צריכת ההספק הגבוהה של מאיצי AI מציבה דרישות חדשות בפני מערכי הבדיקות בתעשיית השבבים. הרחבת יכולות ה־Burn-in בפלטפורמת Titan HP של Teradyne מדגימה כיצד ניתן לשלב הפעלת עומסי עבודה עם בקרה תרמית פרטנית לכל רכיב ותיעוד תנאי המאמץ, במקום להסתמך בעיקר על בקרת טמפרטורת סביבת הבדיקה.
הכניסה של מאיצי AI למרכזי נתונים משנה לא רק את תכנון השבב, אלא גם את הדרך שבה נדרש לבדוק אותו לפני שהוא נשלח לשוק. רכיב שמיועד לפעול בעומסים גבוהים לאורך זמן אינו נבחן רק בשאלה אם הוא מבצע את הפונקציות שהוגדרו לו. צריך לבחון גם כיצד הוא מתנהג כאשר ההספק, הטמפרטורה ופעילות התוכנה משתנים במהלך פעולה ממושכת.
על הרקע הזה הודיעה Teradyne באוקטובר 2026 על הרחבת יכולות ה־Burn-in של פלטפורמת Titan HP, המשמשת לבדיקות ברמת המערכת. החברה מציגה מערכת שמחזיקה כל רכיב בטמפרטורת צומת יעד תוך הפעלת עומס עבודה מציאותי, ומאפשרת להשתמש באותה פלטפורמה גם לבדיקות SLT וגם לבדיקות אמינות. ההכרזה אינה מבטלת את הצורך בשלבי בדיקה אחרים, אך היא משקפת שינוי בתנאים שמערכי הבדיקה נדרשים להתמודד איתם.
בדיקת מאמץ בעולם של שבבים עתירי הספק
בדיקת Burn-in נועדה לחשוף כשלים מוקדמים באמצעות הפעלת הרכיב בתנאי מאמץ, בדרך כלל לאורך שעות. היא אינה בדיקה פסיבית: גם במערכים מסורתיים ניתן להפעיל רכיבים חשמלית ולבדוק את התנהגותם. אלא שככל שהשבבים נעשים מורכבים ועתירי הספק, קשה יותר להסתפק בקביעת טמפרטורת אוויר אחידה בסביבת הבדיקה ולהניח שכל רכיב אכן חווה אותם תנאים.
במאיצי AI, צריכת ההספק עשויה להשתנות במהירות בין מצבי עבודה. הפעלת יחידות חישוב, גישה לזיכרון ותעבורת נתונים משנות את כמות החום שהרכיב פולט. לכן טמפרטורת האוויר סביבו, או אפילו טמפרטורה הנמדדת בנקודה אחת במתקן, אינן בהכרח משקפות את הטמפרטורה בתוך השבב עצמו. השאלה ההנדסית היא אם אפשר לקיים תנאי מאמץ עקביים ברכיב שנבדק, גם כאשר פעילותו משתנה.
הפער בין טמפרטורת הסביבה לטמפרטורת הצומת מוכר היטב בתכנון תרמי. החום הנוצר בתוך השבב צריך לעבור דרך המארז, חומרי הממשק התרמי, מערכת הקירור והסביבה. לאורך המסלול הזה נוצרת התנגדות תרמית, ולכן שינוי בהספק יכול לשנות את טמפרטורת הצומת גם כאשר תנאי החדר או המתקן נותרים קבועים.
כאשר האתגר נמצא בתוך השבב
במארזים מתקדמים, המשלבים כמה שבבים או Chiplets, הקושי גדל. פיזור ההספק אינו בהכרח אחיד: אזור אחד במארז עשוי לבצע עיבוד אינטנסיבי, בעוד אזור אחר פועל בעומס נמוך יותר. גם אם נשמרת טמפרטורה מבוקרת בנקודת מדידה אחת, עלולים להיווצר אזורים חמים מקומיים המשפיעים על התנהגות הרכיב ועל מנגנוני הכשל הרלוונטיים.
הדבר חשוב במיוחד בבדיקות אמינות, משום שקצב ההתפתחות של מנגנוני כשל שונים עשוי להיות רגיש לטמפרטורה, למתח ולמשך החשיפה למאמץ. כאשר תנאי הבדיקה משתנים מרכיב לרכיב או לאורך מחזור הבדיקה, קשה יותר להשוות תוצאות בין אצוות ולברר אם הבדל שהתגלה נובע מהרכיב עצמו או מתנאי הבדיקה.
בתמונה: פלטפורמת Titan HP של Teradyne , המיועדת לבדיקות Burn-in ובדיקות מערכת של רכיבי AI למרכזי נתונים. קרדיט: Teradyne / Business Wire
בקרה תרמית ברמת אתר הבדיקה
הגישה שמציגה Teradyne ב־Titan HP מבוססת על בקרה תרמית עצמאית ברמת אתר הבדיקה. לפי החברה, המערכת יכולה להפעיל עומס עבודה על כל רכיב ולהחזיק אותו בטמפרטורת צומת מוגדרת, במקום להסתמך בעיקר על טמפרטורת סביבה משותפת. בקרת הטמפרטורה מותאמת גם לאזורי החום ולאזורי ההידוק של כל רכיב.
בהודעה על השקת הפלטפורמה באוקטובר 2025 תיארה Teradyne כמה מהמרכיבים ההנדסיים של המערכת: מבנה Cold Plate רב־ענפי, המיועד לקירור הרכיב הנבדק ורכיבים נוספים במערך; בקרה אסינכרונית מכוילת PID ברמת אתר; ואפשרות לחימום מבוקר של הרכיב. השילוב בין קירור לחימום מאפשר להגיב לשינויים בהספק המתפזר, כדי לשמור על טמפרטורת היעד גם כאשר עומס העבודה עולה או יורד.
יכולת הבקרה אינה תלויה רק באלגוריתם. גם איכות המגע התרמי בין הרכיב למתקן, זמן התגובה של מערכת הקירור והחימום ואיכות מדידת הטמפרטורה משפיעים על התוצאה. הפרסומים הפומביים של Teradyne אינם מפרטים את שיטת המדידה או האמידה של טמפרטורת הצומת ואת דיוק הבקרה בתנאי העבודה השונים. נתונים אלה חשובים להערכה כמותית של ביצועי המערכת, במיוחד כאשר נדרשת השוואה בין רכיבים ובין מחזורי בדיקה.
אספקת החשמל היא חלק ממערכת המאמץ
לצד פינוי החום, בדיקת מאיצי AI עתירי הספק מחייבת תשתית אספקת חשמל מתאימה. בזרמים גבוהים גם התנגדות קטנה במסלול החשמלי עלולה לגרום לנפילת מתח ולהפסדי הספק. שינויים מהירים בעומס עשויים ליצור תנודות במתח האספקה, והחיבורים עצמם עלולים להתחמם ולהשפיע על יציבות המערכת.
לכן אין די בציון ההספק המרבי שמערכת מסוגלת לספק. חשוב גם לבחון את יציבות המתח בנקודת העומס, את ההתנהגות במעברים בין מצבי עבודה ואת ההגנות במקרה של חריגה. Teradyne ציינה בהודעת 2025 תמיכה של עד שני קילוואט לרכיב ומפת דרכים לארבעה קילוואט בעתיד הקרוב; בדף המוצר העדכני החברה מתייחסת לאספקת הספק ברמת קילוואטים לכל רכיב ולמפת דרכים המותאמת לדרישות ההספק העולות של מאיצי AI.
מבחינה הנדסית, אספקת החשמל והבקרה התרמית תלויות זו בזו. שינוי בעומס החשמלי משנה את קצב יצירת החום, ושינוי בטמפרטורה עשוי להשפיע על מאפיינים חשמליים של הרכיב, ובהם זרמי זליגה והתנהגות מנגנוני ניהול ההספק. כדי להבחין בין שינוי בהתנהגות הרכיב לבין שינוי בתנאי המערכת, נדרש לתעד את שני המשתנים לאורך הבדיקה.
לא כל עומס פונקציונלי הוא בדיקת אמינות
אחד ההיבטים המרכזיים בהכרזה הוא האפשרות להשתמש באותה פלטפורמה לבדיקות SLT או לבדיקות אמינות. בדיקות SLT נועדו לבחון את הרכיב בסביבה המדמה את פעולתו במערכת. הן עשויות לכלול הפעלת תוכנה, תקשורת עם רכיבים אחרים, גישה לזיכרון והפעלת יחידות עיבוד בתרחישים מורכבים. בדרך זו ניתן לאתר בעיות שלא בהכרח יתגלו בבדיקות חשמליות או פונקציונליות ממוקדות.
בדיקות Burn-in נועדו למטרה אחרת: לחשוף כשלים מוקדמים באמצעות חשיפה ממושכת למאמץ מוגדר. הפעלת עומס עבודה במהלך Burn-in יכולה לסייע בהצבת הרכיב בתנאים המייצגים טוב יותר את פעילותו, אך אין פירוש הדבר שכל בדיקת SLT היא גם בדיקת אמינות, או שכל עומס פונקציונלי מתאים לשמש כפרופיל מאמץ. כדי שתוכנית בדיקה תשמש להערכת אמינות, יש להגדיר את תנאי המאמץ, משך החשיפה וקריטריוני הקבלה בהתאם למטרת הבדיקה ולמאפייני הרכיב.
Teradyne מציינת כי תוכניות הבדיקה בפלטפורמה מופעלות באמצעות סביבת התוכנה Atlas, המאפשרת לייבא תוכניות קיימות, לפתח תוכניות חדשות ולהעבירן למערכות SLT אחרות של החברה. יכולת זו עשויה להקל על ניהול תוכניות הבדיקה, אולם מידת ההתאמה בין מערכות ותצורות שונות תלויה בדרישות היישום ובאופן שבו הוגדר פרופיל המאמץ.
מה קורה כאשר בדיקה אחת נמשכת שעות
בייצור סדרתי, משך הבדיקה הוא גורם תפעולי וכלכלי. בדיקות Burn-in עשויות להימשך שעות, ואילו בדיקות אחרות עשויות להסתיים מהר בהרבה. במערכת שבה כל אתרי הבדיקה פועלים כמקשה אחת, ריצה ארוכה באתר יחיד עלולה להגביל את האפשרות להכניס רכיבים חדשים או לבצע תחזוקה באתרים אחרים.
יתרון תפעולי נוסף שמציגה Teradyne הוא ארכיטקטורה של אתרי בדיקה עצמאיים, המאפשרת לטעון, להפעיל ולטפל בכל אתר בנפרד בזמן ששאר האתרים ממשיכים לפעול. יכולת זו עשויה לצמצם השבתות של מערך הבדיקות ולשפר את ניצול הציוד, במיוחד כאשר זמני הבדיקה שונים בין רכיבים. התפוקה בפועל תלויה כמובן גם במספר האתרים הפעילים, במשך מחזורי המאמץ, בדרישות ההספק והקירור וביכולת מערכות הטיפול ברכיבים להזין ולפנות אותם.
גם צריכת האנרגיה של מערך כזה היא שיקול. הפעלת מספר רכיבים עתירי הספק מחייבת תשתיות חשמל וקירור מתאימות. Teradyne מייחסת לפלטפורמה פוטנציאל להפחתת עלויות בדיקה, לחיסכון בשטח רצפה ולשיפור זמן ההגעה לשוק, אך בהיעדר נתוני השוואה כמותיים אין לקבוע את היקף היתרון ביחס למערכים אחרים.
היסטוריית המאמץ של כל רכיב
Teradyne מדגישה גם את האפשרות לשמור רשומה מאוחדת של היסטוריית המאמץ והבדיקות של כל רכיב. במערכי ייצור מתקדמים, עצם הידיעה שרכיב עבר או נכשל בבדיקה אינה תמיד מספיקה. כאשר מתגלה תקלה, חשוב להבין באילו תנאים נבדק הרכיב, אילו עומסים הופעלו עליו ומה הייתה התנהגותו לאורך התהליך.
תיעוד של פרופיל המאמץ התרמי והחשמלי לצד תוצאות הבדיקה עשוי לסייע בזיהוי קשרים בין תנאי העבודה לכשלים שהתגלו בהמשך ובהשוואה בין אצוות ייצור. עם זאת, שמירת נתונים לבדה אינה מבטיחה יכולת לחזות כשל או לקבוע את סיבתו. נדרשים נתונים מדויקים, עקיבות בין שלבי הייצור וכלי ניתוח מתאימים.
אמינות מתחילה בתנאי בדיקה שניתן לשחזר
האתגר שמציבים שבבי AI עתירי הספק בפני תעשיית הבדיקות אינו רק הצורך להתמודד עם יותר חום או לספק יותר חשמל. הוא מחייב להגדיר כיצד יוצרים תנאי מאמץ עקביים לרכיבים שהתנהגותם החשמלית והתרמית משתנה במהלך הפעולה.
פלטפורמת Titan HP מדגימה גישה שבה הפעלת עומסי עבודה, בקרת טמפרטורת הצומת וניהול נתוני הבדיקה משולבים בתשתית אחת. אין בכך כדי לבטל את הצורך בבדיקות אמינות נוספות או בהסמכת הרכיב, אך זו דרך להתמודד עם חלק מהקשיים שמציבים מאיצי AI בפני מערכי הבדיקות המסורתיים. עבור מהנדסי הבדיקות, השאלה המרכזית נותרת מעשית: האם ניתן להפעיל על כל רכיב את פרופיל המאמץ שנקבע לו, למדוד את התנאים בפועל ולשחזר אותם לאורך תהליך הייצור?
מקור: Teradyne, הודעות החברה מאוקטובר 2025 ומאוקטובר 2026; Titan HP.
