Technology and Trends

微細化の限界を背景に重要性が高まる先端パッケージング。中国の技術開発と投資動向、日本企業が材料・装置の強みを生かす戦略、さらにその先のモジュール開発の可能性を解説します。微細化の限界を背景に重要性が高まる先端パッケージング。中国の技術開発と投資動向、日本企業が材料・装置の強みを生かす戦略、さらにその先のモジュール開発の可能性を解説します。

AIの学習・推論拡大により、電力消費と利用コストが急増し、エネルギー供給や企業収益を圧迫しています。さらに、ロボットやドローンなどのフィジカルAIでは、限られた電力での自律動作が不可欠です。持続的な成長には、材料からソフトウェアまでAIスタック全体を最適化し、より賢く効率的なシステムへ転換する必要があります。

偽造半導体による損失と安全保障上のリスクが拡大する中、OBSIDIAは物理特性の分析により、ウェハーから最終製品まで全デバイスの真正性を非破壊で検証します。AI時代の信頼確保には、部品単位の追跡、業界標準化、企業・政府・技術提供者の連携が不可欠だと訴えています。

サブファブは、真空・排ガス処理・薬液供給など半導体製造を支える重要インフラです。先端化に伴う資源消費や環境負荷の増大に対し、研究開発、業界連携、標準化を通じた効率化と持続可能性の向上が求められています。

半導体製造におけるサイバーセキュリティは、出荷時のチェックリストや静的なコンプライアンス確認だけでは不十分な段階に入っています。装置のソフトウェア化、ネットワーク接続、リモート保守の拡大により、ファブが求めるのは「導入時に安全だった」という説明ではなく、運用中も安全な状態が維持されていることを示す継続的な証拠です。本稿では、SEMIスタンダードや国際的な規制動向を踏まえながら、装置メーカーに求められるセキュリティ設計、構造化された証拠、通信の信頼性、ライフサイクル管理、リスクベースの評価について解説。半導体製造装置の信頼性を支える次世代サイバーセキュリティの方向性を紹介します。

AIワークロードの急増とデータセンターの拡大により、半導体業界では電気信号によるインターコネクトの限界が顕在化しています。次世代システムの帯域幅、低遅延、省電力化を支える技術として注目されるCo-Packaged Optics（CPO）。本稿では、CPOの量産化に向けて鍵を握るウェットプロセスに焦点を当て、洗浄・エッチング・乾燥工程における欠陥管理、歩留まり、製造性、サステナビリティの課題を解説します。研究開発段階から本格量産へ移行するうえで、プロセス制御と柔軟な製造技術がなぜ重要なのかを読み解きます。

AIの急速な進化は社会に大きな恩恵をもたらす一方で、データセンターの電力消費を爆発的に増大させ、エネルギー問題を新たな制約として浮上させています。本記事は、単なる半導体性能向上では解決できない現状を踏まえ、材料・回路・データ転送・ソフトウェアまでを横断した「全体最適化」の必要性を提示。さらに、フォトニクスや量子計算など次世代技術の融合が未来の鍵になることを示します。

SEMIのワークショップにて、エッジAIとスマートセンサーを活用した次世代半導体製造の展望が議論されました。半導体デバイスの微細化が進む中、歩留まり向上やダウンタイム削減を実現するには、データ発生源におけるリアルタイムなAI推論が不可欠となっています。具体的には、先進センサーを用いた高度なプロセス制御や迅速な欠陥検出、5Gを活用した自律的な工程間搬送、そしてマルチモーダルセンサーによる予知保全の重要性が紹介されました。

半導体産業は構造的な転換点に差し掛かっています。AI によって爆発的に拡大する需要、急速に複雑化する製造プロセス、そして厳格化するサステナビリティ要件が同時に押し寄せているからです。このような状況において、装置・センサー・ローカルコントローラに直接実装されるエッジAIは、実験的技術から欠かせない技術へと移行しつつあります。とりわけミリ秒単位が勝負を分ける半導体ファブではその重要度が高まります。SEMIが2026年3月18〜19日にカリフォルニア州ミルピタスで開催するワークショップ Smarter Sensors, Smarter Fabs: AI at the Edge in Semiconductor Manufacturing では、この重要なテーマが取り上げられました。 スパースセンシングから高密度計測へ20年ほど前のプロセス装置は、チャンバーあたり数十個のセンサーを使用するのが通常でした。現在では、最先端エッチング、成膜、CMP、リソグラフィ装置は、圧力、流量、RF電力、光学式エンドポイント、振動、化学組成など、数百のセンシングチャネルを当たり前に統合しています。3nmや2nmではプロセスウィンドウが極めて狭いため、歩留まりは複数の変数が複雑に絡むチャンバー環境や装置状態の把握に依存しており、少数の独立したアラームだけでは対応できません。センサーの急増によりファブは豊富なデータ環境へと進化した一方で、従来の集中管理型コントロールの限界が露呈されるようになりました。 なぜエッジAIがクラウド依存の制御に置き換わっているのか従来のアーキテクチャでは、負荷の大きい解析処理を中央サーバーやクラウドに送り、上位システムが定期的にレシピ、設定値、ディスパッチルールを更新する方式が採用されていました。しかし製造業におけるクラウドとの通信往復時間が一般的に 800〜2,400ミリ秒であるのに対し、装置に密着したエッジシステムの応答時間は 15〜45ミリ秒です。つまり、約50〜160倍高速になるのです。半導体製造のように安全性と歩留まりが極めて重要な制御ループでは、このレイテンシーの差を受け入れられない場合が多いのです。同時に、次世代の低消費電力ニューラルプロセッシングユニット（NPU）やエッジアクセラレータは、1桁ワットの電力で数十TOPS（毎秒数十兆回の演算）を実行できるようになり、装置内やカメラ、コントローラ内部での常時オンの推論が現実的になってきました。その結果、アーキテクチャは決定的にエッジネイティブへと移行しています。つまり、モデルはデータが生成される場所で実行し、クラウドは再学習や全装置群にわたる学習に限定して使う方式へと変わりつつあります。 ライン上で進むエッジAIの活用：制御、検査、保全プロセス制御の領域では、エッジAIによって、従来の単一変量の閾値チェックから、複数センサーのデータがつくる相関的なダイナミクスを理解する多変量モデルへと移行が進んでいます。現在のプラットフォームは、深層学習モデルや統計モデルを装置内部またはその近傍に直接組み込み、高次元の時系列データからリアルタイムでエンドポイント予測や異常検知を実行しています。同様のアプローチはリソグラフィやCMPでも広がっており、ローカル推論によってフォーカス、オーバーレイ、研磨レートを規格内に保ち、ウェーハが制御不能状態に逸脱する前に調整を行えるようになっています。検査やロジスティクスでも同様の変革が起こっています。NPUを組み込んだビジョンシステムは、1分あたり100個以上の処理速度でライン上の欠陥を分類し、大量の画像を中央のクラスタに送る必要をなくしています。ロボットやAMR（自律走行ロボット）は、短時間先の動作の再計算や衝突回避をローカルのインテリジェンスで行い、上位システムはグローバルなスケジューリングや最適化に専念できるようになっています。予知保全は、エッジAI活用の中でも最も成熟した応用分野の一つです。振動、音響、温度、圧力といったデータをローカルで分析し、従来の閾値が反応する数時間から数日前に異常の兆候を検知します。これらのモデルをMES（製造実行システム）や保全ワークフローに統合することで、突発的なダウンタイムの削減、部品寿命の延長、保守コストの低減といった効果が報告されています。 エッジデータを基盤とするデジタルツインとエージェント型AIデジタルツインは、センシングとエッジ分析の基盤の上に成り立つ技術です。装置、ライン、さらにはファブ全体の仮想モデルをリアルタイムに更新しながら維持することで、仕掛かり品を危険にさらすことなく、シナリオテスト、ボトルネック解消、根本原因分析を可能にします。ベンダーや先行導入企業の報告によると、デジタルツインによって、物理的な変更を加える前に数千ものWhat-If分析を実行できるため、プロセスノードの立ち上げや施設稼働開始までの期間を短縮できるとされています。エージェント型AIは、まさにこのデジタルツインの上位レイヤーを担う存在として台頭しています。半導体業界の事例では、MES、高度プロセス制御（APC）、計画システムに接続されたエージェントが、ファブのリアルタイム状況に応じてルーティング、バッチサイズ、スケジューリングを自律的に調整し、スループット、サイクルタイム、装置稼働率を二桁％改善した例が報告されています。また別のエージェントは、非構造化データであるエンジニアのノートや故障報告を解析し、根本原因分析を加速することで、現場で得られた貴重な知見を再現可能なルールとして行動に落とし込む役割を果たしています。 持続可能性が最重要要件になる時代サステナビリティの要求が、この技術スタックをさらに強固なものにしています。半導体製造はエネルギーと資源を大量に消費する産業であり、規制当局と顧客の双方が、より高い透明性と改善を求めているのです。エッジに接続されたエネルギー、ユーティリティ、排出量のモニタリングによって、すでに一部のファブでは、HVAC、プロセスガス、アイドルモードの制御を最適化することで、エネルギー関連コストを約20％削減できたと報告されています。また、imecのSustainable Semiconductor Technologies and Systems (SSTS) プログラムのような研究イニシアチブでは、仮想ファブ手法や詳細なライフサイクルアセスメントを活用し、環境負荷を低減するためのプロセス選択や装置設計に指針を与えています。 実務者向けのさらなる情報源方向性は明確です。高密度なセンシング、エッジAI、デジタルツイン、エージェント型AIを組み合わせたファブは、継続的に学習し、自律的に最適化するオペレーションへ向けて進化しています。アーキテクチャは、クラウド依存ではなくエッジを中心に構築する必要があります。ローカルなインテリジェンスを待たせずに単にセンサーを追加するだけでは競争優位は得られません。また環境KPIも、歩留まりやサイクルタイムと同じ厳密さで最適化されるようになるでしょう。このようなトレンドをロードマップに落とし込みたい実務者に向けて、SEMI Manufacturing Coalitions が主導する Smarter Sensors, Smarter Fabs: AI at the Edge in Semiconductor Manufacturing（2026年3月18〜19日、カリフォルニア州ミルピタス）が開催されました。ここでは、センシング、エッジアーキテクチャ、デジタルツイン、エージェント型AIの専門家が集まり、半導体ファブ向けに最適化された具体的な導入事例やアーキテクチャを共有する場が提供されました。 *SEMI Manufacturing Coalitions には、Smart Manufacturing、Fab Owners Alliance（FOA）、MEMS and Sensors Industry Group（MSIG）、Advanced Packaging Heterogeneous Integration（APHI）、そして Semiconductor Components, Instruments, and Subsystems（SCIS）が含まれています。Anshu Bahadurは、SEMIのTechnology Communities担当のシニアプログラムマネージャーです。Mark da Silvaは、SEMIのManufacturing Coalitions担当のシニアディレクターです。

PDF SolutionsのCEO兼共同創業者そしてSEMIのESD Alliance（ESDA）運営評議会メンバーのJohn Kibarian氏は、10月にフェニックスで開催されるSEMICON WestのCEO Summitで「The Convergence of Semiconductor Manufacturing and Design」と題した基調講演を行います。講演に先立って、そこで語られるトピックスの概要と共に、なぜコラボレーションが半導体産業を1兆ドル規模に成長させるための鍵なのか、そしてそれをいかに達成できるかについて、Kibarian氏の見解を聞くことができました。 Smith：コラボレーションを不可欠なものにしている業界の主な進化またはダイナミクスは何でしょうか?Kibarian氏：半導体業界は、かつての単純で直線的なプロセスから、複雑なコラボレーションからなるエコシステムへと劇的に進化しました。以前は、すべてがウェーハファブ内で完結していました。製品は、ウェーハプローバーでテストをした後、高歩留まりのパッケージング、単純な最終テストを経て出荷されました。コラボレーションは主にファウンドリとファブレス企業の間で発生し、初期の評価やテストチップ段階には活発ですが、いったん量産が安定するとルーチンの歩留まり監視へと移りました。現在の先進パッケージ技術では、複数のチップレットを1つのパッケージに統合するため、テストポイントが爆発的に増加しています。そのため、テストは大幅に複雑化しコストが上昇しました。現在の前工程ファブには非常に複雑な装置が設置されていますが、テスト・組立工場においても、今ではロボットを統合した高度なシステムレベルテスタが導入されています。組立装置も非常に複雑化し、ダイアタッチプロセスでは厳密な精度が求められるようになっています。現在では、新製品立ち上げと量産維持のいずれにおいても、システム企業から装置メーカーに至るサプライチェーン全域のコラボレーションが成功の鍵となっています。企業は、AIや機械学習（ML）を導入して、複雑化する生産フローを管理するようになりました。このためさらに広範なコラボレーションが求められています。AIを活用するには、ファウンドリ、ファブレス企業、OSAT、装置メーカーなど、複数のソースから、単一の企業の管理範囲を超えたデータを統合する必要があるからです。かつては2社間の単純な受け渡しで済んでいたものが、今では継続的な調整を必要とする、複雑に絡み合った相互依存関係のネットワークへと変化しています。 Smith：チップレットやチップレットベースのアーキテクチャが、ムーアの法則の減速に対する重要な、あるいは現実的なソリューションとして注目されています。これは、バリューチェーン全体にわたる驚異的なレベルの協力と調整を必要とします。本流となる量産規模で製造可能なのでしょうか？Kibarian氏：チップレットの量産を実現するには、半導体業界にこれまでにないレベルのコラボレーションが求められますが、それは可能です。EUV露光を考えてみてください。65nm世代での導入が期待されていましたが、きわめて複雑な技術であるにもかかわらず、予想より数年の遅れで実現しました。卓越したエンジニアリングだけでなく、ASML、サプライヤー、顧客、そして広範なファブレス企業からの協力も不可欠でした。業界がEUVでこのレベルのコラボレーションを達成できたのであれば、チップレットにおいても同じことが可能です。ただし、チップレット製造では、複数のサプライヤーからチップレットを調達してシステムを構築する企業が増えるにつれ、さらにハイレベルのコラボレーションが必要となります。現在のチップレットベースのシステムは、通常すべての部品を1社から調達しており、UCIeのような標準規格の重要性はそれほど高くありません。企業がサプライチェーン全体を管理できるからです。しかし、今後はコスト効率を重視して、サードパーティのコンポーネントを使用する企業が増えると、そうはいかなくなります。市場投入までのコスト効率を高めるために、システムを複数メーカーのコンポーネントで構成することが、どんどん増えていくでしょう。その結果、将来の生産フローは大幅に複雑化し、基板やベースダイ、サードパーティ製ダイやインターポーザー、OSAT、特殊な構成の専用テスターの間の調整が必要になります。このオーケストレーションは、初期の立ち上げだけでなく、継続的な生産や製品ごとのチップレット構成変更時にも機能しなければならず、その全てで迅速かつ自動化された応答が求められます。すべてを迅速に応答できるよう自動化しなければなりませんが、生産フローの複雑さを考えると、個々の製品の製造で何が起きているかを予測するために、皆がAIやMLを導入しようとするでしょう。製造中にすべてのチップやパッケージをマニュアルで監視することは、スケール的に現実性がありません。自動化されたAIエージェントに監視と品質管理を任せる必要があります。この自動化拡張には、製造会社と製品メーカーのエンジニアリングチームとの密接な連携が不可欠となります。また、複数企業にまたがる複雑なプロセスを管理するすべてのソフトウェアパッケージ間で、これまでとは異なるレベルの整合性とオーケストレーションが求められます。財務系ERPシステムは、資材の流れ、需要、予測を把握しています。一方で、製造実行システム（MES）は、どの装置がいつ利用可能かを把握する必要があります。多くの場合、このような製造システムは製品メーカーが所有していない工場で稼働しています。製品メーカーのPLMシステムは部品表やテストフローを管理しますが、テストはOSATで実施されるため、異なる企業のソフトウェアシステム間での複雑な調整が必要になります。このオーケストレーションの範囲は組織の境界を越え、上流のテスト結果データを使用して、下流でどのテストを実施するかが判断できなければなりません。これは、短いサイクルタイムで効率的にチップレットをパッケージ化するために不可欠であり、そうすればF1レースのピットチームのような体制がなくても、テストフローを維持することができるのです。 Smith：データの量は、特に今日の設計データたるや、驚くべきものです。すべてが接続されるこのビジョンを大規模に実現するには何が必要でしょうか?Kibarian氏：それは人間がシステムの動作範囲を定義し、その中でAIエージェントが飽くことなく自律的に業務を遂行するという協働関係です。良い例として、MESとERPシステムのデータ連携があります。企業がオーケストレーションの仕組みを設定すると、情報の流れを制御するルールが決まります。例えばこのルールは、ERPシステムに対して「各工程のコストを計算するには、このレシピ情報を使ってください」と指示します。一度設定されたルールは、日々の業務を制御するガイドラインとして機能します。AIエージェントはMESから収集された実データに基づいてインサイトを自動生成し、ルールに従ってシステム間でそのインサイトと共にデータを移動させます。ERPのAIエージェントは、これを使用して、コスト上昇を見抜き、生産歩留まりの低下を指摘し、それがコストに与える影響を計算し、さらに問題解決のためのアクションを実行します。同様のプロセスは、装置メーカーと製造工場の間でも起こります。事前に設定されたルールに基づいてデータが自動的に共有され、AIが問題を特定して是正措置を講じます。ファブでは、誰がどの装置にいつアクセスできるか、どの種類のデータがどのチャネルで送信可能か、送信頻度はどれくらいかが決定されます。装置を制御するための新しいソフトウェアやAIモデルを導入する際には、このシステムがインストール前にどんなウイルススキャンやセキュリティチェックが必要かを指定します。人間のオペレーターが主に担当するのは、最も効果的なコラボレーションプロトコルを決めて、制御システムを設定することです。日々の業務遂行を担当するのは、人間ではなく自動化されたエージェントです。なぜなら、大量のデータ量とトランザクションの両面において膨大な業務が、オペレーション中に絶えず発生するからです。人間がすべてのデータを確認することはありません。例を2つ挙げます。1つは業界外、もう1つは業界内の事例です。当社の2019年のユーザー会議で、ハーバード・ビジネス・スクールのMarco Iansiti教授に、AIとビジネスに関する著書の内容を紹介していただきました。そのなかで教授は、従来型の銀行とアリババ傘下のAnt Bankを比較しました。Ant Bankは中国政府に介入されるまで、爆発的な成長を遂げていました。Ant BankのAIは特別に高度なものではありませんでしたが、そのプロセスは革新的でした。従来の銀行では、顧客がローン申込書を記入し、それを人間の審査官が確認します。一方、Ant Bankのシステムは、インターネットやSNSから申込者情報を自動収集し、数秒でアルゴリズムが承認・却下を判断します。決定的な違いは、Antが指数関数的に貸付事業を拡大できた点です。制約は計算能力のみであり、従来型の銀行の場合は、事業を2倍に拡大するためにローン担当者を増やさなければならず、人間がボトルネックとなって成長が制限されるのです。教授に講演を依頼したのは、私がこの原則を6年前から信じているからであり、今ではそれは確信となっています。半導体業界が1兆ドル規模の産業へと成長するには、複雑で統合されたシステムの中で、人間の介入を最小限に抑える必要があります。業界内のステークホルダー間の信頼関係が課題となりますが、コラボレーションは不可欠です。その解決策は、AIエージェントが自律的に動作できる体系的原則を確立することです。これが指数関数的成長への道です。Ant Bankの例は、我々の業界が必要としていることを完璧に示しています。当社では、このアプローチが業界の進化に不可欠だと考えています。私たちはペタバイト単位のデータを扱っていますが、人間が確認するのはその5〜10%に過ぎません。これは、AIが大半の業務を人間の監視なしで処理する可能性を示しています。顧客は週に何百万個、年間で何十億個ものチップを製造しているのが現実です。すべてのデータを人間が確認することは不可能です。しかし、アルゴリズムなら、AIなら可能なのです。昨年、当社は「Guided Analytics」という製品をリリースしました。ユーザーグループ会議でひとりのエンジニアがこの製品について語ってくれました。彼女の会社では数千種類のチップを扱っており、毎日すべてを把握することはできません。しかし、Guided Analyticsがそれを可能にしました。ある朝、彼女のチームが出社すると、レポートには「90%のチップは問題なし」と報告があり、問題がある箇所にはアラートが表示されていました。シンプルなAIボットがデータを調べて回り、根本原因を特定しているのです。業界が規模を拡大するには、より多くのAIエージェントが必要です。こうしたエージェントは業界全体に広がっていくでしょう。しかし、人間がその運用原則を設定しなければなりません。これこそが、設計・製造に関する膨大なデータを処理し、業界が求めるスピードを実現し、AIの恩恵を最大限に活用する方法なのです。 お知らせ：Kibarian氏によるSEMICON Westの基調講演「Revolutionizing Semiconductor Collaboration：The Emergence of AI-Driven Industry Platforms」は、10月8日（水）の10:20に予定されています。SEMICON Westでは半導体設計分野のセミナー「The Convergence of Semiconductor Manufacturing and Design」で、先進的システムを市場に投入するための半導体メーカーとチップ設計チームのコラボレーションを取り上げます。開催日時は10月7日火曜日の13:00-16:00となります。SEMICON West 2025 は、10月7日からアリゾナ州フェニックスのPhenix Convention Centerで開催されます。 John Kibarian氏についてJohn K. Kibarian氏は、PDF Solutionsの共同創業者であり、1991年に社長に就任し、2000年からCEOを兼任しています。カーネギーメロン大学で電気工学の理学士号、理学修士号、工学コンピューターサイエンスの博士号を取得しています。Robert (Bob) Smithは、SEMIテクノロジーコミュニティのESD Allianceのエグゼクティブディレクターです。