半导体产业先进制造的工程智能之路

今天，无论是5G、物联网、汽车、数据中心等的实现与发展都建立在更高性能、更低功耗的芯片的基础之上。芯片的持续进步倚赖于更好的设计、更小的晶体管尺寸（Moore's Law）、更高的晶体管密度、革新的制程架构(FinFET, GAA)以及高性能的材料或更好的封装策略。而更小更快更便宜的芯片实现都来自于半导体制造技术的提升。在半导体的商业化进程中，良率直接关系到芯片的产量、生产成本与企业的盈利能力。但随着芯片复杂度的几何增加，生产流程的不断加长，以及晶圆进入300mm时代，芯片的制造变得极其复杂与精密，良率变得极具挑战。为了能够快速、高效且使用低成本的方式来生产这些芯片，我们需要用到新的光刻技术、新的光学掩膜技术，以及新材料的突破 ，比如寻找铜的替代品来获得更好的连线性能。同时用于生成这些材料的化学沉积设备也会更加复杂，需要采用先进的过滤技术，因为极其微小的污染物也会导致严重的良率问题。除了这些硬件科技之外，这几年半导体智能制造工业软件的重要性也逐渐被业界认知。智能制造工业软件的应用范围很广，特别是在高度重视品质、良率、产能，且生产流程复杂的行业，智能制造工业软件必不可少，半导体制造产业就是这类行业的代表。我们知道，芯片制造是全球性产业，凝聚了全人类的智慧，从普通的沙子到指甲盖大小的芯片，需经历 6000 多工序，堪称奇迹。而高精尖设备和工业软件是成就这一奇迹的两大保障。

智能制造工业软件之工程智能

此前，我们对半导体智造端的CIM，尤其是MES软件做了一定的介绍，在这个领域，国内已有不少新老玩家被业界熟识。现在我们发现，半导体智能制造领域的又一大类工业软件也开始崭露头角。通常，我们把智能制造工业软件分成三大组件：制造系统（以MES（Manufacturing Execution System）为代表，负责排产/追踪/报表），工程系统（以EES（Equipment Engineering System）为代表，负责监控/分析/控制），产品系统（以YMS（Yield Management System）为代表，负责良率提升/增强管理）。制造系统可以实现工厂生产的自动化，并且持续运营；工程系统和产品管理系统则决定了工厂最终能否处于领先地位。打个比方，制造系统就像人的手一样，搬运制造物品，工程系统和产品系统则通过经验模型和人工智能的加入，打造出类似于人的大脑的功能，决定整个身体的下一步行动。工程系统和产品系统需要在大量的底层工程数据基础上将工程的长期应用知识转化为模型和算法，形成持续演进的工程智能方案。工程智能将整合供应链，产品线，质量管控的数据，为下一代智慧工厂快速响应市场不断变化的需求并提供高质量个性化的产品奠定坚实基础【1】。复杂的生产步骤、海量数据给半导体工厂的新产品和新制程导入、良率达标与改善、工厂产出效率改善带来了极大的挑战，这些问题能否解决就决定了工厂的盈亏生命线、持续发展能力和核心竞争力。所以除了制造系统之外，市场对于制造端的工程智能应用（Engineering Intelligence）软件需求也极为迫切。但是，目前能够满足半导体客户需求的工程智能应用软件屈指可数。那么，工程智能软件为何如此难？半导体制造行业属于工业制造的最高级别，如去年IBM官宣的2nm制程，生产制造的步骤可以高达数千步之多，生产周期动辄需要两三个月的时间，生产过程中涉及的参数变量繁多，产生的数据量庞杂【2】。受上述因素限制，常规的实验设计方法，即通过单纯人力更改参数空间来得到最优解的方法无法使用。正如西门子在对于智能电子工厂使用的软件远景中描述：分析巨量的数据不是一个容易的任务，但是唯有这样做，才能够定位问题，预测和解决质量问题【3】。所以合格的工程智能软件系统 ，必须在生产流程中不停的监控定位设备的问题，优化产线性能，以此来减少新产品引入的时间和实现良率的快速提升。为了达到这个目标，必须实现以下若干性能：图一：智能制造数据的层级【4】芯片在复杂生产过程中产生的数据量极大，这些原始数据不经过清洗加工处理是无法使用的，而原始数据的清洗准备费时费力，如果缺乏优秀工具就只能有少量数据得到利用。而海量的数据处理除了需要配备充足的算力资源，还需要先进的算法迭代和针对多种场景的准确建模，这对于软件工具的性能指标和算法模型的积累都提出了很高的要求。除此之外，影响先进半导体制造良率与产出效率的因素越来越多，各种因素之间的相关性复杂，例如全球领先的公司已经意识到有必要将更多的生产中环境因素如温度、湿度、气体流量等一起纳入分析，这就给工程智能软件提出了新的要求。

半导体生产良率解决方案的技术革新道路

半导体生产良率(Yield)是半导体产业的终极挑战。在半导体产业从设计-制造-封测的全流程中，发生良率损失的环节有多个，例如，设计和制造中的制程窗口过窄，脱离正常状态的机器，非正确操作导致的致命错误，缺陷、封测良率等都是会影响良率的部分。针对不同的失效问题，需要不同的软件模块进行监控分析及相应的操作处理。图二：芯片生产中的良率影响因素及改进方法在制造过程中，设备效率和稳定性及工艺的一致性是确保高产品质量和产量重要因素。以EES为主的工程系统就是实现了工艺生产设备的全方位的精细化管控，在全厂数千台工艺设备生产过程中，工程师必须具备实时监控和控制过程变化的能力，而EES中最具有代表性的应用就是设备异常监控及分类系统 (FDC , Fault Detection and Classification) 系统。FDC系统结合统计过程控制 (SPC, Statistical Process Control) 和多变量分析等嵌入式功能，可以有效地实时监控来自成千上万的工艺设备传感器的流数据，并实时提供工艺过程异常的通知。借助使用良好的 FDC 系统，工程师可获得及时的洞察力，快速控制过程问题并及时干预。越早发现流程问题，这些问题对生产成本的影响就越小。事实证明，FDC 系统是工程师监控流程和及早获得潜在问题的有效方式。另外EES中的高阶工艺过程控制系统R2R(Run-to-Run)则保障了工艺的稳定性和一致性，通过前量测和后量测的数据实现了Wafer to Wafer的实时工艺调优，不断反馈，确保每一步工艺都能获取最佳的生产条件，从而保证了每一步生产工艺的一致性，是提升CP/CPK 的有效手段。

图三：良率预测分析图谱良率的管控是需要从每个产品的合格率管控做起，产品管理系统则是对Foundry中生产的每片wafer，每片Die做全面的产品管理及追踪分析，DMS主要是负责缺陷数据的分析，来分析wafer 上各个缺陷的分布，形成的原因，而YMS则负责良率失效数据的分析及日常产品良率的管理。以数据为基础的分析与决策一直是半导体制造产业的核心。随着工业4.0时代的到来，材料，设备，传感器，缺陷，测试每天产生PB量级的海量数据，如何从海量数据中有效地快速挖掘和提升数据的价值，敏锐的大数据洞察是确保产品竞争力的捷径。同时，人工智能和大数据计算技术的发展开启了新的智能制造的时代，在智能制造的过程中引入人工智能的思维，通过对整个工厂数据链的整合，可以建立制造工厂中的工厂大脑以实现无人干预的智能决策方式。所以综合来看，大数据洞察与工程智能是保证产线健康，提升良率，从而确保晶圆厂竞争力的唯一路径。高阶分析工具（例如：eDataLyzer）结合大数据和人工智能技术快速定位工厂中产生各种良率问题、设备问题、工艺问题、材料问题、甚至是和环境相关的问题，它是一个根本原因分析的工具（Root Cause Analysis）。结合工厂中所有的生产数据、设备数据、产品数据、不良数据、甚至环境数据，在数十种以上算法的加持下，能快速挖掘到数据之间的关系；特别是基于人工智能的传感器数据（Trace Data）的分析，可以帮助工程师实现到一次到位的根因分析，这个是传统YMS/DMS分析系统无法实现的，这样就帮助了工程师进行快速的改善。另外通过根因分析流程的简化，分布式计算技术和数据挖掘技术的结合，大量减少了工程师的分析时间，大大提升工程的分析效率，帮助制造商提高响应速度和生产力。云计算带来的灵活性，可靠性和安全性已经渗透到制造行业中。未来的工厂将采用云计算来取代传统的IT固定资产拥有方式。这也会使得决策者可以重新把关注点拉回到时间成本和人力成本等核心的企业竞争力技术和策略上。动态工艺过程异常监控系统DFD (Dynamic Fault Detection)则是基于云和人工智能算法基础上更加智能的FDC系统。它不需要依赖工程师的工艺经验模型，通过算法，实现了设备生产过程中全参数、全过程的全自动监控，让生产异常无处躲藏。另外DFD已经开始采用私有云或者公有云部署，打破本地部署的传统方式，降低了安全和运维成本，部署灵活高效，增加了系统的整体扩展性。

面向泛半导体产业的工程智能软件供应商

但很无奈的是，半导体生产良率软件方案长期以来也是欧美公司主导，包括西门子(Mentor Graphics)、 新思科技(Synopsys)、应用材料(Applied Materials)、普迪飞(PDF Solutions)等。我们都知道，在制造执行系统MES领域已经有多家中国本土公司在探索，而工程智能领域由于其积累时间长、开发难度大从而导致进入门槛极高，之前没有中国公司真正涉足。但笔者注意到，在半导体工程智能领域，近期有一家公司浮出水面，那就是深圳智现未来工业软件。该公司前身为韩国BISTel中国分公司，BISTel成立于2000年，在半导体智能制造系统和人工智能技术在半导体制造领域的应用中有20多年的积累。2021年10月该公司被中国科技集团收购，重组成为中国本土公司。此举也将为我国智能制造软件行业再下一城，除MES之外，我国也开始在设备工程系统（EES）领域布局。智现未来工业软件有限公司CEO许伟先生在接受《半导体行业观察》采访时指出，全球的重要经济体都认识到了半导体产业是数字经济的基石，欧美日韩新加坡等将半导体产业视为国家战略。由于地缘政治竞争，海外半导体设备供应商一方面希望收获中国市场，另一方面限制在智能制造工业软件的输出。各国对于AI技术的输出则更为谨慎，一旦涉及到半导体智能制造软件的AI应用，海外供应商对中国公司的支持往往受到极大的束缚。许伟先生透露，曾经有中国公司收购海外公司的工厂和产线，在获得完整的交接清单后，发现硬件设备完整而相应的工业软件系统要么无法获得，要么无法持续升级维护。所以发展自有的工业软件至关重要。

结语

在国家的十四五规划中，发展硬科技成为国家战略，对工业软件的重视已经是上下共识，我们很高兴看到越来越多的本土工业软件公司开始探索，为将来更多在建的或者未来的晶圆厂和封测厂等提供强有力的支持。

参考资料

【1】Infographic: What’s fueling the rapid rise of smart manufacturing?https://iot.eetimes.com/infographic-whats-fueling-the-rapid-rise-of-smart-manufacturing/

【2】IBM Unveils World’s First 2 nm Chiphttps://www.eetimes.com/ibm-unveils-worlds-first-2-nm-chip/

【3】Simens：Envision the future of smart electronicshttps://www.techonline.com/wp-content/uploads/Siemens_EnvisionTheFutureOfSmartElectronics.pdf?_ga=2.62378031.221249789.1653284496-1566739233.1653284495&_gl=1*1r8ag8u*_ga*MTU2NjczOTIzMy4xNjUzMjg0NDk1*_ga_ZLV02RYCZ8*MTY1MzI4NDQ5MC4xLjEuMTY1MzI4NTg0Ni4w

【4】Towards Industry 4.0: Digital Transformation in Manufacturinghttps://medium.com/neurisium/towards-industry-4-0-digital-transformation-in-manufacturing-acb95202349a

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第3055内容，欢迎关注。

晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装

半导体晶片：关键加工技术、两大耗材，国外寡头垄断，国产正替代

一、CMP：半导体抛光材料，芯片平坦度必经之路 ‍

CMP全称为 Chemical Mechanical Polishing，化学机械抛光，是半导体晶片表面加工的关键技术之一。

其中单晶硅片制造过程和前半制程中需要多次用到化学机械抛光技术。

与此前普遍使用的机械抛光相比，化学机械抛光能使硅片表面变得更加平坦，并且还具有加工成本低及加工方法简单的优势，因而成为目前最为普遍的半导体材料表面平整技术。

化学机械抛光采用将机械摩擦和化学腐蚀相结合的工艺：

化学腐蚀–抛光液：

首先是介于工件表面和抛光垫之间的抛光液中的氧化剂、催化剂等于工件表面材料进行化学反应，在工件表面产生一层化学反应薄膜；

机械摩擦–抛光垫：

然后由抛光液中的磨粒和由高分子材料制成的抛光垫通过机械作用将这一层化学反应薄膜去除，使工件表面重新裸露出来，然后再进行化学反应。

整个过程是化学作用与机械作用的交替进行，最终完成对工件表面的抛光，速率慢者控制抛光的速率。

CMP包括三道抛光工序，主要运用到的材料包括抛光垫、抛光液、蜡、陶瓷片等。

不同工序根据目的的不同，分别需要不同的抛光压力、抛光液组分、pH值、抛光垫材质、结构及硬度等。

CMP抛光液和CMP抛光垫是CMP工艺的核心要素，二者的性质影响着表面抛光质量。

而在CMP环节之中，也存在着各式不同的类别，例如钨/铜及其阻挡层、铝、STI、ILD等。

STI（Shallow Trench Isolation）即浅沟槽隔离层，他的作用主要是用氧化层来隔开各个门电路（Gate），使各门电路之间互不导通。

STI CMP这就是将晶圆表面的氧化层磨平，最终正好使SIN暴露出来。

Oxide CMP包括了ILD CMP及IMD CMP，主要是将氧化硅（Oxide）磨平至一定厚度，实现平坦化。

在钨、铜、Poly等各类CMP环节之中，其实本质上都是将电门之间的缝隙填充完后，对于不同部分的研磨，使晶圆表面实现平坦化或者使需要暴露出来的材质正好暴露在外。

二、晶圆厂持续扩产，带动材料永续性需求提升 ‍

中游代工扩产叠加下游需求激增推动半导体材料市场持续增长。

从半导体材料来看， 至2020年全球市场规模在539.0亿美元，较2019年同比增长2.2%。

从长期维度来看半导体材料的市场一直随着全球半导体产业销售而同步波动。

而由于半导体芯片存在较大的价格波动，但是作为上游原材料的价格相对较为稳定，因此半导体材料可以被誉为半导体行业中的剔除价格方面最好的参考指标之一。

此外看到当前半导体市场由于5G时代到来，进而推动下游电子设备硅含量的大增，带来的半导体需求的快速增长，直接推动了各个晶圆厂商的扩产规划。

而芯片的制造更是离不开最上游的材料环节，因此我们有望看到全球以及中国半导体市场规模的飞速增长。

在全球半导体材料的需求格局之中，中国大陆从2011年的10%的需求占比，至2019年已经达到占据全球需求总量的16.7%，仅次于中国台湾（21.7%）及韩国（16.9%），位列全球第二。

随着整个半导体产业的持续增长，以及中国大陆不断新建的代工产能，我们有望看到中国大陆半导体材料市场规模增速将会持续超越全球，荣登第一。

在2019年期间，整个半导体材料521亿美元的市场规模之中，半导体晶圆制造材料占据了约63%，达到了328亿元。

晶圆制造材料的持续增长也是源自于当前制造工艺不断升级带来的对于材料的更大的消耗所致。

半导体晶圆制造过程繁琐且复杂，对于的材料大类的设计也超过了 9 种。

其中CMP环节占了整体原材料占比的6.9%，而在其中抛光液及抛光垫分别占据了49%及33%的比重，通过对于2020年半导体材料市场的统计数据来看，可以得出在2020年全球CMP 抛光液及 CMP 抛光垫市场规模约在18.2亿美元及12.3亿美元。

并且对应中国大陆半导体材料在全球占比约为16.7%的基础上，可以测算出中国大陆的CMP 抛光液及抛光垫市场空间约为20.4亿元人民币及13.8亿元人民币（假设汇率为6.7）。

但是中国大陆作为全球范围内晶圆扩产规划最大之一的国家，我们认为随着中国晶圆产能逐步的投建，将会为中国大陆对于CMP耗材的需求有着巨大的提升。

根据IC Insight 的统计及预估，在不包含三星、英特尔等IDM类型晶圆代工市场而言，2020年纯晶圆代工市场或实现了约19%的增长，达到了677亿美元的市场规模，是过去多年以来最高的增速幅度。

而随着 5G 带来的硅含量渗透的景气及需求的爆发，未来市场预计将持续增长，至2024年IDM+Pure-Play Foundry 将会有合计约1075亿美元的市场规模。

此外不仅市场规模在不断的提升，看到全球12寸硅片的产能的增长情况，根据SEMI在2020年10月的《300mm Fab Outlook to 2024》报告所述，在2019年全球12寸晶圆的产能超过540万片/月，至2024年之时，全球12寸晶圆产能将会超过720万片/月。

全球半导体制造商在2020年至2024年将持续提高 8 寸晶圆厂产能，预计增加95万片/月，复合增速将达到17%，至2024年将会达到660万片/月的最高历史记录。

而这其中，中国占据大多数产能，在2021年已经达到了18%，在未来的产能不断扩张的情况下，有望占比持续提高。

此外，随着全球代工行业景气度持续超预期，且持续求有望较强，2021年各大晶圆厂的 Capex 支出规划更是纷纷明显提升。

全球代工市占率超50%的台积电资本开支虽多，但绝大多数钱去投 7nm 以下的先进制程。

客观上导致（1）5G/HPC需求下，先进制程还是不够用；（2）传统需求增长下，成熟产能也开始捉襟见肘。

虽然晶圆厂提升资本开支，但是行业紧张局面仍需 1-2 年后才有望缓解。产能紧张传导至晶圆代工扩产，2021年资本开支密集上升。

从资本支出角度而言，台积电从2020年 170 亿美金增长到2021年的 300 亿美金；

联电从2020年10亿美金增长到 15 亿美金（用于的 12 寸晶圆的资本支出占85%）；

华虹从2020年11亿美金增长到2021年13.5亿美金（大部分用于华虹无锡12寸）；

中芯国际2021年资本维持高位，达到 43 亿美金（大部分用于扩成熟制程，尤其是 8 寸数量扩 4.5 万片/月）。

三、集成电路制程逐步升级，CMP 要求水涨船高 ‍

而随各类芯片的技术的进步，抛光步骤也随之增长，从而实现了抛光垫及抛光液用量市场的持续增长。

同时随着芯片制程的提高带动的抛光材质技术要求的提升，以及整体半导体芯片市场的复苏，我们可以预期到未来 CMP 市场的量*价的双重增高。

我们从 Logic 和 Memory 两个角度进行分析：

从NAND FLASH的角度看，全球现在 3D NAND FLASH 的占比在不断上升，而其中的核心原因是3D NADN FLASH可以在单位面积上实现更大的存储空间，举例来说，2D NAND FLASH 就如同单位平地上盖的平房，而3D NAND FLASH就是在同样单位平地上盖起的高楼大厦，虽然对于存储厂商而言技术难度跃迁十分巨大，但是可以提供更大的存储空间，满足了这个时代对于芯片小型化高容量的要求。

从HIS统计的3D和2D NAND FLASH的占比也在不断变化，从16年来看，3D NAND FLASH的占比约为15%，至20Q2时整体占比已经超过了95%，可以看到3D NAND FLASH已然成为当前及未来的主流发展方向，且未来的存储厂的扩产也都会集中于此。

从Logic芯片的角度来看，由于制程越高，单位成本相对性降低，看到台积电从20Q1开始至21Q1的各制程占收入之比，可以看到在28nm及其以上的制程收入占比从45%降低至37%，其中 5nm 制程从0%提升至14%（20Q4达到20%）。

由此可见整体芯片制程不断的向更先进制程的方向发展，而其中将会带动各类集成电路晶圆制造材料的使用量不断地提升。

从2D至3D NAND的升级之中，CMP抛光步骤根据 Cabot Microelectroncs 的测算，抛光步骤也从原来的6.4提升至13.6，超过100的步骤增长；

另一方面对于逻辑芯片制程的提高，单片晶圆的抛光次数也从28nm所需要的约400次提升至 5nm 的超过1200次。

而对于 CMP 抛光垫和抛光液均属于日常耗材，故随着CMP步骤以及抛光次数的增长，对于 CMP 抛光垫及抛光液的需求也将逐步增加。

四、CMP 呈现寡头及龙头垄断，格局有望在大陆复制 ‍

抛光垫：

目前市场上抛光垫目前主要被陶氏化学公司所垄断，市场份额达到90%左右，其他供应商还包括日本东丽、3M、台湾三方化学、卡博特等公司，合计份额在10%左右。

抛光液：

目前主要的供应商包括日本Fujimi、日本HinomotoKenmazai，美国卡博特、杜邦、 Rodel、Eka、韩国 ACE 等公司，占据全球90%以上的市场份额，国内这一市场主要依赖进口，国内仅有部分企业可以生产，但也体现了国内逐步的技术突破，以及进口替代市场的巨大。

CMP抛光垫方面，美国厂商Dow以及Cabot共占据了约88%的市场份额。

CMP抛光液环节，美国厂商Cabot以及Dow共占据了约42%的市场份额；

之所以 CMP 抛光垫及抛光液在全球竞争格局中分别呈现类龙头垄断及高度集中的寡头垄断的格局的核心原因，我们认为主要是：

1、CMP 在晶圆制造环节成本占比较小，Slurry 和 Pad合计占晶圆制造成本的5.7%，如若进行替代，潜在损失的机会成本较大，晶圆厂对于替换的动力较小；

2、陶氏（抛光垫）、卡博特（抛光液）、及其他厂商在半导体耗材行业已经深耕数十年，全球晶圆厂与其长期合作下，对于产品及制程变更的粘性极高；

3、龙头厂商产品布局更为齐全，可为晶圆厂提供全套耗材解决方案，后进入者产品需求无法做到龙头一样的覆盖面，致使替换难度较高。

然而随着中国晶圆厂的大规模 8 寸及 12 寸晶圆产能扩产，中国内资 CMP 抛光垫及抛光液厂商有望受益于此进入该行业实现国产替代。

如上文所述，中国将会在未来成为全球最大的新增晶圆产能国，而当前及未来可以实现国产替代的原因如下：

根据我们对于国产替代环境的过去与现在的对比，可以看到中国内资厂商将迎来一个国产替代的机会窗口。

除此之外，在未来随着产品在新晶圆产线上的稳定使用，有望将加速在老产线上的替代，实现对于国产晶圆产线的全面替代。

而在这个过程当中，我们关注到当前两大耗材：CMP抛光垫，及CMP抛光液，中国厂商仅有鼎龙股份，及安集科技实现了较好的产品布局，并且在客户端均实现放量。

基于此情况，我们认为随着国产替代的需求不断提高，CMP环节又没有其他参与者可以与之媲美，在未来中国CMP两大耗材有望同样实现国际格局的复制，鼎龙股份及安集科技有望实现对于较高的有效营收（市场空间虽不大，但是未来增量巨大，此外鼎龙股份及安集科技有望实现国内市场的高市占率，得到较大的有效营收）

五‍、国内龙头：鼎龙股份、安集科技 CMP 耗材快速放量 ‍

鼎龙股份：

鼎龙股份作为当前国内为数不多的CMP抛光垫厂商，且是国内唯一拥有自我产权并实现量产放量的CMP抛光垫厂商，当前已然实现了在多个客户的逐步放量，并且受益于不断扩大的市场份额，产品质量的良好口碑，公司强大的技术实力和精细化的服务支持，公司行业地位显著提升。

当前公司 CMP 抛光垫研发研发聚焦于 28nm 以下先进制程新产品开发，并和客户保持非常紧密的技术合作模式，目前各项测试进展顺利。公司在新工艺开发，关键的原材料开发方面也在持续发力，保障公司在技术和产品方面持续的竞争力。

生产在保障产品质量稳定性的基础上，在生产效率提升，体系管理方面都有较大突破。此外，公司“集成电路用 12 英寸晶圆 CMP 氧化物用抛光垫”项目荣获第四届“IC 创新奖”技术创新奖，这也是业界对公司技术创新能力的肯定。

此外公司 CMP 业务扭亏转盈，在21Q1实现了高盈利能力，更将助力国产替代产业化进一步发展。21Q1公司 CMP（鼎汇微）实现收入 4007 万元，净利润 1029 万元，净利率 25.68%。

随着公司逐步加强 CMP 原材料的自产化，打通上下游整合后，公司 CMP Pad 业务实现高利润率；此外公司不断突破客户，开发新工艺，并且持续扩产的节奏帮助公司在技术、产品、产能上紧跟行业发展需求及势头，加速 CMP Pad 国产替代产业化的 速度。

安集科技：研磨液多产品得以突破，紧跟行业多面拓展。

当前公司拳头产品铜（含阻挡层）已经在多方客户实现突破，14nm稳定量产的同时，10-7nm逐步突破，并且突破逻辑、存储两大领域。

此外公司钨研磨液已在长存得到应用，也在积极配合客户实现二氧化铈的验证。

在光刻胶去除剂方面，公光刻胶去除剂已量产并且持续扩大应用；28nm技术节点后段硬掩模工艺光刻胶去除剂的验证工作正在按计划进行，以加快实现国产化供应；14nm技术节点后段蚀刻残留物去除剂的研究仍在按计划进行。

国内需求巨大，客户+品类同步拓展，渗透率提升带动营收利润天花板激增。

随着内资晶圆厂扩产加速，制程提高，对于抛光液的用量得到了明显的提升。

安集科技从铜向钨，钨向氧化物方向的品类推展将进一步实现国产替代，完成对自身潜力的进一步提高。

六、风险提示 ‍

国产替代进展不及预期：

半导体设备及材料新技术难度较高，验证周期较长，具有一定的不确定性；

全球贸易纷争影响：

全球贸易纷争存在不确定性，尤其是科技领域竞争激烈，导致科技产业链具有不稳定性；

下游需求不确定性：

全球经济受疫情影响，下游需求存在不确定性。

——————————————————

请您关注，了解每日最新的行业分析报告！

报告属于原作者，我们不做任何投资建议！

作者：国盛证券 郑震湘 佘凌星

报告原名：《半导体材料系列：CMP – 晶圆平坦化必经之路，国产替代放量中》

获取本报告PDF版请登录【远瞻智库官网】或点击链接：「链接」

相关问答

pdfn5*6是什么封装形式?

PDFN5*6是一种功率半导体封装形式,具体属于ClipBonding封装的一种。这种封装形式通常用于满足功率半导体对于小型化、功能系统化、模块化封装以及大电流处理...

什么样的绘本是好绘本?

儿童故事绘本有很多种类,下面推荐的是来自上野明美的绘本故事《大家一起玩好开心》。小宝贝们大家好,今天是来自小马快跑广州101中心的ceci老师要给大家讲一只...

半导体XRD测试的技术原理?知道的请回答

[回答]“半导体XRD测试可以从以下步骤简单分析:1、定性分析(XRD的主要功能),通过八强峰匹配标准pdf卡片,得知样品是由哪些物质构成的。2、通过看峰宽等来...

中兴是国企吗?

中兴新的四个股东情况如下:1、西安微电子隶属中国航天电子技术研究院,属于国有大型科研事业单位,成立于1965年,法定代表人为田东方,开办资金19,853万元人民...

半导体XRD测试的分析方法?有谁可以回答一下吗?

[回答]半导体XRD测试的操作步骤如下:1.开实验室电源。2.打开控制软件:打开桌面的“XGOperation”,进入“XGcontrolRINT2200Target:Cu”窗图。3.测试样品放...

谁能帮助我!半导体XRD检测原理是什么?大侠们，求解

[回答]“1、半导体XRD检测即X-raydiffraction的缩写,X射线衍射,通过对材料进行X射线衍射,分析其衍射图谱,获得材料的成分、材料内部原子或分子的结构或形...

半导体XRD检测是干什么的?有谁可以回答一下吗?

[回答]“半导体XRD检测可以从以下步骤简单分析:1、定性分析(XRD的主要功能),通过八强峰匹配标准pdf卡片,得知样品是由哪些物质构成的。2、通过看峰宽等来...

推荐已出版的有机硅书籍-盖德问答-化工人互助问答社区

应该把论坛已有的电子版去除,这样朋友发上来才不会重复,楼主罗略的论坛都没有吗?有些书籍我们没有啊!!希望楼主帮我们上传啊有些书籍我们没有啊!!...

什么是功率MOSFET短路保护设计，它的功能应用意义什么?

回复:功率MOSFET短路保护设计功率MOSFET应用于电机控制系统、开关电源或负载开关时,由于输出负载短路,造成瞬间大电流冲击,从而影响MOSFET安全工作。如果功...

2018年深度学习领域会有什么趋势?

2017年是机器学习领域最有成效、最具创意的一年。现在已经有很多博文以及官方报道总结了学界和业界的重大突破。本文略有不同,AlexHonchar在Medium发文,从研...