今天小编分享的科技经验：没有EUV光刻机，怎么做5nm芯片？，欢迎阅读。
你可能不知道，问世超过 20 年的 DUV 光刻机，还在发光发热。
使用浸润式 DUV 光刻机 + 多重曝光技术生产 5nm 芯片完全可行，不计代价的情况下甚至能做到 3nm。
尽管理论上可行，且在 7nm 节点上已被部分晶圆厂验证过，但这需要诸多条件同时满足，比如多重曝光中关键的 " 套刻精度 " ——多次曝光之间图形对准的精度。
此外，也涉及到许许多多的制程手段，比如相移光罩、模型光学临近效应修正、过蚀刻、反演光刻等，甚至基于最新的定向自组装光刻技术，在不依赖更高分辨率光刻的情况下，也有生产 5nm 芯片的可能性。
当然，这么做需要付出高昂的成本，一般晶圆厂不会采用这种极端的手段来量产先进工艺芯片，毕竟主流的方案都是经过市场优胜劣汰，筛选出来的最符合商业逻辑的制造方式。
我们先从一个基础知识讲起，但如果你对工艺节点有系统的认知，可跳过第一部分。
5nm 是文字游戏？
想要搞清楚浸润式光刻机 + 多重曝光到底能否做到 5nm 之前，需要先厘清什么是 5nm。正好这两天，也有人把这个话题又拿出来吵，说 ASML 揭了晶圆厂的老底。
在展开说线宽的话题之前，我们需要知道，晶体管的作用，线宽在这里面扮演的价值。
晶体管通过栅极（Gate）来控制电路的导通和截止，导通代表 1，截止代表 0，以此来实现二进制计算。栅极长度（Gate length）越小，电流通过晶体管的源极（Source）、漏极（Drain）的速度就越快，即芯片的性能越强。
图 1：MOSFET 场效晶体管平面结构示意图
过去，晶体管的栅极长度被定义为线宽，和工艺节点名保持一致，光刻、沉积、刻蚀、扩散都是缩小线宽的核心制程。
随着 FinFET、Nanasheet 这些立体的晶体管结构的问世，半导体行业开始突出等效性能的概念——虽然叫 14nm，但它的栅极长度远不止 14nm。例如，英特尔的 14nm 工艺，栅极长度是 24nm，台积电的 7nm 工艺，栅极长度是 22nm。
另一方面，线宽并不能作为衡量晶体管密度的特征参数，这是因为即便线宽很小，但如果栅极之间的间距很大，部門面积内容纳的晶体管数量依然无法提升。这个时候，如果要表示元件的微缩程度，就需要引出另一个关键指标——周距（Pitch，也有节距的叫法），如下图。比如，过去 1 个部門面积下有 9 个晶体管，通过缩小周距，可容纳 10 个晶体管。
图 2：线宽 / 栅极长度、周距与半周距的关系
90 年代，0.35μm 以前，工艺节点、半周距（Half pitch，即周距的一半）与栅极长度均一致，但在这之后，半周距、栅极长度与节点的对应关系出现分歧。从下面的图表我们可以清楚看出节点，半周距与栅极长度的关系与演变。
回到最开始的话题，当我们在说 5nm 的时候，其实只是在说它的制程节点，而并不是实际的线宽。
许多朋友喜欢说，现在各家半导体大厂宣称的多少 nm 工艺都是营销话术，严格意义上，20 年前所有工艺节点都是如此。10 年前，行业进入 14nm 的 FinFET 立体结构时代，则彻底地打破节点、周距、栅极长度与线宽的关联。
没有统一的标准自然会被企业拿来玩文字游戏、模糊概念，三星在其 14nm 节点上首开先河，台积电为了不落人后马上跟进，但保守的定义为 16nm，只有自诩为 " 摩尔定律 " 坚定追随者的英特尔，当时还在死磕传统线宽的命名方式，直到 2021 年才全面修改节点命名，跟随竞争对手的节奏。
但这有问题吗？其实一点问题都没有。
晶体管早就从平面变为立体结构，如果我们把线宽的概念转化为部門晶体管密度（MTr/mm2，即每平方毫米百万晶体管数），会发现摩尔定律并没有消亡，只是以一种不同的形态继续生效——晶体管部門密度仍一直在增加——原本摩尔定律规定的就是 " 晶体管数量每 18 个月提升一倍 "。
晶体管密度江湖里的搏杀
针对晶体管的各种特征尺寸多而复杂，每个厂商都有不同的定义设计，不同厂商相同制程工艺的产品也不完全具有可比性。
目前直观比较各家制程差异的唯一办法，就是回归摩尔定律的本质，对比晶体管密度，即部門面积内的晶体管数量。
根据上表的数据，在 14nm 节点英特尔、台积电、三星部門晶体管数量都是每平方毫米 0.3 亿颗左右。
10nm 开始，英特尔将 14nm+++ 改为 Intel 10，名字是跟上了，但晶体管数量却成了倒数第一，而三星则是在 10nm 的优化版，即三星的 8nm 节点，才提升至与台积电大致水平。
2018 年台积电利用浸润式光刻机 1980Ci，配合四重曝光技术率先量产 7nm，三星在隔年以更先进的 EUV 光刻机应战，但失去了先机。加上对 EUV 光刻机的熟悉不足，结果良率低下，最后以自家三星手机放弃猎户座芯片，转而搭载高通芯片以及开出比台积电低 30% 的代工费用，勉强留下大客户高通。英特尔这时候还在挤 14nm+++ 的牙膏，7nm 一役台积电大杀四方。
台积电 7nm 从 DUVi 的 N7、N7P，到 EUV 的 N7+ 及 N6 共四个版本，晶体管密度从 0.91 提升到 1.16 亿，三星为 0.95 亿，英特尔 2020 年才量产 1 亿晶体管密度，而在这个节点上，台积电已先一步帮华为生产出全球首款 5nm 手机芯片麒麟 9000，晶体管密度达 1.5 亿 +。
2020 年，三星宣布量产 5nm，但晶体管密度只从 7nm 的 0.95 亿小幅提升至 1.27 亿，改良版 4nm 也只有 1.37 亿晶体管，远远不如台积电初代 5nm 的 1.5 亿，与台积电 1.8 亿的 5nm 改良版 N4P 差距更大，只能算作 7nm 的更新版。3nm 节点上，三星也存在类似的问题。
2021 年英特尔宣布全面改名节点，英特尔 10nm 改成 Intel 7，原本的 7nm 改成 Intel 4，并把后续节点细化成了 Intel 3、Intel 20A、 Intel 18A。英特尔 CEO 帕特 · 基辛格虽然提出了 4 年 5 个节点的路线图，但实际上 Intel 7 本身就是已量产的 10nm，Intel 4 与 Intel 3 是同一节点的细分优化版本，所以这 5 年真正要攻克的是 3 个节点。
根据我们的了解，Intel 18A 进度大概率要延后，至少得 2026 年或者更久，而 2025 年底台积电第一代的 2nm 可以量产。但目前苹果 3nm 和 2nm 的案子都在跑，明年的 A19 是否采用台积电的 2nm，将会在 2025 年第一季度视 2nm 产线的良率做最后定案。这也与去年苹果 A17 抢发第一代 3nm，但更新效果不明显有关，毕竟 N4P 与 N3B，晶体管密度分别为 1.8 亿、1.9 亿，提升并不明显。
所以，今年苹果很可能会改变打法，让台积电继续深挖 3nm 潜能，比如今年苹果 A18 将采用 N3P，虽说跟去年的 A17 一样都是 3nm，但其晶体管密度从 1.9 亿到 2.8 亿。对比其他竞品的 3nm，目前晶体管密度都还在 1.8 亿以下，且都是良率很低的小批量生产。
有一个现象是值得注意的：摩尔定律的节点推进时间从原本 18 个月到 24 个月，进入 7nm 以后则是延缓到 30 个月，2018 年量产 7nm，2020 年量产 5nm，2023 量产 3nm，2025 量产 2nm，大概为 2~3 年推进一代。以目前可知技术来看，1.4nm 还能保持目前速度，1nm 往后节点大概率拉长到 40 个月以上，但这只是线宽微缩的放缓，并不影响晶体管数量的提升。
在可以确定的 20 年内，芯片晶体管的总数将持续快速增长，甚至在单芯片功耗上超越原本的摩尔定律，比如 3 月份台积电的刘德音与黄汉森在 IEEE 发表的文章，预测未来 10 年内，人类就可以制造出一万亿颗晶体管的 GPU 单芯片，而且未来不再是通过单一的制程手段改善来提升晶体管数量，立体结构的优化、2D 新材料以及先进封装每一个技术，都能有效并持续提升晶体管数量。
量产与良率成为模糊地带
过去抢先量产，是英特尔、三星、台积电三强竞争的关键，谁先量产谁就能掌握先机。
但现在，各家对节点定义的差距巨大，比如都说自己是 5nm，但晶体管密度天差地别，从这个角度来看，对台积电还有一点点威胁的是英特尔，三星已经不在竞争的行列。
三星还有个玩法就是在良率上动手脚，一个新节点多少良率才算是达到量产水平，这是最说不清的。按台积电的做法，有外部客户愿意基于当前良率下单，并顺利产出才称为量产，也就是所谓的商业量产。
三星每个节点的首发客户基本都是内部的三星电子，一般在低良率阶段开启风险试产并同时对外宣称量产。
将研发中个位数良率拿来宣布量产，这么做只是为了宣传，不会有任何实质意义，因为良率不足的坏片，惯例是由客户承担，同等密度情况下，客户肯定是优先下单给良率最高的晶圆厂。在密度跟良率都落后的情况下，只有降低代工费用才能抢到零星客户，还得承担良率不足的坏片成本，但晶圆厂这么干，没有任何赚钱的可能性。
有一点需要注意，相关厂家有时候会透露自己良率已经到 60% 甚至 80%，但这其中也有模糊地带。一般情况下 80% 的良率，只是对应矿机 ASIC 这种简单芯片，手机 AP（Application Process，手机中的应用处理器 CPU）的良率则有可能不到 50%，而如果是 GPU 这类面积大的芯片可能只有 20% 出头。
同样的 7nm 工艺，生产不同产品良率截然不同，但厂家可能只告诉你最好的那个，这也是行业的猫腻之一。
晶圆厂的量产时间与良率是一个可以大做文章的模糊地带，这种对比绝非简单制程节点的同比，而要看部門面积的晶体管密度，以及真正可以拿到商业客户订单的量产时间与良率，才叫商业量产。
2020 年，三星宣布量产 5nm 芯片，看似赢了对手，但一比较两者晶体管密度与良率，就会得出完全相反的结论。
没有 EUV，怎么做 5nm？
前面的几个部分，给大家讲了过去的 5nm、现在的 5nm 对应的概念。简单总结：20 年前如果说 5nm，对应的就是线宽，晶体管的栅极长度，但是今天再说 5nm，实际上就是一个工艺节点的符号，比起这个符号，部門面积下的晶体管密度才能判断出是否真的是 5nm。
接下来，我们将通过一系列的讲解，来告诉大家，在没有 EUV 光刻机的情况下，通过哪些手段，来实现所谓的 "5nm""3nm"，这部分内容在林本坚博士的《光学微影缩 IC 百万倍》讲座中也做了非常详细的介绍，我们做了一些简要摘录，先从一个核心的光学分辨率公式开始（提示：这不需要太多数学基础，往下看即能看懂）：
半周距 Half Pitch = k1λ／sinθ。
Half Pitch：参照文章图 2，线宽 / 栅极长度 + 线与线的间距即 Pitch，再乘以 1/2 即 Half Pitch。
k1：与工艺有关的系数，缩小 Half Pitch 的关键，是所有晶圆厂光刻工艺工程师致力缩小的目标，也是我们要讨论的核心。
λ：光刻中使用光源的波长，从 g-line 的 436nm，降到 EUV 的 13.5nm，是光刻机制造商努力的目标。
sinθ：与镜头聚光至成像面的角度有关，基本由镜头决定，也是光刻机制造商努力的目标。
不过由于光在不同介质中，波长会改变，在考虑如何增加分辨率时，需要将透镜与晶圆之间的介质（折射率 n）一并纳入考量，公式则变成了 Half Pitch = k1λ／nsinθ（注：nsinθ 即光刻机的数值孔径 NA）。
图 3：光线通过透镜系统聚焦成像示意图，n 为介质折射率，θ 为镜头的聚光角度
以 193nm 光源的浸润式光刻机为例，其 k1 为 0.28，水的折射率 n 为 1.44，sinθ 为 0.93，其 Half Pitch=（0.28×193）/（1.44×0.93）=54.04/1.3392≈40nm，即分辨率为 40nm。
所以，如果要提高光刻机的分辨率，可以调整公式中的变量，扩大分母或者缩小分子，对应有四种可能性：即增加聚光角度，提升 sinθ、提高介质的折射率 n、降低 k1 系数、采用波长更 λ 更短的光源。其中，降低 k1 系数是目前晶圆厂层面最大的突破口之一，可重点关注。
1）提升 sinθ：研发巨大复杂的镜头
sinθ 与镜头聚光角度有关，数值由镜头决定，sinθ 越大，分辨率越高。光刻机所使用的镜头由非常多大大小小、不同厚薄及曲率的透镜，经过精确计算后，仔细堆叠组成的，需要靠起重机来吊装，目前光刻机的镜头系统接近 6000 万美元，EUV 镜头系统甚至超过一亿美元。
图 4：0.9NA 光刻机镜头系统，NA（数值孔径）= n × sin θ
做得这样复杂，也是为了尽可能将 sinθ 逼近理论极值 1。
目前 ArF 光刻机的镜头可将 sinθ 值做到 0.93，EUV 光刻机目前只能达到 0.33，Hyper-NA EUV 的目标值是 0.75，也是 ASML 的终极项目。如果未来没有新技术发明出来，这很可能是芯片物理光刻技术的终结。
2）缩短波长：材料与镜头的精准搭配
缩短波长主要依靠光源的改变，比如 g-Line，i-Line 的 UV（紫外光），KrF，ArF 的 DUV（深紫外光）再到目前 13.5nm 波长的 EUV（极紫外光），如果波长再短就是 X-ray。
改变光源可以获得想要的波长，但镜头的材料也必须相应改变，材料可选项也会越少。
另一种解决方案是在镜头组中加入反射镜（下图黄色部分），这样的镜头组合称为反射折射式光学系统。不管什么波长的光，遇到镜面的入射角和反射角都相等，以反射镜取代透镜，就可以增加对光波带宽的容忍度。
图 5：193nm 的 ArF 光刻机所使用的镜头系统，从图中可看到在透镜组合之间加入了反射镜
到了 EUV 的 13.5nm 波长时，整组镜头都采用反射镜，称为全反射式光学系统，这种系统必须设计得让光束相互避开，使镜片不挡光线。此外，相较于透镜穿透的角度，镜面反射的角度对误差的容忍度更低，必须非常精准。
光源改变不仅会影响镜头材料，也牵涉到光刻胶的材料，涵盖化学性质、透光度、感光度等特性，这也是个浩大的工程，需要无数的材料及配方去应对不同制程的 layer。其中，感光速度是节省制造成本的关键，每次曝光多几秒，那对芯片制造来说都是不可承受的成本。
3）提高折射率 n 值：浸润式光刻技术
在增加分辨率的路上，还可以调整镜头与晶圆之间的介质。由前台积电研发副总林本坚提出的浸润式技术中，将介质从折射率接近 1 的空气，改成折射率 1.44 的水，形同 193nm 波长等效缩小 1.44 倍至 134nm。
图 6：干式光刻系统与浸润式光刻系统的差异
浸润式技术让半导体制程可以继续使用同样的波长和光罩，只要把水放到镜头底部和晶圆之间就好。理论很简单但难点在于，例如浸液系统中的 DI Water（去离子水）中的空气会产生气泡，必须完全清除，且要让水快速流动使之分布均匀，保证成像效果。
我们了解过，ASML 浸润式光刻机的 Alpha 机，仅浸液系统，在台积电南科专门跟林本坚团队一起修改了 7-8 回，耗时两年多。Alpha 机完成后的 Beta 版还得组织庞大的人力在晶圆厂消耗无数晶圆，把原本上千个缺陷，降到几百个、几十个，最后降到零，这是一个艰苦的过程。
4）降低 k1：分辨率增益技术（RET）
提高分辨率的最后一条路，就是降低 k1 值，这是晶圆厂里光刻工艺工程师工作的重中之重，也是离我们最近的一条路线。将 k1 降下来，是 DUV 光刻机制作 5nm 芯片的关键。
首先要解决的问题是 " 防振动 "，就像拍照防抖一样，在曝光时设法减少晶圆和光罩的相对振动，使曝光图形更加精准，恢复因振动损失的分辨率；其次是 " 减少无用反射 "，设法消除曝光时晶圆表面所产生的不必要的反射。改良上述两项参数，实测的数据显示，基本可以将 k1 控制在 0.65 的水平。
进一步提高分辨率还需要使用到双光束成像，分别有偏轴式曝光及相移光罩两种。偏轴式曝光是调整光源入射角度，让光线斜射进入光罩。透过角度调整，这两道光相互干涉来成像，使分辨率增加并增加景深。相移光罩则是在光罩上进行处理，让穿过相邻透光区的光，有 180 度相位差。这两种做法都可以让 k1 减少一半，但都属于双光束成像的概念，不能叠加使用。到这里，基本可以使 k1 控制在 0.28。
再进一步降低 k1，杀手锏是用两个以上的光罩，也就是大家耳熟能详的多重曝光。最通俗的解释就是将密集的图案分工给两个以上图案较宽松的光罩，轮流曝光在晶圆上（如下图 7）。
图 7：28nm 光刻机使用的光罩示意图，光透过白色孔照射在晶圆的光刻胶上呈现黄色圆点，借助 2 个光罩分两次曝光，以实现分辨率的提升
不过，因为曝光次数加倍，在 WPH（晶圆片数 / 小时）不变的情况下，晶圆产出效率降低了一半，多次曝光也将导致良率的降低，更低的产出加上更低的良率，这对 " 成本即一切 " 的半导体行业来说是不可承受之重，而曝光次数增加导致的低产出无可避免，工程师们唯一可以挽救的唯有良率。
在浸润式光刻机上，叠加使用光学邻近效应修正、光源与光罩联合优化等技术，可以让 k1 值下探到 0.2，分辨率可达 28nm。采用双重曝光，k1 可以从初始的 0.28 降至 0.14，分辨率则达到 20nm。采用四重曝光则可以将 k1 降到 0.07，分辨率达到 10nm 左右，甚至比 EUV 光刻机的 11.5nm 的分辨率更高，这就是浸润式光刻机多重曝光做 7nm、 5nm 甚至 3nm 的理论依据。
虽然理论简单，但实践起来就没那么容易，这其中自对准多曝光技术最为重要，借助这项技术可以让 k1 值成倍缩小，而这项技术最关键的就是光刻机的套刻精度（Overlay），它决定了芯片上下层的对准精度，进而决定了多重曝光的良率。
提高套刻精度的办法之一，就是拿到更高精度的设备，比如 2100i DUV 光刻机。另外，每家晶圆厂掌握的技术也不尽相同，目前能把多台套刻精度（MMO）做到无限接近单台套刻精度（DCO），全世界仅台积电一家。这是基于光刻机性能以外的 know how，有两个数据可供参考：台积电用 MMO:2.5nm 的 1980ci 光刻机 + 四重曝光良率超过 80%，而我们大陆工厂用 MMO:1.5nm 的 2050i+ 四重曝光下，经过 2 年的不断努力，良率接近 50%。
去年，比利时微电子研究中心（IMEC）去年发布了浸润式光刻机借助八重曝光做 5nm 的技术方案。
其他技术路线上，IMEC 和 Mentor 还共同创建不需添加任何冗余金属，没有额外的电容 SALELE（自对准 - 光刻 - 刻蚀）技术，以及跳脱了传统使用光罩的光刻，以材料研发为方向，先合成聚合物再加热处理产生特殊的化学互動作用，就会自动对齐成为比原来小四分之一结构的 " 定向自组装技术 "（Directed Self-Assembly，DSA）。
另外，由于 EUV 太容易被吸收，无法像 DUV 一样用水折射增加折射率 n 值，ASML 通过 High-NA，Hyper-NA 提高 sinθ 这种路径最终会走到尽头，所以晶圆厂制程端，可以大幅度降低 k1 的多重曝光就成了不论 DUV，还是 EUV 都绕不开的技术。这也意味着沉积与刻蚀设备更加重要，AMAT、LAM、TEL 三巨头无不卯足了劲发展相关技术，包括更复杂的脉冲，更精细地控制，更大功率的工具，尤其是原子层沉积与刻蚀技术，都将改变原来的工艺路线。
再回到文章第二部分的晶体管密度表，未来不论节点名称叫 "3nm" 还是 "N+4"，这些都不是重点，重点是芯片晶体管密度是否能够大幅度提升。
