่อนที่การจัดส่งเหล่านี้จะพิสูจน์การใช้งานในการผลิตในวงกว้าง

เมื่อวันที่ 18 พฤศจิกายน 2026 Kulicke & Soffa ประกาศว่าได้จัดส่งระบบเชื่อมประสานระดับแผง APTURA WSX ให้แก่ลูกค้ารายใหญ่สองรายในไต้หวัน โดยขยายกระบวนการเชื่อมประสานด้วยความร้อนและแรงกดแบบไร้ฟลักซ์ (FTC) จากการผลิตเวเฟอร์ไปสู่แพ็กเกจขนาดใหญ่ขึ้นสำหรับปัญญาประดิษฐ์ (AI) และการประมวลผลสมรรถนะสูง (HPC)

ประกาศนี้ต่อยอดงาน FTC ที่ K&S ดำเนินการอยู่แล้ว จากการผลิตชิปบนเวเฟอร์ที่มีระยะพิทช์ละเอียด ไปสู่กระบวนการผลิตชิปบนแผงรูปแบบขนาดใหญ่ขึ้น K&S ระบุว่า APTURA WSX เป็นระบบเชื่อมประสานด้วยความร้อนและแรงกดแบบไร้ฟลักซ์ระบบแรกของอุตสาหกรรมสำหรับการบรรจุภัณฑ์ระดับซับสเตรต John Molnar รองประธานและผู้จัดการทั่วไปของหน่วยธุรกิจ Advanced Solutions เชื่อมโยงการจัดส่งครั้งนี้กับข้อกำหนดเฉพาะด้านการผลิตว่า “AI และ HPC ต้องใช้ไดขนาดใหญ่ขึ้น แพ็กเกจขนาดใหญ่ขึ้น และเปลี่ยนไปใช้รูปแบบระดับแผง”

หัวเชื่อมประสานสำหรับแพ็กเกจขนาดใหญ่ขึ้น

APTURA WSX ออกแบบมาเพื่อประกอบอินเตอร์โพเซอร์เข้ากับซับสเตรตหรือแผงและแพลตฟอร์มขนาดใหญ่ขึ้น K&S ระบุว่าหัวเชื่อมประสานขนาด 180 มม. นี้มีไว้สำหรับแพ็กเกจ AI, HPC และการผสานรวมชิปแบบต่างชนิดรุ่นถัดไป ซึ่งไดและรูปแบบแพ็กเกจที่ใหญ่ขึ้นสร้างข้อกำหนดใหม่ให้แก่อุปกรณ์ประกอบ

กระบวนการไร้ฟลักซ์แบบคู่ของระบบนี้ใช้พลาสมาร่วมกับกรดฟอร์มิกเพื่อลดออกไซด์ระหว่างการเชื่อมประสาน โดยขยายกระบวนการ FTC ที่ใช้อยู่แล้วในการผลิตปริมาณมากให้รองรับแผงขนาดใหญ่ขึ้น แทนที่จะนำวิธีเชื่อมประสานอีกแบบมาใช้แยกต่างหากสำหรับการผลิตระดับแผง

เอกสารผลิตภัณฑ์ APTURAโดยรวมแสดงให้เห็นว่าแพลตฟอร์มนี้รองรับข้อกำหนดการผลิตที่หลากหลายอย่างไร ระบบรองรับทั้งเวเฟอร์และซับสเตรต ตลอดจนแผงที่เริ่มต้นจากขนาด 310 มม. × 310 มม. และขยายไปสู่รูปแบบที่ใหญ่ขึ้น ลูกค้าสามารถเลือกใช้ฟลักซ์แบบจุ่ม พลาสมา พลาสมาร่วมกับกรดฟอร์มิก หรือกรดฟอร์มิกเพียงอย่างเดียวเพื่อกำจัดออกไซด์ การถ่ายโอนสูตรการผลิตและการปรับเครื่องมือแต่ละเครื่องให้ทำงานสอดคล้องกันมีเป้าหมายเพื่อรักษาประสิทธิภาพให้สม่ำเสมอและเร่งการเพิ่มกำลังการผลิตปริมาณมาก ขณะที่การตรวจสอบและปรับปรุงประสิทธิภาพจากระยะไกลแบบเรียลไทม์ออกแบบมาเพื่อลดเวลาหยุดทำงานและเพิ่มผลผลิต

เหตุผลด้านการผลิตที่สนับสนุนการใช้แผง

รายงาน การบรรจุภัณฑ์ระดับแผงปี 2026 ของ Yole Group ซึ่งเผยแพร่ในเดือนมีนาคม 2026 ระบุว่ารายได้จากการบรรจุภัณฑ์ระดับแผงในปี 2025 สูงกว่า 300 ล้านดอลลาร์ โดยคาดว่าจะเติบโตในอัตราเฉลี่ยต่อปีแบบทบต้นมากกว่า 40% ตลอดห้าปีถัดไป จนเกือบแตะ 3 พันล้านดอลลาร์ และคาดการณ์ว่าการบรรจุแบบ fan-out ความหนาแน่นสูงพิเศษและอินเตอร์โพเซอร์ 2.5D จะเป็นปัจจัยขับเคลื่อนรายได้ที่ใหญ่ที่สุดภายในปี 2031

Yole ระบุกลุ่มตลาดระดับแผงระดับไฮเอนด์ที่มุ่งรองรับ AI, HPC, ระบบเครือข่าย และสถาปัตยกรรมชิปเล็ต ซึ่งต้องใช้แผงขนาดใหญ่ขึ้นและการผสานรวมขั้นสูง การออกแบบชิปเล็ตและการผสานรวมชิปแบบต่างชนิดในระบบ AI และศูนย์ข้อมูลกำลังผลักดันให้ขนาดแพ็กเกจใหญ่เกินขีดจำกัดของกระบวนการผลิตที่ใช้เวเฟอร์ แคริเออร์ขนาดใหญ่ขึ้นช่วยเพิ่มประสิทธิภาพการใช้พื้นที่และประสิทธิภาพการผลิต โดยประเมินว่าอาจลดต้นทุนได้ 10% ถึง 30% สำหรับอินเตอร์โพเซอร์ fan-out ขั้นสูง พร้อมรองรับแพ็กเกจที่ใหญ่ขึ้นและซับซ้อนขึ้น

การนำเทคโนโลยีไปใช้ยังต้องอาศัยกระบวนการที่成熟ยิ่งขึ้น การลงทุน และมาตรฐานอุตสาหกรรม โดยเฉพาะในเรื่องขนาดแผงและการผลิตแผงขนาดใหญ่ ดังนั้น การจัดส่งอุปกรณ์ให้ลูกค้าในครั้งนี้จึงเป็นหมุดหมายสำคัญด้านอุปกรณ์ แต่ยังไม่ได้แสดงให้เห็นว่ามีการนำไปใช้ในการผลิตอย่างแพร่หลาย คำถามสำคัญสำหรับการบรรจุภัณฑ์ AI ระดับแผงคือ กระบวนการผลิตปริมาณมากจะให้ประสิทธิภาพและความได้เปรียบด้านต้นทุนตามที่คาดการณ์ไว้ได้หรือไม่ เมื่อรูปแบบแผงและวิธีการผลิตพัฒนาถึงระดับ成熟

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว