按照西门子所给出的数据来讲，半导体行业当中首次进行流片时的成功率已然抵达了历史阶段的低点，除此而且，伴随2nm这个情况的来临，在先进制程工艺条件之下的芯片良率同样是不容易得到提高的。
芯片遇到了大难题。
芯片流片成功率，历史低点
流片对于芯片设计来说，就是参加一次大考。
针对芯片设计而言，流片属于检验其是否成功的关键所在，具体是把设计好的方案交付给代工厂，以此生产出样品，进而检查设计的芯片有没有达成设计所需的要求，又或是是否需要进一步去进行优化。要是能够生产出符合具体要求的芯片，那么此后便能够开展大规模的生产了。
在纪录片《电子立国自述传》里头，关于流片之际的心情是这样讲的：每一回芯片tapeout的那两三个月当中，我的内心整天都惶惶然，没法入睡。随时随地都在思索哪里是否正确，是不是会出现问题……等芯片送回来之后，头一回按RESET的时候，我的心情紧张到家了，松开RESET的那一瞬间，就是分辨天堂与地狱的那一刻。
参照西门子所给出的数据，正常状况下芯片进行流片时，首次成功率大概处于30%这个范围，然而历经两年时间，该成功率下降到了24%，到了2025年，成功率更是进一步降低至14%，按照这样的比例，十家里面会有八家遭遇失败。
有些芯片出现失败状况，其原因在于设计流程过于随意，而有的芯片失败，不一定是源于功能方面的问题。要是流片返回之后，运行速度相较于预期慢上10%，或者功耗比预期大10%，在市场上或许就不存在竞争力了，如此一来就需要重新进行流片。
有不少芯片方面的巨头，他们在进行流片这个环节的时候，都遭遇过挫折，就好比 AMD 的 Bulldozer（推土机）架构芯片，还有高通骁龙 810 芯片等等。
2007年起，AMD开始研发Bulldozer架构，该架构把两个物理核心组为一个模块，且共享浮点单元与L2缓存，然而实际性能未达预期，因设计复杂，流片后性能不好，前期研发费用被浪费，与此同时，英特尔推出的Sandy Bridge架构处理器性能更出色，抢占了市场份额。
高通骁龙835芯片，是在2015那年推出来的旗舰移动处理器，然而呢，因为它采用先进制程以及高性能设计，在流片之后，出现了很严重的发热状况，还有高功耗的难题，进而致使手机出现过热情况，甚至降频，使得用户体验相当糟糕。高通随后开展了改进优化工作，而其竞争对手三星，凭借更为稳定、更低功耗的Exynos处理器，抢占了一部分市场份额 。
流片成功率下降，主要有四个原因。
芯片日益复杂，当下芯片设计常采用多芯片组件，不同组件常在不同工艺节点生产，先进服务器芯片中，计算核心用5nm工艺实现高性能与低功耗，存储单元用更成熟14nm工艺保证成本与稳定性，这需协调多个代工厂及工艺技术，增加设计制造复杂性，是其一 。
首先，定制化芯片的数量在逐渐增多这个情况是存在的，定制化芯片啊，它是专门针对特定的数据类型、算法或者应用场景来展开设计的，如此一来呢，芯片设计以及验证工作就变得极其繁琐复杂了，比如说吧，那种用于深度学习推理的定制芯片，它得依据神经网络的特定结构以及计算模式去做优化处理，从架构设计阶段一直到指令集开发环节，都得重新进行规划安排。
三是，企业开发的模式有所改变。以往，芯片开发的周期一般是18个月左右。然而如今，企业为了维持市场竞争力，就得在更短的时段内推出更多的产品。众多芯片企业为了按时达成流片任务，只好压缩设计以及验证的时间，甚至在一些关键的环节简化流程。设计里潜在的问题没办法被及时发觉以及解决，这就增加了流片失败的风险。
先是人工智能所带来的压力，人工智能快速发展，对半导体芯片计算能力提出极高要求，AI应用需要芯片提供更高算力，然而目前开发和验证生产力却未有相应突破，这致使芯片设计团队在有限时间内要交付更复杂设计，进而增加了首次流片失败的风险。
负责半导体工程编辑工作的 Brian Bailey，在针对首次流片成功率降低的原因展开分析之际，同样作出表示：「人工智能对于芯片算力的需求呈现出急剧增长的态势，其增长幅度大幅度超越了当下半导体技术以及架构的进步速率。然而，开发以及验证技术却未能紧跟其上，工程师们仅仅能够借助老旧的工具，在更为短暂的时间范围之内，去完成数量更多的工作，如此一来，流片失败的情况出现也就并不令人感到奇怪了。」。
上一次出现流片成功率降低还是在 2018 年。
在二零一八年以前，半导体行业里的 ASIC 首次流片成功率同样是维持于百分之三十左右，然而二零一八年却径直降到了百分之二十六。FPGA 的数据相对难以统计，不过能够去看生产过程中遗漏的 BUG 数量。二零一八年之时，仅有百分之十六的 FPGA 项目能够达成零 BUG 漏出状况，这实际上比 ASIC 首次流片成功率的降低更为严重。
业内大量设计从28nm迁移至14nm之际，便是成功率下降的节点，那时7nm还在渐渐普及。而且，越来越多芯片设计将安全视作关键因素，在汽车和工业领域，这种情况显著突出，。
芯片良率，难倒巨头
对于芯片行业来讲，当面临流片成功率急剧暴跌这样的严峻态势之下，就算成功完成了流片，也可不是就万事皆顺了。流片仅仅是芯片生产的起始阶段，后续的生产相关环节同样是充满了重重挑战，其中芯片良率低这个问题也是相当棘手的，进而成为了限制芯片行业发展的又一个重大阻碍 。
对于半导体工厂而言，良率是非常关键的核心竞争力之处，进一步讲，它还被称作是半导体工厂的「生命线」！
芯片良率，是指，合格芯片的数量，和生产出的，总芯片数量的，比例。也就是，良率=，合格芯片数量，除以，生产的芯片总量，再乘以，100% 。
比如，要是在一块晶圆之上制造出了1000个芯片，当中950个是符合标准的，这样一来良率便是：良率等于(950除以1000)乘以100%，结果为95% 。
良率一般得在整个生产进程里开展多个阶段的测量以及计算，由于每一个生产步骤都存在引入缺陷的可能性，进而影响最终的良率，通常相应芯片要是良率需达到70%或者更高才能够进入大规模量产阶段 。
在行业范围之内，就算是像台积电、三星、英特尔这般强大的巨头，同样遭受着芯片良率问题的困扰 。
台积电于先进制程良率控制方面展现出颇为出众的表现，在2020年之际，其在IEEE IEDM会议上予以披露，那5纳米工艺的测试芯片平均良率为80%，而峰值良率更是超过90% 。
报导称，台积电三纳米芯片良品率在百分之八十以上，苹果、高通等市场巨头均选用了台积电三纳米。
据了解，台积电2nm有比较积极的信号，其二纳米制程技术在成熟度方面取得了进展迅速，其缺陷密度率已和三纳米以及五纳米相当，并且采用了新的环绕栅极晶体管架构叫做GAAFET，与三纳米增强版也就是N3E比较，二纳米制程的速度提升了百分之十至百分之十五，目前，台积电二纳米制程的良率已经达到百分之六十以上 。
和其他情况相比，三星所处的情形可不是能够让人觉得乐观的那种状态。在2nm工艺方面，其良率从年初时候处于的20% - 30%这个范围，提升到了40%以上，它的首款运用2纳米工艺制造的Exynos 2600芯片，计划于2025年11月开始进行量产工作。但这和前文所提及的台积电60%的良率相比，还是存在着一定差距的。
更为突出的是3nm工艺问题，SF3E - 3GAE也就是第一代3nm GAA工艺，其良率在50%至60%之间，并未达到最初设定的70%目标，SF3 - 3GAP即第二代3nm GAA工艺，良率更低，仅仅约为20%，远远低于预期目标，致使三星在3nm芯片代工市场竞争力欠缺，就连自家的Exynos 2500芯片也因为良率问题而难产。
英特尔于良率数据披露方面显得颇为模糊，尽管存在副总裁表明 Intel 4 制程良率高于预期，且 Intel 3 制程达成了整体良率以及性能目标，然而天风国际分析师郭明錤曾经声称，在 2025 年初时分，首批由 Intel/IFS 18A 先进制程所生产的 Panther Lake 工程样品良率处于不到 20% - 30%的状况。
不过呢，这一用于表述的说法，却是遭到了英特尔那个方面的驳斥，英特尔投资者关系副总裁John Pitzer，在摩根士丹利科技、媒体以及电信会议上表明：「不管怎么说，我们觉得Intel 18A的水平，是能够去对标台积电的N3或者N2的。我们正在按照事先制定的计划去推进Intel 18A，并且已经宣布将会在今年上半年完成首个外部客户的流片工作。」。
巨头们在芯片良率上的困境，足见这一难题的棘手程度。
良率提不上去，原因是多方面的。
对于原材料而言，硅片的质量会影响良率，光刻胶的均与度也会影响良率，掺杂剂的精度同样会影响良率。比如说，要是硅片存在杂质，那么就会致使芯片性能出现问题，要是光刻胶不均匀，也会搞到芯片性能出状况。然而，高质量的原材料，其技术要求不但高，而且价格还贵。
环境与设备的制造也至关重要，芯片生产所需的超洁净环境，空气中哪怕微小颗粒都极有可能致使芯片出现缺陷，设备的稳定性、精度以及维护同样不容忽视，然而引入新设备成本高昂，并且还可能存在技术适配方面的问题。在工艺技术领域，光刻、蚀刻等流程繁杂，现有的工艺能够用来优化的空间极为有限，像极紫外光刻（EUV）这类新技术又面临着技术以及成本方面的难题。
除此之外，质量控制管理存在欠缺，在生产进程当中，数据的收集以及分析都不及时，这样状况下就没办法在问题出现之前即发现并解决，进而致使缺陷难以得到纠正。
结语
致使芯片流片成功率急剧下降，并且良率提升遭遇困难，这成为了当下芯片行业不得不去直面的挑战 。
为了提高流片成功率，需要对设计进行优化，能够运用AI辅助设计，以此来提高准确性，并且要加强设计验证，从而提前发现问题。且还要重视人才培养工作，使工程师的专业能力得以提升。与此同时，芯片设计企业应当与晶圆代工厂、EDA供应商强化合作，对产业链资源予以整合。
致力于提升芯片良率，需对制程予以改良，针对设计与工艺控制加以优化 。于设备以及材料方面，对设备进行升级，挑选优质的原材料 。技术创新同样有着重要意义，借助AI以及大数据对生产线实施监控，探寻新材料、新工艺 。另外，应当构建严格的质量管控体系，从原材料采购起始，直至成品，进行全流程的监控 。
这些问题的解决，需要各方从技术、人才、产业链等多方面努力。
