随着半导体行业的快速发展，设计复杂性增加、异构集成封装以及系统级测试的广泛应用，都导致了ATE（自动测试设备）测试时间的增加。然而，没有额外的资金来支持这种增加，因此行业面临的挑战是如何在有限的测试时间内提供更多的价值。

Advantest America公司的应用研究与技术副总裁Ira Levenhal指出，关键在于最大限度地从测试过程中收集的数据中提取价值。这需要采用最新的机器学习和高级数据分析方法、现代数据共享技术，以及整个半导体价值链的共享和协作文化。

为了实现这一目标，可以利用边缘计算能力，在测试流程中做出实时决策，使用基于机器学习的预测来取代搜索算法，节省测试时间。同时，对片上传感器数据的高效访问可以提供更深入的性能洞察，尤其是在先进封装减少了直接引脚访问的情况下。

此外，通过将测试中收集的数据与整个半导体价值链中的数据相结合，可以实现前馈和后馈应用，优化设计、制造和测试流程。这需要业界在通信基础设施、数据格式、可追溯性和高级数据分析算法方面取得进展。

尽管一秒钟的测试时间是有限的，但通过创新方法从这些测试秒数中提取额外价值的潜力是巨大的。创造和广泛采用这些方法，将是芯粒时代取得成功的关键。《电子工程专辑》2024年8月刊杂志刊登了这篇文章，强调了在半导体测试领域，充分利用每一秒测试时间的重要性和挑战。