“青阙见微芒，玉瑕生万象”。国产大模型助力芯片陶瓷封装基板视觉检测，微米之间显真章。
近日，在国家科技传播中心举行的“新天工开物——科技成就发布会”科学仪器专场上，东北大学于瑞云教授团队带来的“芯片陶瓷封装基板视觉检测技术”，以“青阙”与“玉瑕”双大模型架构，创新性地为工业质检领域开启了又一新范式。
中国工程院院士、机器人与智能系统全国重点实验室主任于海斌评价称:“基于大模型技术的缺陷检测方法，在多场景适应的泛化能力方面处于国际领先水平。该系列检测装备和智能制造系统的成功研制和应用部署，显著提高了芯片陶瓷封装基板制造的良品率和智能化水平，有效提高了我国集成电路先进封装产业的高质量发展。”
芯片陶瓷封装视觉检测的困境
芯片作为现代电子设备的核心，驱动着从智能手机到超级计算机的一切数字设备。然而，鲜为人知的是，任何芯片都需要封装基板进行物理支撑和电气连接。
“封装基板不仅能够承载、保护芯片，为芯片散热、供能，还是与其他电子器件连接的通道。”于瑞云教授形象地比喻，“如果说芯片是高楼大厦，那么封装基板就是大厦的供电、供水、供暖和地基。”
越精密的芯片，就越需要先进的封装基板。在各类封装基板中，陶瓷基板凭借其卓越的性能优势，成为大功率、高密度、高温及高频器件封装的首选。然而，其制造过程涵盖流延、冲孔、填孔、印刷等十余道复杂工艺，任何细微的偏差都可能导致严重缺陷。
随着集成电路工艺不断进步，缺陷检测要求的精度不断升级。如何在尺寸、外观及形态变化多样的陶瓷封装基板上，快速、精准地检测到微米级甚至百纳米级的缺陷，成为一道必须解答的工业难题。
长期以来，国内芯片陶瓷封装基板产线检测手段主要依赖人工。于瑞云教授团队在调研中发现，一家生产企业需要近百人三班倒进行检测工作。这种传统方式存在主观依赖性强、检测标准不统一、效率低下等突出问题。
“对于工艺相对简单的产品，人工检测效率低下，产品良率和产能难以保证，导致量产成本居高不下；而对于高多层、高精细、高密度互联的复杂产品，检测难度已经超过人工检测的极限，限制了先进制程陶瓷封装基板的研发和生产。”于瑞云教授道出了行业的双重困境。
高端检测装备技术被国外垄断，国内产业链在这一关键环节受制于人，成为中国集成电路产业升级的“瓶颈”。
“青阙”“玉瑕”大模型双剑合璧
2023年，于瑞云教授率领团队走进芯片陶瓷封装基板头部企业，开启了产学研深度融合的攻坚之路。
20余名硕士、博士研究生深入产业一线，亲身参与生产工艺的每一个环节，开展大规模数据采集工作。研究团队采用高精度面阵相机与高倍率液态远心镜头构建光学成像系统，并自主研发了超分辨率和光照自适应等图像质量优化技术。
经过近两年的努力，团队累积采集超14万个数据样本，成功构建CPS2D数据集。该数据集于2025年入选国家数据局首批高质量数据集典型案例，成为集成电路领域精度最高、数量最多的开源数据集，为后续AI算法创新提供了坚实的数据基础。
基于CPS2D数据集，团队打造了两个AI大模型，并赋予它们富有诗意的名字——“青阙”和“玉瑕”。
“青阙大模型”，是工业产品表面缺陷检测的核心引擎。面对现有大模型难以快速部署、模态单一的问题，研究团队通过思维链、LPA层、模型蒸馏等创新设计，大幅提升了模型识别精度和泛化性。在多个工业场景识别精度超过90%，相较于主流视觉分割大模型，模型推理速度提升15倍以上。
“玉瑕大模型”则别出心裁地解决了工业质检领域的最大痛点——缺陷样本稀缺问题。于瑞云教授在采访中解释道:“在现有的工业领域里面，很难去找到这么多缺陷的数据。因此，我们设计了‘玉瑕’大模型，能够基于一些正常的数据样本，再辅以文本的引导性描述去做缺陷的生成。”团队基于文本信息驱动的跨模态融合机制和跨尺度视觉自回归架构，构建了这一缺陷样本生成大模型。
目前，“玉瑕”一次可生成几百张甚至几万张图像，能够进一步激发“青阙”大模型的智能跃迁能力。
“‘玉瑕’和‘青阙’是一个相辅相成的关系。”于瑞云教授强调，“我们用生成图像去扩增数据集，再用这些真实数据和生成数据混合的数据集对模型做训练，促进‘青阙’大模型的2.0、3.0版本的推出。”这种双模型协同的工作机制，形成了从数据生成到缺陷检测的完整闭环，实现了AI大模型在工业质检领域的创新应用。
自主铸就视觉检测的“火眼金睛”
理论创新的价值，最终需要通过实践来检验。
基于“青阙”和“玉瑕”两大模型，团队自主研制了芯片陶瓷封装基板全系列关键工艺自动光学检测设备，包括流延、激光冲孔、填孔、印刷、成品等工艺的自动光学检测设备。
系列设备全面适配国内外主流AI计算框架和GPU计算单元，在成像精度、检测准确率、检测效率等主要技术指标达到国际先进水平。其中，基于大模型技术的缺陷检测方法在多场景适应的泛化能力方面处于国际领先水平。
在实际应用层面，芯片陶瓷封装基板图形化缺陷检测设备已能够识别漏磁、短路、异物等10余种陶瓷封装基板常见缺陷。“该设备应用部署近两年时间，累积检测产品11万件，检测准确率超过95%，助力企业中高端产品良率提升20%以上，复杂产品验证周期缩短35%以上。”于瑞云教授分享道。
针对封装基板成品形态和尺寸差异性大、腔体结构复杂等特点，团队还研发了手眼一体化协同检测模块，解决了同品类设备中存在的检测精度低及泛化性差的问题。在相关企业试运行以来，已检测产品类型500余种，设备检测准确率超过90%，相较于人工检测效率提升10倍以上。
这一技术成果实现了高端检测装备与系统的国产化替代，填补了国内芯片陶瓷封装基板领域的行业空白，打通了“数据-算法-软件-设备-系统”一体化的研究体系，成功跨越了从AI算法到产业应用的“最后一公里”，助力我国集成电路产业自主发展。
更为重要的是，该技术展现出向更广阔领域拓展的巨大潜力。
于瑞云教授称，半导体领域对缺陷检测要求高，团队在先进封装已达一微米甚至百纳米级分辨率，而汽车、3C等领域检测对分辨率要求没这么高，“青阙”与“玉瑕”大模型能很好向下兼容，在相关产业应用已有一些成功案例。他表示希望通过更多行业生产的应用，使其发展为工业制造领域的基础大模型
在AI赋能工业制造的浪潮中，东北大学团队通过国产工业大模型自主研发，不仅为芯片陶瓷封装基板视觉检测铸就了“火眼金睛”，还打通了“数据-算法-软件-设备-系统”一体化的研究体系，成为新质生产力推动我国集成电路产业发展的生动案例，为未来中国智造自主仪器设备研发开拓了新的可行路径。
声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。
