要点速览：
先进封装正在打破企业之间的边界，一家供应商隐藏的信息，如今会影响另一家公司的预测结果。
加密和抽象化能够干净利落地保护工艺配方，但两者都无法告诉接收方工程师，模型在何处会失效。
一个模型可能本身是准确的，却仍然无法回答所提出的问题——因此，模型的适用边界本身，也应被视为交付物的一部分。
目标听起来很简单——只共享模型，不共享背后的工艺。材料供应商不应该为了让客户预测其材料在封装中的表现，就必须公开专有配方；代工厂也不应该为了提供芯粒（chiplet）的可用模型，就交出自己的工艺配方。但先进封装正让这种分离变得越来越难以维持。
多年来，工程师们主要通过数据手册、设计规则和认证规范，在不同公司之间传递所需信息，而制造层面的知识则始终留在供应商手中。只要各个部件能够独立运作，这种安排就能维持下去。但如今，一家公司内部保留的信息，会直接影响封装中另一部分完成装配后的表现。工艺本身或许依然归属于供应商，但其产生的后果已经不再止步于工厂大门之内。
“关于这一难题已经有了一些初步探索，但问题在于：如何在企业之间插入一层‘隔膜’，让双方能共享一定量的数据，却不是全部数据？”PDF Solutions公司Exensio测试运营产品管理总监Greg Prewitt说道。“是要做混淆处理吗？还是做归一化处理？到底该共享多少信息，才能让双方团队在不触及彼此专有知识产权的前提下解决问题？”
难点在于决定这层“隔膜”应该让哪些信息通过。隐藏得太少，供应商就会泄露多年积累的工艺知识；隐藏得太多，模型可能就会丢失工程师在另一端做出有用预测所需的行为特征、变化规律或适用极限。这就留下了一个更棘手的问题——在模型内部，究竟能隐藏多少内容，才不会把预测真正需要的信息也一并掩盖？
材料领域以最简单的形式展现了这一问题。工程师可能需要知道材料如何随温度变化、基板是否会因翘曲而影响装配，或者工艺变化如何传导至电气性能表现——但这些都不需要依赖产生这些行为的专有细节。客户不需要材料公司的配方就能对材料行为建模，但数据手册上几个固定数值可能也远远不够。
“虽然专有配方不能公开，但针对目标应用相关条件范围内的材料特性表征，可以更全面地呈现材料行为，使模型更好地反映真实世界情况，从而提高预测准确性。”Brewer Science公司高级研究员兼团队负责人Hanlin Chen说道。“如果数字孪生模型只使用固定不变的单一数值作为材料输入，就必然会低估真实世界中的风险。”
数据交接的挑战
对更精细模型的需求之所以不断增长，是因为先进封装将多个在不同环境中积累了各自工程历史的部件整合到了一起。这些部件在到达系统之前，可能要经过多家公司之手，但等到封装完成时，往往没有任何一家公司掌握完整的历史信息。
“先进封装依赖于高度协同的供应链。”Amkor公司全球工厂信息技术与自动化副总裁Joon Ahn表示。“芯片、基板、材料和设计信息，是由多方合作伙伴共同提供的。每一位参与者都拥有自身在价值链中独特的专业知识与相关数据。”
一旦设计流程需要在一切尚未完成制造前获取制造信息，这种分散的所有权结构就会成为问题。工艺本身可以留在一家公司内部，但其行为特征必须以足够可用的形式，在其他地方被使用。
传递到下一位工程师手中的信息，通常足以描述该部件的设计状态，但未必足以说明其在装配完成后的实际表现。标称尺寸以及基本的电气或材料特性相对容易传递；而生产过程中的实际波动以及这些数据背后的历史信息，则很难随之一同传递。
“我认为我们不需要完全透明的数据才能构建起连贯的数字主线。”ASE公司企业研发副总裁CP Hung说道。“我们真正需要的，是一种可信赖的方式，共享足够的信息，以支持下一个工程决策的制定。”
但这并不意味着上游的每一个细节都必须纳入模型。有些信息可以在不影响预测结果的情况下省略，而另一些信息则只有在封装其他部分暴露出其影响时才变得重要。例如，某个芯粒的热响应数据可能足以支撑某项分析，但工艺波动可能以下游模型无法察觉的方式改变这一热响应结果。
因此，问题的核心并不单纯在于能共享多少信息，而在于在隐藏工艺本身之后，哪些信息仍然至关重要。一个能够保留正确行为特征的模型，可以在不泄露背后配方的前提下发挥作用。但如果隐藏了错误的内容，不确定性就会从模型中消失——尽管它在实际封装中从未真正消失过。
模型能隐藏多少物理信息？
降阶模型和代理模型以不同的方式解决着类似的计算难题。降阶模型是对高保真物理表征的简化，而代理模型则是在采样后的设计或工艺空间上对行为进行近似拟合。两者都能让分析在实际运行成本过高时变得可行，但运行速度更快并不意味着它们就更值得信赖。
“如果用来构建代理模型的仿真数据是准确的，那么代理模型就是可信的。”Silvaco公司AI制造业务高级副总裁兼总经理Eric Guichard说道。“而要让仿真数据准确且具备预测能力，用于生成这些数据的物理模型必须经过校准。而校准只能依据实验数据来完成。这些实验数据通常是可获取的，且并非专有信息。物理模型校准只是问题的一部分，另一部分则是对详细工艺配方的掌握。”
这个问题由此分裂成两类截然不同的信息。实验测量数据能够为模型校准提供必要证据，而无需过多暴露工艺本身的信息；但要构建一个具有预测能力的表征模型，可能仍然需要供应商绝不会直接提供给客户的细节信息。
使这一切得以实现的关键，在于“构建模型”与“使用模型”之间存在的不对称性。负责构建模型的机构，可能需要充分了解工艺本身，以明确其行为背后的原因；而使用模型的工程师，可能只需要获得其行为表现即可。例如，一个基板模型或许可以公开厚度、材料响应以及工艺波动所产生的影响，而无需透露供应商究竟是如何在制造过程中实现这些特性的。
“如果代理模型只向用户开放部分关键参数，我们就可以合理地认为专有工艺细节得到了保护。”Guichard说道。
配方本身并没有消失，只是转移到了模型边界之后。但这只是把披露问题转移了位置，并没有真正解决它，因为模型构建方本身，仍然需要获取供应商极力保护的那些信息。
“详细工艺配方的获取，实际上才是真正的挑战所在。”Guichard补充道。
加密技术保护专有数据
加密技术提供了一种将“有用行为”与“专有实现方式”分离开来的方法。Synopsys公司的高频结构仿真器（HFSS）支持加密电磁模型，部件供应商可以借此将模型提供给客户用于其自身的仿真，而无需暴露底层的几何结构和材料信息。
“这些加密模型解决了一个重大但并非技术层面的难题——如何在不泄露商业机密的前提下，与客户共享电子部件的仿真模型。”Synopsys公司产品管理总监Lang Lin说道。
加密技术干净利落地解决了信息披露的问题。接收模型的工程师可以使用该模型，却无法获取被封装在其中的信息。但加密技术无法告诉这位工程师的是：该模型对于当前所要解决的问题，是否依然适用。
“这一直是仿真领域普遍存在的核心关切之一。”Lin说道。“模型究竟与真实情况的匹配程度如何？”
一个模型可能在安全性上无懈可击，却仍然不适用于其当前被使用的具体条件。如果模型是围绕某一特定封装或工艺窗口构建的，那么即便设计早已超出那些条件，其输出结果在数值上依然可能显得精确无误。加密技术会让这一问题更难被察觉，因为用户无法窥视模型内部，判断原始假设在何处已经不再成立。知识产权可以得到完美保护，而工程决策却可能因此出错。
因此，模型共享还需要在加密模型本身之外提供额外信息。接收方或许不需要了解模型内部的运作机制，但仍然需要知道在哪些条件下，这个模型才是可信的。
模型何时会失效
材料领域能更直观地展现这一问题。一份数据手册可能完全准确，却只描述了材料生命周期中的某一个瞬间。一旦该材料经过固化、装配并投入使用，用于构建模型的那些特性参数可能就会开始发生变化。
“数据手册给出的只是一个瞬时快照——热膨胀系数（CTE）、模量、粘附力、粘度，都是在某一组条件下、某一时间点测量得到的。”Brewer公司的Chen说道。“机械和热力学特性会随固化程度的变化而变化，交联密度可能在工艺完成后仍持续演变，而粘附强度则高度依赖于具体的粘接界面。热膨胀系数也会发生变化，尤其是在接近聚合物玻璃化转变温度（Tg）的温度区间内。如果把这些参数中的任何一个当作固定不变的单一数值来处理，就会在仿真结果与实际芯片表现之间产生大量偏差。”
供应商不必为了说明这种行为特征而公开配方信息。真正需要在信息传递中保留下来的，是足以展示材料在封装可能遇到的各种条件下如何变化的信息。某个标称值在设计空间的某一点上或许是适用的，但放到其他地方就可能产生误导。
代理模型让这种“适用性”问题变得格外明显。它们在训练数据所覆盖的区域内可以表现得非常精确，而一旦用户的使用范围超出这一区域，模型依然可能给出一个看似合理的答案。这并不意味着模型此时就失效了——而是它被问了一个其底层数据从未被设计来回答的问题。
“基本原理是：代理模型在训练数据所代表的区域内进行插值时是可靠的，而在超出该区域进行外推时，可靠性就会下降。”Guichard说道。
问题在于，输出结果本身通常不会标注出这种“越界”的发生。一个来自训练区域之外的数值，看起来可能与来自训练区域内部的数值一模一样。
因此，一个有用的“黑箱”模型，必须配有一道清晰可见的适用边界。配方本身可以继续隐藏，但确定模型适用范围的条件却不能隐藏。使用模型的工程师需要知道，当所提出的问题已经超出模型真正掌握的范围时，自己该如何察觉。模型的构建方必须让这一适用范围变得可见，而使用方也必须真正遵守这一边界。
接口处的复杂性
在接口处，问题会变得更加棘手，因为知识产权的边界，往往恰好落在两个独立构建的模型必须开始描述同一物理行为的地方。
一个材料、基板或芯片模型，可能对其供应商所预设的条件而言是完全有效的。但当这些模型被组合在一起、而它们背后的假设又彼此不一致时，麻烦就开始出现了。一个模型可能将某个温度、几何结构或其他条件视为固定不变，而另一个模型则允许该条件发生变化。
“挑战在于，数据往往以不同的格式呈现，具有不同的详细程度，背后也隐含着不同的假设前提。”ASE公司的Hung说道。“举例来说，一个材料特性参数，只有在我们知道它如何随温度、湿度、时间以及工艺历史而变化时，才真正具有意义。一个元件模型，可能单独运行时表现完美，却无法充分说明它一旦被集成到整个封装中之后会发生什么。”
一旦封装完成装配，这些假设之间的差异就会变得更加难以区分。芯片产生的热量会穿过周围的结构传导开来，由此产生的温度变化又会在装配体的其他部位改变材料行为和机械应力。这些模型或许是各自独立构建的，但封装体本身并不是按这种割裂的方式运作的。
“真正的挑战，并不仅仅是把数据从一家公司传递到另一家公司，”Hung说道，“而是要确保这些数据所承载的物理意义，在传递过程中不会丢失。”
热学分析清晰地展示了这一信息问题会多么迅速地蔓延开来。基板和中介层的数据可能已存在于上游环节，但下游设计流程需要以一种能够与封装体其余部分相结合的形式来获取这些数据。
“当我们谈论热学问题时，涉及的不仅仅是芯片本身，”Synopsys公司产品管理高级总监Amlendu Shekhar Choubey表示，“这是一个集成化的问题，你需要整个堆叠结构的数据。”
但即便拥有了所有的拼图碎片，也不能保证它们能够严丝合缝地拼接在一起。一家供应商可能是在某一组条件下对其行为进行表征的，而接口另一侧的模型，则可能基于另一组假设。即便是同一个标称参数，如果测量时的温度不同、源自不同的工艺状态，或是针对不同的工作范围而设定的，其所代表的实际含义也可能截然不同。
真正棘手的问题，并不在于让更多的数据跨越接口完成传递，而在于这种传递过程必须保留足够多的背景假设，让接收方的模型知道该如何正确使用这些数据——否则，每一个模型单独来看都可能是正确的，而它们共同描述的整个封装体，却可能是错误的。
模型需要承载什么
模型本身，正在变成企业之间的一种工程契约。一方并不承诺公开其工艺的运作原理，而是承诺充分描述该工艺所产生的行为效果，让另一位工程师能够在一组双方认可的条件范围内使用这一结果。只要模型能够准确呈现下游工程师真正需要的行为特征，配方、工艺或实现方式本身就可以继续保持隐藏。而接收模型的工程师，仍然需要清楚地知道，这究竟是一份怎样的承诺。
“不确定性和模型的有效性，必须与模型本身一同传递。”Synopsys公司3D-IC产品管理高级总监Kenneth Larsen说道。“仅仅交换几何结构、材料特性或仿真结果是远远不够的。每一个模型，还必须承载决定其是否可信的上下文信息——数据来源于何处，是如何测量或校准的，依据了哪些假设，适用范围是什么，以及该模型是用来支持哪些决策的。”
当模型经过抽象化处理或加密保护时，这种背景信息就显得尤为重要。一个适用于架构探索阶段的模型，未必能在最终收敛阶段被信赖；而在某一特定工艺窗口内构建的代理模型，也不会在封装方案发生变化后，自动继续保持其预测能力。输出结果本身，并不会向工程师提示原有的适用前提已经不再成立。
现实可行的解决方案，并不是要求一切信息都变得透明可见，而是要让模型的有效行为范围及其适用边界变得足够清晰，使接收方能够自行判断该模型是否适用于当前场景。
供应商之间的边界不会消失，这些边界背后所蕴含的工艺竞争价值也同样不会消失。在许多情况下，正是这些专有细节，才是客户最初选择该供应商的根本原因。真正发生变化的，是有多少工程信息可以止步于这道边界之前。传统的“黑箱”模式可以同时隐藏工艺本身及其绝大部分行为特征，因为客户通常只需要一份规格说明书即可。而在高度紧密耦合的封装体系中共享的模型，则必须在隐藏配方的同时，充分展现其带来的后果，以便让另一方能够据此做出站得住脚的决策。
结语
多年以来，“黑箱”模式一直是一种行之有效的折中方案。供应商可以保护其制造工艺不被外泄，客户则可以依据规格说明书来进行设计，而双方之间通常存在足够的余量，可以吸收彼此都无法看见的那部分不确定性。如今，先进封装正在不断压缩这种余量，因为一个部件的行为表现，越来越依赖于它在与另一个部件相遇之前所经历的一切。
这并不意味着专有工艺知识的价值会因此降低。恰恰相反，随着封装体对材料、装配方法以及制造工艺窗口提出越来越契合特定架构的定制化要求，这些工艺本身的价值可能反而会进一步提升。但如今，模型必须承载一些旧式规格说明书往往未能涵盖的内容——关于那个被隐藏的工艺究竟会产生怎样的效果、这种行为表现会在何处发生变化，以及这种表征何时将不再值得信赖的充分证据。
最终能在这一领域胜出的企业，大概率不会是那些共享信息最多的公司，而会是那些能够将专有工艺知识转化为模型、让其他工程师得以使用、却又无法据此反推出底层细节的企业。配方可以继续保密，但它所带来的后果，却无法被掩盖。
