通过中介层设计管控热膨胀与电迁移

核心要点

• 为提升互连密度、满足 AI 工作负载的带宽需求，芯片厂商正采用 2.5D 与 3D 封装架构。

• 2.5D 中介层属于无源器件，规避了 3D 封装的部分可靠性难题，但由于多层材料热膨胀系数各不相同，依旧容易出现热‑力学失效。

• 互连密度提升也让电迁移风险管控变得至关重要；铜重布线层的微观晶粒结构会直接加剧或缓解电迁移问题。

随着晶体管横向微缩难度不断加大，厂商开始采用 CFET 等垂直晶体管设计以及垂直封装技术来提升器件密度。与此同时，AI 业务巨大的带宽需求，推动芯片之间互连密度持续走高。

但芯片封装的根本目标并未改变：保护芯片不受损伤，将芯片上微米级焊盘，实现与其他芯片以及电路板上毫米级器件的互连。

目前，混合键合技术能够实现芯片间最高的互连密度。所谓 3D 封装借助混合键合实现芯片垂直堆叠，在最小面积内实现最高电路密度。硅通孔（TSV）按需将信号传递至每颗芯片底部，对接堆叠内下一颗芯片或者下方封装基板。

3D 封装要求芯片之间深度集成，需要实现一侧铜凸起与另一侧焊盘的精准对准，同时带来巨大的测试与可靠性挑战。散热尤为棘手：堆叠芯片有源器件体积增长速度远大于散热表面积。工作过程中 TSV 受热膨胀，产生应力，可能引发裂纹与层间剥离。堆叠内每一层都包含有源器件，热流与信号路径会产生难以预测的相互影响。

与之相比，2.5D 封装方案更加灵活。该架构下，芯片放置在中介层之上；中介层把每颗芯片焊盘的信号重新分配，连通其他芯片或者封装基板。中介层是无源器件，内部布有布线，还可集成电容、电阻，但不含晶体管及其他开关器件。相比有源电路，中介层建模与制造难度更低，规避了 3D 封装的部分可靠性问题。

理论上，2.5D 封装内各芯片相互独立。如果其中一颗芯片焊盘布局发生改动，只需要修改中介层设计，其余芯片无需改动。简单理解，中介层就相当于布线密度极高的电路板。

复杂结构带来复杂热行为

即便如此，2.5D 封装依旧需要解决散热、机械支撑等问题。单颗芯片改动，就会改变整套封装的热流分布与热‑力学特性。首尔大学 Hakjun Kim 团队的研究表明，热‑力学失效是 2.5D 封装最棘手的可靠性难题 ¹。不同材料热膨胀系数（CTE）存在差异，制造过程温度变化、运行时电阻发热，都会让各类材料以不同速率发生胀缩。

2.5D 封装中，芯片一般为带铜互连的硅材料，热膨胀系数低；封装基板、塑封料、底部填充胶多为有机材料，热膨胀系数高。2.5D 封装可选方案繁多，中介层还可集成硅光、微流控冷却等功能。硅与聚酰亚胺是最主流的两类中介层基材，二者内部均嵌入铜布线。

仅搭载单颗芯片的简单封装，制造阶段胀缩行为建模相对简单。回流焊炉等工艺会对整套封装整体升降温。但设备工作时，热流取决于芯片内部信号通路与业务负载。芯片内部温度梯度叠加各层热膨胀系数差异，会形成复杂应力场。

多芯片封装场景下，制造应力与工作应力的建模难度进一步上升。例如两颗相邻芯片，会对下方中介层与基板施加方向相反的应力。封装不再是简单凹 / 翘曲，应力场会呈现马鞍形或其他复杂形态。Kim 指出，局部加固封装会造成其他区域应力升高。若芯片与中介层膨胀程度大于基板，产生的拉应力会造成基板翘曲；严重翘曲会导致焊点拉长甚至焊点失效。但加固基板来抑制翘曲，并不会消除应力，只会把应力转移到封装其他位置，可能造成中介层‑基板界面开裂，或是重布线层发生层间剥离。

华南理工大学罗明生团队建立一套包含两颗相邻芯片、三层重布线互连的简易 2.5D 封装有限元模型。研究发现，芯片间隙区域、中介层与塑封料结合处是失效高发位置。针对大尺寸封装，研究建议增加虚拟裸片（空白硅片），平衡封装内部应力 ²。

罗明生同时提到，视系统工作环境而定，封装材料吸潮效应同样不可忽视。不同材料吸潮速率不同，吸水后会发生膨胀；而且材料吸湿膨胀特性和热膨胀特性并不一定呈正相关。

电迁移管控

电迁移是封装失效的另一大主要诱因。过去，逻辑与存储器件中电迁移问题并不突出，但该现象和电流密度直接相关，随着封装内部电流密度提升，电迁移风险随之加剧。

台湾阳明交通大学林益全团队调整铜电镀工艺，制备出具备纳米晶晶粒结构与纳米孪晶晶粒结构的铜布线。

通过调控晶体结构来抑制电迁移，相比掺杂合金元素，对电路电阻影响更小；对比沟槽衬垫等方案，也不会显著增加工艺复杂度。该研究发现，纳米晶铜反而会降低抗电迁移能力，原因在于晶界会加速原子扩散。经过退火处理的纳米孪晶铜具备强 (111) 晶面取向，存在大量共格孪晶界，该结构可以抑制晶界处氧化层生成与空洞萌生 ³。

日月光（ASE）的相关研究，对开封后的重布线层（RDL）开展原位电迁移测试。晶粒尺寸更小的布线，寿命约为大晶粒布线的 7 倍⁴。

面向未来的仿真建模

2.5D 封装结构复杂，同时单颗焊盘与整套封装尺度差距悬殊，给预测仿真建模带来巨大挑战。对局部区域做有限元分析难度不高，但需要分析的区域数量庞大，计算成本难以承受。科研人员开始开发深度学习代理模型，以此减少对有限元仿真的依赖。初步结果表明，该方案有希望实现翘曲以及其他非线性行为的规模化仿真建模⁵。