图片来源：应特格

记者 | 林北辰

“整个世界的科技发展浪潮在不断推动，最为基础的部分就是半导体。”半导体材料厂商Entegris（应特格）执行副总裁及首席运营官Todd Edlund说，“即使在全球半导体行业不景气的情况下，中国半导体市场的增长仍然明显。”

中国庞大的集成电路产业吸引外资半导体商入华。作为全球半导体气体材料的最大供应商，应特格入华多年，通过收购杭州安诺、与泉州博纯等半导体上游生厂商合作深入中国的半导体产业。

11月13日，位于上海张江的应特格中国技术中心（CTC）正式落成运营，实验室配备了四大化学品相关实验室：微污染物控制应用实验室、先进材料处理应用实验室、表面处理和集成应用（SPI）实验室、分析和计量实验室。通过实验室的本土化，应特格希望提升公司在华的技术能力，缩短半导体化学材料的定制时间。

落成仪式上，Todd Edlund接受了界面新闻记者专访。他表示，对目前的半导体厂商而言，材料的重要性凸显。在所有新技术例如5G的繁荣背后，是半导体作为基石提供挑战性的应用场景。

半导体作为一个周期性较长的产业，在全球范围内的设计、制造与测试均有可能分不在不同国家。其中，晶圆制造与芯片封装环节，是制约良率的关键因素之一。

随着新应用场景的出现，半导体厂商对设备性能要求不断提高，5G时代的芯片不仅需要应对加倍的传输速度，随之而来的加热问题也需要芯片设计提供功率的解决方案，因此晶圆的工艺复杂性增加了提高良率的难度。

Todd Edlund指出，目前，污染的控制是提高半导体性能的最大挑战。随着半导体工艺从28nm走向7nm，材料中金属杂质的容忍度已经下降了千倍，对于晶圆杀手颗粒的大小也缩小了近4倍。

这样的情况意味着，若良率能够提升1%，对一个先进的逻辑Fab（半导体行业对车间Fabrication的简称）制造商而言，每年的利润增长额能达到1亿5000万美元，而对于3D NAND（由英特尔和镁光的合资企业所研发的一种新兴的闪存类型）来说则是1亿1000万美元。

为了在中国本土进行更完整地测试、控制流程，应特格的微污染物控制应用实验室应运而生。所谓“微污染”，意味着在无尘等级1000的洁净室里，通过检测过滤器的性能，诊断在过滤器应用中客户端生产过程可能出现的问题或者潜在的风险。实验室可以提供包括光阻泵、管阀件以及传感器等各种流体输送材料的洁净度和功能的检测。

图片来源：应特格

此外，表面处理和集成应用实验室用于制程中晶圆的清洗产品应用和功能测试。分析和计量实验室则服务于其他三个实验室，着重于高纯化学品先进材料和各种过滤膜的理化性能的分析表征，以协助厂商在实际生产过程中有效地控制污染，改善良率。

Todd Edlund表示，在前期，应用中心的四大实验室投入约为几百万美金的成本进行建造，除了基础设施与人员成本，实验室内的无尘室造价非常高昂，应特格计划在2020年再次追加投入。

过去，半导体业内对于芯片设计的流程是，由Fab制造商定义良率的参数，然后把它交给上游的材料供应商去控制污染的参数。而应特格模式试图改变以往的传统，作为上游的材料商，应特格不仅要与半导体Fab协同，也要与他们的客户，即芯片的设计方和使用商沟通——例如半导体产业下游的OEM、整车厂——多角度提前了解导致可靠度不佳的原因，从而提供最合适的材料解决方案。

从商业的角度来看，应特格2018年营收约为16亿美元，其中80%为半导体行业相关，20%为半导体以外的领域，例如数据存储、平板显示等，微污染控制则是营收最多的一部分，占总营收比达到40%。对应特格来说，在中国加大以污染控制为核心的技术和实验室投入，是在为未来中国的产业鹏发作准备，也是巩固公司的现有优势。

Todd Edlund透露，应特格研发投入占总营收的比例约为8%，其中核心业务过滤器的研发投入比达到14%-15%。

高投入同样带来高回报，Entegris最新季报显示，利润率在不同的部门之间有所浮动，特种化学超过了20%，先进材料接近20%；微污染控制业务的利润率则达到了30%。

根据应特格的估算，至2025年，世界物联网设备数量将超过750亿，全球的数据数量增速也要翻10倍，达到175 ZB。中国是世界三大半导体生产国之一，应特格希望通过深入和中国本土半导体制造的合作，在半导体材料业的变革中成为中国半导体的合作伙伴。

以下为应特格专访实录（经界面新编辑整理）：

界面新闻：应特格的财报营收额中投入研发的比例大概是8% 左右，这个百分比意味着什么？

Todd Edlund：我们的研发投入占到营收的比例，在不同的产品线上可能会有一些不一样，比如有些产品线研发的比例占到2%左右，但是对于另外一些产品可能会高达14%-15%。通常比较前沿性的产品上的研发投入会比较多，例如过滤器还有先进化学品的开发。

Entegris定下研发投入占营收比重的8%的目标，基于我们对于在行业内致胜的经验来讲，这是比较合理的水平。

从营收的角度来讲，我们发布的数字显示，在微污染控制方面以及特种化学材料方面，营收是非常高的，这与Entegris在研发上的大量投入是相对应的。

这些部门同时是过去几年增长最快，给我们带来回报更多的业务。利润率在不同的部门之间有所浮动，在特种化学方面大概是20%多一点；在先进材料方面接近20%；微污染控制方面30%多左右。

界面新闻：关于半导体人才，从全球整个行业以及中国国情来看，一些意见认为中国还是很缺少这部分的人才，不知您是否同意这样的观点？

Todd Edlund：其实您说的这个人才短缺的问题，在全世界各地都有出现，特别在我们半导体行业里面。在过去的几年里，人才的短缺一定程度上限制了我们对于研发的更多投入。我们本身希望能够招揽到一些拥有比较高端的物理、化学或者材料科学背景知识的这种科技人才。这种人才比较短缺，我们现在也会关注一些有这方面的相关学历，但并不是完全对口半导体行业的人才。

界面新闻：行业基层人员，例如微电子专业的大学生，常常因为薪酬的问题转行做软件，您怎么看待这样的现状？

Todd Edlund：实际上我觉得半导体行业在今天来讲已经比过去更容易吸引到人才，因为过去的半导体行业是非常周期性的。现在随着整个半导体行业规模的扩大，周期性慢慢变得比较平稳，虽然还是会有一定的周期性，但是整体上来讲，目前是处于平稳发展的状态。

第二，我们的技术为很多先进的科学提供了非常具有挑战性的应用场景，对于过滤这样非常专业的科学领域，在半导体行业内的应用，可以说它是最顶尖难度的一个应用，这可能会对有志于从事这方面的年轻人带来很多挑战，挑战就意味着一种令人兴奋的状态。

第三，从化学或者是晶圆的角度来讲，制造方面的一些挑战，可以说是超过了像医学、医药这些行业带来的挑战，它的难度非常高，因此会吸引到很多顶尖的人才。

整个世界的科技发展浪潮在不断推动，最为基础的部分就是我们的半导体。现在最热的5G技术，也是要基于半导体的。可以说半导体本身就推动了第四次全球工业革命，但是很多人理解不到这一点。所以对于我们来讲，很重要的事就是去沟通，去讲述我们的故事，去教育大众，让他们了解到这是一个多么令人振奋的行业。

界面新闻：半导体厂商如果进行一些生产模式的改变，会在短期内带来经济上的严重损失吗？

Todd Edlund：这和它的工艺和制程相关。

做芯片设计时可能半导体厂商各种各样新的东西都想尝试，会不断调整，找到最佳的良率，这个过程会不断变动。一旦这个工艺确定了之后就不希望有任何的改变，即使是材料上或者工艺流程上有一点点的改变，都可能影响到最终芯片的良率。

这样的情况下就要求我们的供应商做所谓的“变动控制”，任何的材料发生变化必须要提前至少一年通知到客户，客户才能去做调整。你会觉得半导体行业是一个非常奇怪的行业，一方面它变动非常快，变化是日新月异的，另外一方面，当半导体厂商决定好了一个制程之后，不会轻易去改变，非常要求这种一贯性。

界面新闻：从材料方面，比如说14纳米、7纳米，甚至是5纳米的进化当中，除了物理的极限，在材料上有没有一些什么变化？

Todd Edlund：在晶圆不断缩小的过程中，我们使用的金属在每一个节点上都会有一定新的考量。

从材料角度来讲，我们沉积使用的材料，它的介质材料要求非常高，与此相关的一些清洗材料也是。尺寸越来越小，就会有非常多的细节，就需要你在沉积的时候，适应高纵横比的要求，因此你要选择性去清洗，什么要留下，什么要带走，这些都对于清洗和沉积提出了非常高的要求。因此沉积、铜镀等是比较困难的部分。

另外一个方面，金属的使用，主流的是铜，未来会慢慢演进成钴。这些新的材料，新的金属可能会慢慢取代掉之前的铜。

界面新闻：在金属变化之后，使用年限上也会有区别吗？

Todd Edlund：其实我们采用不同的金属，主要的目的不是来影响它的寿命而是提高它的性能，包括耗电、晶体管的分散性等等，这是我们采用不同新型金属的目的。

至于寿命或者可靠性，这是通过污染控制和纯度的控制来达到的。我们要尽量去应对芯片老化带来的结果，避免的方式就是通过提高纯度，更好地过滤，更好地处理我们的金属，沉积，使得芯片整个可靠性和寿命能够有所提高，这才是最重要的。

界面新闻：对于目前流行的“AI芯片”，您如何理解其中Artificial Intelligence的概念？

Todd Edlund：AI芯片较为关键的地方在于芯片设计，特别是逻辑芯片的设计，因为它会产生大量的计算。

我们会跟一些AI晶片设计厂商做深度的合作，最受关注的方面是材料与污染控制。原因在于，未来这些AI的芯片会被用到自动驾驶汽车上，而现在的AI技术使用的是既有的芯片，它对良率有很高的要求，需要更好的污染控制。

我认为AI在未来也会成为逻辑芯片主要的推动力，特别是推动着第四次工业革命的发展。并且，由于良率低，工艺流程很复杂，AI芯片是一种非常难造的芯片。这更需要我们与制造者、设计商通力合作，解决工艺流程复杂的问题。