玻璃基板板子做出来，怎么知道它是不是好的。这个问题听起来简单，到了玻璃上反而最难。硅片不透明，打光一扫，缺陷清清楚楚；玻璃透光，一道微裂纹藏在亚表面，表面平整得没有一点痕迹，普通光学检测扫过去，什么都看不见。这道看不见的坎，是玻璃基板量产的最后一公里。差出来的那一段，很大一部分卡在检测上：看不清，就没法筛，没法筛，良率就爬不动。玻璃基板最大的优点，是它透明。低损耗、高频性能好，靠的就是透明介质让信号走得干净。但这个优点到了检测环节，变成了硬伤。检测靠的是"光打到缺陷上，缺陷把光挡掉或者散射掉，形成明暗差"。硅片、PCB 不透明，光打上去被反射，缺陷和背景反差大，一照一个准。玻璃是透明的，光直接穿过去，微裂纹和气泡的折射率跟玻璃本体接近，融入背景，对比度低到几乎看不见。用一句话说，就是"缺陷和背景长得太像了"。图 1 透明与不透明材质的检测反差自制示意图。硅片上的缺陷反射反差大，一眼可见；玻璃透光，缺陷融入背景这里有个物理细节值得说清。一道微裂纹的缝隙里是空气，折射率约 1.0，玻璃本体的折射率在 1.5 上下。两者只差 0.5，光穿过裂纹时发生的偏折很弱，散射信号淹没在背景里。相比之下，硅片上的颗粒和硅的折射率差，光打上去的反射反差要强得多。所以同样是微米级的缺陷，放在不透明材料上是显眼的亮点，放在玻璃里就成了隐形。这不是设备分辨率不够，是材料的物理性质决定了缺陷的"可见度"天生就低。图 2 折射率接近导致低对比度自制示意图。裂纹缝隙是空气，折射率约 1.0，玻璃本体约 1.5，只差 0.5，光穿过偏折很弱这不是靠拉高相机分辨率就能解决的。普通明场显微镜下，玻璃里的浅裂纹因为玻璃与空气层的折射率接近，低对比度，大量漏检。行业里管这个叫"透明材质的成像困境"，它是玻璃基板检测的第一道墙。TGV 打孔，激光改质、湿法刻蚀、CMP 研磨，这几道工序都会在玻璃里留下微米到纳米级的微裂纹。这些裂纹的杀伤力在于两点：尺寸极小，远超目视和普通光学检测的极限；而且它们大量藏在亚表面，表面一点痕迹都没有。亚表面裂纹是制程应力产生的内部损伤。它在打孔时埋进去，表面平整，检测不出来；等基板进入后续电镀、压合、高低温循环，应力一集中，裂纹就开始扩散，最后整板开裂。一个在蚀刻后就该被筛掉的坏孔，如果没被看见，到电镀填铜之后才发现，报废成本呈数量级往上翻。图 3 亚表面裂纹的隐蔽性自制示意图。表面平整无痕，微裂纹藏在玻璃内部，俯视光学检测看不到所以检测玻璃基板，不只是看表面，是要看见玻璃的"身体里面"。这道工序在行业里有专门的说法，叫无损检测，也就是不切不磨，隔着玻璃把内部的裂纹、气泡、空洞找出来。玻璃基板的缺陷，不是某一道工序单独造成的，是前面几道工序一路攒下来的。激光打孔，飞秒激光在玻璃内部改性，改性区边缘容易带出微裂纹。湿法蚀刻扩孔，蚀刻液的侵蚀方向不均匀，孔壁会留下粗糙度偏差，严重的形成孔塞或者侧壁微开裂。PVD 溅射种子层，铜要覆盖到孔底，深孔底部容易断膜。电镀填孔，添加剂配比和电流密度稍有偏差，孔内就留空洞，孔口堆出凸起。CMP 抛光，铜和玻璃硬度差得远，抛得过度铜柱凹进去，抛得不够铜柱凸出来。这五道工序，每一道都有自己专属的缺陷类型：打孔怕裂纹，蚀刻怕孔塞，溅射怕断膜，电镀怕空洞，抛光怕不平。这些缺陷还不是孤立的，前面的缺陷会传到后面去放大。激光打孔留下的微裂纹，蚀刻时被进一步撑开；蚀刻没清干净的有机残留，让种子层附着不牢，电镀时就鼓泡。所以检测不能只守在最后一道，得从打孔开始一路盯着。图 4 五道工序各自的缺陷类型自制示意图。打孔、蚀刻、溅射、电镀、抛光各有专属缺陷，前道缺陷传到后道放大这也解释了为什么玻璃基板的检测布点，是一张从头到尾的网，而不是最后一道闸门。后面会细说这张网长什么样。第一重，就是前面说的透明材质成像困境。玻璃高透光、低反差，传统自动对焦很难锁定焦面，微裂纹和气泡融入背景，表面缺陷和体缺陷的信号互相干扰。第二重，高深宽比的三维透视难题。TGV 通孔直径只有 10 到 50 微米，基板厚度却有 300 到 1000 微米，深宽比轻松超过 10 比 1。常规俯视成像只能看到孔口，孔壁粗糙度、孔腰位置的盲孔、沙漏形结构的锥度偏差，全落在视觉盲区里。镜头的景深有限，聚焦在表面，孔底和孔内壁就糊成一片，腰身孔径根本量不到。第三重，大面积高速扫描的吞吐量压力。面板级玻璃基板尺寸已经到了 515×510 毫米甚至更大，单块板上通孔几十万到上百万个，要在几分钟内全幅无死角地检完，否则就卡住产线节拍。一句话：既要看得清微米级的缺陷，又要看得透三维深孔，还要跑得过产线节拍。三个要求互相打架，这就是玻璃基板 AOI 被称为技术高地的原因。图 5 玻璃基板检测的三重物理极限自制示意图。透明成像困境、高深宽比透视、吞吐量压力，三者叠在一起TGV 制造不是最后检一次就完事，是在关键节点层层设防。来料检验，看原片表面颗粒、划痕、气泡和应力。激光改性之后，看改性区的位置、尺寸、有没有裂纹。湿法蚀刻之后做 AOI，看通孔导不导通、孔径一不一致、锥角和孔壁质量。PVD 种子层之后，看金属覆盖完不完整、孔底有没有断膜。电镀填孔之后，看有没有空洞、缝隙、凸起。最后 RDL 布线，看线宽线距、有没有短路开路。每一个节点的检测，都决定下游良率放大的程度。蚀刻后漏掉一个盲孔，到电镀后才发现，是整板报废；到键合后才暴露，是整批的损失。检测往前挪一步，省的是后面好几步的钱。光学检测对付不了所有的缺陷，尤其是填铜之后的内部空洞，和亚表面的隐裂。这两类要换"光"。一类是超声波扫描（SAM）。超声能把孔内的空洞扫成一张图，空洞的位置、大小一目了然。填铜之后有没有残留空洞，靠它看。一类是 X 射线。X-ray 看的是铜填充的整体均匀度，配合 CT 能无损重建填铜后的三维结构。韩国 PIE 这类专注玻璃基板检测的公司，产品线就是光学 AOI、全息断层、X 射线 CT、扫描超声四条并排。对付亚表面裂纹，还有一条更针对性的路子，用近红外光和干涉原理做断层扫描。近红外对玻璃穿透性好，能聚焦到玻璃内部，把埋在体内的气泡和微裂纹捞出来。激光共聚焦显微镜逐层对焦，能无损还原亚表面裂纹的分布和深度；OCT 光学相干层析，借光学干涉原理，专门适配透明玻璃，快速重建内部缺陷的三维结构。最新的全息断层扫描，分辨率已经做到 161 纳米的量级，能完整还原 TGV 通孔周边的微裂纹结构。这些手段的分工很清楚。光学明暗场、DIC 显微镜做产线全片初筛，快速剔除明显不良；SEM 和 AFM 做失效复盘和工艺优化的抽样分析；激光共聚焦、OCT、全息断层做亚表面的无损检测；X-ray 和 SAM 看填铜后的内部质量。单靠任何一种都覆盖不了全程。图 6 检测手段的分层分工自制示意图。表面初筛、失效复盘、亚表面无损、填铜内部，四层手段各司其职把检测的阈值调严一点，能多抓几个真缺陷，但玻璃上的水渍、背面微尘、清洗残留，光学散射特性跟真划痕极其接近，单一照明角度下灰度响应几乎重叠，会把这些无害的东西大批误报成缺陷。产线隔十几分钟就停机待检，人工复检的工时堆上去，总成本不见得比漏检低。把阈值调松一点，误报下去了，但细微的浅划伤、深层微气泡又漏掉了。玻璃上小于 1 微米的浅划伤，和清洗水渍的散射信号在单一光路下几乎分不开。要压低水渍的误报，就得把对比度阈值调钝，这一钝，点状划伤和微裂纹就一起漏放了。所以透明玻璃的检测，核心难点不只在"看得清"，还在"分得清"——分清水渍和划痕，分清表面污渍和内部缺陷，分清无害微尘和致命颗粒。这要求设备在单次扫描里用多角度、多光路同时采集，拿不同照明视角下同一个缺陷的光学差异去判定它到底是什么。这也是为什么能用的检测设备，光学系统都往多通道、多模态的方向堆，而不是靠单个镜头加算法硬扛。图 7 误报与漏检的阈值两难自制示意图。透明玻璃上缺陷信号和噪声信号高度重叠，阈值调高漏检多，调低误报多上一篇说过，玻璃基板的良率是乘出来的，工序之间逐级相乘，前一道的成品率掉下来，后面全跟着掉。一片 510×515 毫米的板子上有几十万到上百万个孔，任何一个孔填出空洞，应力一集中玻璃就裂。良率卡在 40% 到 60% 爬不动，根子埋在孔壁里，而把这些埋着的问题找出来的，就是检测。产线上每天都要用的眼睛，是切片、超声波、X-ray 这三样。切片把基板横切，放到扫描电镜下看孔内铜的截面，有空洞就是填充不足，孔壁有鼓泡就是种子层附着不良。超声波把孔内空洞扫成图，X-ray 看铜填充均匀度。这三样配合，才能把一个孔的失效原因拆干净。但切片是破坏性的，只能抽检，不能全检。要在量产节拍里做到全检，还是得靠光学 AOI 把速度提上去，再用 AI 把透明材质下复杂多变的缺陷形态认出来。光学负责"快"，多模态负责"准"，两条腿都得有。这类高端量检测设备，长期由 KLA、Onto Innovation 这些国际厂商主导。KLA 的 Lumina 系统针对玻璃芯封装载板，做全景球形照明的缺陷检测和量测；Onto Innovation 走激光散射测量，用多检测通道同时抓表面、亚表面缺陷和应力异常。这两家手里攥着几十年硅基检测攒下的缺陷库和客户关系，是玻璃基板检测这条赛道绕不开的两座山。玻璃基板给了国产设备一个时间窗，不是因为门槛低。玻璃是新工艺，缺陷形态要重新摸，KLA 和 Onto 在硅片上攒的那套缺陷库也没法直接搬过来用。更关键的是这条线还没量产，客户没锁定供应商，谁先跟着工艺跑，谁就先攒到样本。国内有几家已经把整机推到了产线上。图 8 中电科风华官网"面板级封装检测"产品页截图。Venus 6200 明确标注面向大尺寸玻璃基板，专注 TGV 与 RDL 工艺量测，版权归中电科风华所有玻璃基板检测，看起来是"拍照加比对"，实际是光学工程、精密机械、算法工程和半导体工艺理解叠在一起的系统工程。硬件参数容易追，难的是算法。透明材质下的缺陷形态复杂多变，传统阈值算法误报率高，AI 深度学习要拿海量缺陷样本去喂，而玻璃基板的缺陷样本本来就稀缺。华汉伟业拿"AI 缺陷生成"去补样本的短板，补的是这块最难啃的骨头。国产设备从"追得上"到"领先"，最难跨越的不是分辨率，是对工艺缺陷形态的长期积累。硅基检测的护城河，是几十年的缺陷库；玻璃基板检测这张白纸，谁先把缺陷形态摸透，谁就把护城河挖在自己脚下。这也解释了为什么检测设备的国产化，跟玻璃基板的量产进度绑得这么紧。设备不是造出来就能卖，要在真实的产线上跟工艺磨合、跟缺陷样本一起迭代。玻璃基板量产没起来，检测设备的迭代就缺数据；检测设备不成熟，玻璃基板的良率就爬不动。两者互为因果，谁先跑通，谁就先拿到门票。回到开头那个问题：玻璃基板做出来，怎么知道它是好的。答案是，现在还没有一个手段能单独回答这个问题。要看表面，用明暗场 AOI；要看内部，用近红外断层、OCT、全息断层；要看填铜，用 X 射线和超声；要看失效，用切片加扫描电镜。检测玻璃基板，本质是把一堆手段拼成一张网，在每一个制程节点设防，让缺陷越早被看见越好。透明材质带来的难题不会消失，它只会被更聪明的光路、更深的算法、更完整的工艺理解一层层拆解。这道看不见的坎，是玻璃基板从技术演示走向大规模制造的最后一公里。谁先把它走通，谁就先在量产的门槛上站稳。END
转载内容仅代表作者观点
