当前位置: 首页 > news >正文

半导体制造常提到的Fan-in晶圆级封装是什么?

在晶圆级封装出现之前,使用导线将芯片连接到基板,从芯片的边缘连接到基板上相应的引脚/焊盘,这一过程称为引线键合。引线键合存在两个主要问题:电气性能低,因此不适合高性能和高频应用,以及每个芯片的引线数量限制,从而对相关芯片的数据传输能力造成很大障碍。

晶圆级封装,有时称为WLCSP(晶圆级芯片级封装),是目前市场上可用的最小封装技术,. 真正的 WLP 封装虽然是由晶圆和RDL(再分布层)、中介层或 I/O 间距形成的,所有这些都用于重新排列管芯的引脚/触点,以便分散开并足够大以提供更好和更容易处理。

640 (4)

WLP 主要可分为两大类:扇入 WLP(FIWLP 或 WLCSP)和扇出 WLP(FOWLP 或 eWLB)。两者之间的区别在于器件尺寸的大小。在 FIWLP 的情况下,封装后的器件尺寸与裸片尺寸相同,而在 FOWLP 封装中,封装后的器件尺寸比裸片大,类似于传统的 BGA 封装。

Fan-In Wafer-Level Package (FI-WLP)是指在晶圆级封装集成电路 (IC)的技术,而不是传统的将单个芯片从晶圆切割后组装成封装的工艺。FI-WLP 技术是晶圆制造工艺的延伸,使用传统的制造工艺和工具。重新分布层用于将设备I/O连接到芯片表面顶部的锡球位置。FI-WLP 是真正的芯片级封装 (CSP)技术,因为最终的封装与裸片尺寸相同。晶圆级封装 (WLP) 技术不同于其他球栅阵列 (BGA)和基于层压板的 CSP,因为它不需要导线或中介层连接。

640

Fan-in  WLP工艺流程:
1.重分布层(RDL)制作:通过光刻和电镀等工艺在介质材料上制作重分布层。

  1. 焊球附着:然后,通过焊球附着工艺在RDL上形成焊球。这些焊球可以用于将封装后的芯片连接到电路板上。

3,减薄
4,切割:将晶圆切割
5,测试

640 (1)

Fan in与fan out的比较:
引脚数量:Fan-In WLP的封装面积限制了其引脚的数量,因为所有的引脚都位于芯片的底部。另一方面,FOWLP的设计允许引脚布局超出芯片尺寸,从而增加引脚数量。

封装尺寸:Fan-In WLP通常可以实现更小和更轻的封装,因为它不需要额外的基板或载体。然而,FOWLP虽然封装尺寸可能略大,但由于它能容纳更多的引脚,使得更复杂的芯片设计成为可能。

生产成本:在大批量生产时,Fan-In WLP通常比FOWLP更经济,因为它的制造过程相对简单。然而,如果需要更高的I/O引脚数量或更复杂的设计,FOWLP可能是更好的选择。

总的来说,Fan-In WLP和FOWLP各有优势,选择哪一种取决于具体的应用需求。

640 (2)

晶圆级封装的应用:
晶圆级封装技术在智能手机领域占据的主要领域之一。由于尺寸限制越来越严格,移动设备是 WLP 封装的完美应用,因为 WLP 提供的功能范围包括传感器、相机、无线连接和电源管理。

例如,Apple iPhone 5 中至少有 11 个 WLP,三星 Galaxy S3 中至少有 6 个 WLP,而 HTC One X 中有 7 个 WLP。这表明 WLP 将保留在智能手机领域,但同样使其成为这一细分市场顶端的优势也推动它成为许多其他领域的顶端:物联网设备、汽车芯片、医疗保健设备、人工智能机器等等。

转载需注明出自本处。

http://www.dtcms.com/a/389071.html

相关文章:

  • MySQL 专题(五):日志体系(Redo Log、Undo Log、Binlog)原理与应用
  • 锂电池取代铅酸电池作为及其老化率计算常用算法
  • FreeRtos面试问题合集
  • Codeforces Round 1051 Div.2 补题
  • tokenizer截断丢失信息,如何处理?
  • Mybatis学习笔记03-XML映射配置
  • 时空预测论文分享:模仿式生成 动态局部化 解耦混淆因子表征 零样本/少样本迁移
  • 更新!Windows 11 25H2 四合一版【版本号:26200.5074】
  • CentOS 7.9 离线部署 KVM + WebVirtMgr,通过WebVirtMgr创建虚拟机教程
  • Python实现在模型上进行点云(下)采样
  • Vue 原理三大子系统:编译时、响应式与运行时
  • 黑马SpringCloud02
  • Windows安装Kafka(kafka_2.12-3.9.1),配置Kafka,以及遇到的问题解决方案
  • Kafka 硬件与操作系统选型与调优实战
  • ActiveMQ面试
  • ActiveMQ 系统知识全解析
  • 智慧园区:科技赋能城市单元,重塑未来运营新生态
  • 2025年9月17日学习笔记——模式识别与机器学习第11章——非监督学习与聚类
  • arcgispro基于森林的分类与回归 (空间统计)
  • npm run serve 和 npm run dev的区别
  • 2025 局域网内多台服务器时间统一,最稳定且无需联网的方案是部署 NTP 离线服务器部署chrony 轻量且兼容性强,支持纯离线环境
  • 机器学习如何改变AI?
  • rook-ceph的dashboard配置覆盖与生效
  • 在 macOS 上安装 Claude Code 的完整指南
  • RocketMQ Dashboard 消息重复问题排查与修复(rocketmq-dashboard-2.0.0-source-release)
  • 卓伊凡的第一款独立游戏-详细介绍游戏开发引擎unity-以及详细介绍windows和mac的安装步骤【01】
  • 多表联合查询
  • Day26_【深度学习(6)_神经网络NN(1中)激活函数_softmax详解篇】
  • 黑盒测试:测试用例设计之等价类设计方法(等价类划分:Equivalence Partitioning)有效等价类、无效等价类、边界值分析
  • 22 C++11 初始化新姿势:{} 统一初始化(省等号)+initializer_list 底层解析