面向 GAA 与混合键合芯片产线的偏移控制 OS，把隐藏层 3D 扫描变成能保住良率的工艺修正。

1. 先进节点结构已经超出传统光学量测的可视范围，晶圆厂需要围绕隐藏层可见性来搭软件，而不是继续给旧看板打补丁。
2. 量测精度已经直接变成良率经济问题，因为坏晶圆在被拦下前，误差会沿着数百道制造工序一路放大。
3. 实时工艺反馈正在变成刚需，这就给创业公司留出了位置：把扫描输出直接变成暂停和修正决定，而不是只做事后分析。
4. 应用中心和联合研发正在被集中加码，说明瓶颈已经从买设备，转向怎么把设备真正塞进晶圆厂的工作流里。

催化因素。 Nearfield 的崛起说明，晶圆厂已经进入一个新阶段：缺陷终于能看见了，但能不能足够快地做动作，成了新的瓶颈。

Hidden Layer Yield OS 先接入一个先进模块（例如 GAA 或混合键合集成）的新 3D 量测设备、既有光学检测、SPC 数据和工艺步骤历史。系统会按下游良率影响给隐藏层异常打分，再建议这批晶圆是该暂停、做确认抽样，还是先下发针对性的工艺修正，避免在坏晶圆上继续叠加价值。第一版产品不是全自动的晶圆厂大脑，而是一块专门服务于关键时刻的人机协同偏移看板：昂贵的隐藏层扫描结果刚出来，但现场动作还靠人工、速度又慢。随着工程师接受、拒绝或修改建议，系统会学出晶圆厂自己的缺陷特征，最后沉淀成这条产线在先进节点上保良率的操作记忆。

差异化。 现有厂商大多占住了量测盒子，或者占住了通用工艺控制栈，但新的卡点在两者之间的行动层。这家公司从一开始就为先进节点上的隐藏层偏移决策而生：它把 3D 扫描特征、步骤历史、批次处置和建议修正动作连起来，而且一次只盯一个模块。真正能守住的资产，是晶圆厂专属的偏移决策语料库——哪些建议被接受、哪些缺陷最后对应什么结果。节点和模块越多，这套数据越值钱。

待完成任务

flowchart LR
  Buyer[Process control leader] --> Pain[Hidden-layer defects escape until yield collapses]
  Pain --> Product[Hidden Layer Yield OS]
  Product --> Outcome[Faster holds and higher advanced-node yield]

高管要点

• why now 是真的：GAA、CFET、HBM 和混合键合，把检测难题推进到埋藏结构和堆叠结构里；新一代 3D 量测终于能把缺陷看出来，但晶圆厂还做不到足够快、足够标准化地接住这些信号并采取动作 [1][3][5][6][15][16][17][19]。
• 成功概率最高的切口，不是泛泛的“给晶圆厂做 AI”，而是一块面向单一模块、人在回路中的隐藏层偏移看板。今天的暂停、放行和修正决定，依旧靠战情室、通用 SPC 和设备厂商应用支持来拍板 [6][7][10][11][12]。
• 预算是有的，但证明门槛极高：AI/HPC 与 HBM 的经济性，让漏检缺陷的代价极其昂贵；不过客户在扩权前，一定会先要看到对良率稳定性和处置周期时间的量化改善 [13][27][31][32]。
• 现有厂商很强，但都没补全：KLA、Onto、PDF Solutions、各类良率平台和量测 OEM 各自占着一段栈；在已抓到的证据里，还看不到一家以隐藏层、跨设备、批次处置为中心的厂商中立产品，已经默认拿下这个品类 [10][11][12][13][29][34]。
• 这件事只有在公司能从单一模块一路积累成跨模块、跨晶圆厂的工艺记忆时，才配得上风险投资规模。相邻市场是数十亿美元级，但最初这层决策切口大概率只是几十个高价值模块，不是大众化软件赛道 [21][22][23][24][25]。

市场定义

这个品类最准确的定义，是面向领先逻辑和先进封装模块的隐藏层工艺控制软件：它夹在 3D 量测/检测输出和 MES/SPC/良率处置之间，让晶圆厂能在更多价值叠到下游之前，先对埋藏特征缺陷采取动作 [3][5][6][10][15][17]。

用户与买方

核心用户是领先代工厂、IDM 和先进封装团队里的工艺控制、良率工程和模块集成总监/高级经理；真正的经济买方则是 VP 级工艺控制或晶圆厂良率负责人，因为痛点横跨量测、批次处置、吞吐率，以及 AI/HPC 产品经济性 [3][10][13][28][31]。

购买触发点

• 当节点或模块进入 GAA、CFET、3D 存储或混合键合集成时，会出现旧光学工作流根本解决不好的埋藏特征量测问题。 [1][5][19]
• 混合键合 pitch 压到 10µm 以下后，晶圆平坦度、凹陷、污染和 overlay 容差都会收得更紧，一点小失误就可能变成键合失效或误暂停。 [6][7][8][15][17]
• 新 3D 量测设备安装，或卓越应用中心扩张，会把工作流缺口直接暴露出来：新可见性有了，但同班次工艺决策还跟不上。 [1][18][19]
• HBM 和 AI 封装的经济性，让太晚发现缺陷的代价继续上升，于是更早的处置和抽样决定就更值钱。 [27][31]

支付意愿

付费意愿应该强，但一定绑在证明上。抓到的市场证据显示，企业级工艺控制软件主要按项目报价，且下游漏检代价极高；公开客户案例也证明分析平台确实能显著提良率、砍分析时间。不过采购理由不会是泛泛的“AI 预算”，而会落在少报废、少误暂停、以及更快做出工程判断 [10][12][13][31][32]。 [10][12][13][31][32]

品类动态

增长信号 6.9% CAGR

验证信号

• Nearfield 的 $380M 融资明确投向应用中心、产能和更深的客户联合研发，说明晶圆厂花钱的重点已经是把新量测真正跑进产线，而不只是把设备买回来。
• imec 已经展示了 2µm D2W 混合键合和 200nm W2W 混合键合的关键里程碑；这不是降低了工艺控制层的重要性，恰恰是把它推得更急。
• yieldHUB 的公开客户证言提到 4% 良率提升、PE/QE 日常使用和数量级级别的生产率改善，说明半导体客户只要 ROI 够硬，就愿意为分析能力付钱。
• HBM 变得更高、更贵，缺陷在流程后段才被发现的成本越来越不能忍，这会继续强化更早做处置和抽样决策的价值。

监管与技术约束

• 先进半导体制造及其支持服务都暴露在出口管制之下，这会限制客户组合和跨境服务模式。
• 混合键合要求极严的表面预处理和 overlay 控制；在一个 imec 的 D2W 示例里，Cu recess 需小于 2.5nm，而 200nm 路线图的 overlay 目标也只有约 50nm。
• 很多关键量测仍需要 AFM、光学、OCD、e-beam 和破坏性参考方法组合使用，这会显著抬高集成复杂度。
• GAA 的埋藏特征量测仍要求穿透光学不透明的堆叠结构，所以任何“看起来很确定”的假象都很危险，模块专用校准不可避免。

从战略上看，这个赛道分成三块：其一是 KLA、ASML、Bruker、EVG、Camtek、Nearfield 这样的量测与设备现有厂商；其二是 KLA 软件、Onto Yield Optimizer、PDF Exensio、yieldHUB 这类分析和良率管理平台；其三是人工替代方案，比如良率战情室、破坏性抽样和设备厂商应用工程。创业公司只有在自己变成那层中立行动层时才会赢——把多设备的隐藏层信号转成同班次的暂停/放行/修正建议，而不是去硬碰量测盒子本身 [6][8][10][11][12][13][14][19][29][34]。

为什么现有厂商不会默认胜出

• 量测 OEM. 它们已经占住了量测步骤和客户入口，但大多优化的是生成或解读自家设备数据，而不是在混合工具链上做厂商中立的批次处置编排。
• 工艺控制套件. KLA 级平台本来就卖 run-time process control 和 excursion analytics，所以创业公司不可能靠“再做一个看板”赢；真正能赢的是隐藏层专用性、跨设备编排，以及让人愿意信的更快决策。
• 良率分析平台. PDF Solutions 和 yieldHUB 证明半导体分析有需求，但它们公开定位更偏广义制造/测试相关性，不是专门为键合前隐藏层决策工作流打造。
• 厂内良率工程. 大晶圆厂永远可以继续扩写 SPC 脚本、工程师笔记和专家复盘会，所以创业公司必须交出客户内部难以复制的制度化记忆和周期时间收益。

Hidden Layer Yield OS 是一层厂商中立的决策系统，面向那些已经靠新一代 3D 量测看见埋藏缺陷、却还来不及在生产流程里做出动作的领先晶圆厂。第一滩头市场是一家头部逻辑代工厂或 IDM 里的单个高良率敏感 GAA 模块：工艺控制团队到今天还得靠战情室、SPC 看板和设备厂商应用支持，来决定批次该暂停、抽样还是继续流转。产品一开始就该以建议模式落地，因为真正的门槛不是模型新不新，而是信任和数据接入。商业逻辑是顺的：节点爬坡或新量测设备上马先把痛点点燃，工艺控制 VP 或晶圆厂良率 VP 承担经济损失，而一次付费模块部署可以用避免下游晶圆损失和更快完成批次处置来证明回报。研究支持这是个窄但值钱的市场：TAM 约 $250.0M、滩头 SAM 约 $85.0M、第三年 SOM 约 $8.0M；但还没有点名的共创客户，也没有首轮部署可接受的误暂停阈值。因此，这家公司现在不该急着讲全厂铺开、闭环自动化或封装/HBM 邻接扩张，而要先在一个模块上证明：处置时间更短、误暂停更少、漏检不增加。真正的护城河来自晶圆厂专属的建议接受记录、工艺上下文和下游良率结果；通用分析平台和单设备 OEM 软件都很难复制。董事会层面的判断也很简单：如果只读试点在 12 个月内拿不到可信的操作员使用率和可量化的处置改进，这还算不上一家有风险投资规模的软件公司。

问题

• 领先节点的 GAA 和 3D 集成流程已经出现埋藏结构，旧光学工作流根本看不清，所以很多关键缺陷要等到高成本下游步骤做完后才暴露出来。
• 工艺控制团队至今还靠 SPC、设备输出和专家会议做人工偏移复盘，批次处置因此变慢，漏检风险和误暂停一起抬高。

解决方案

• Hidden Layer Yield OS 把单一模块的 3D 量测输出、工艺步骤历史和现有 SPC 上下文接进来，并在同一班次里推荐暂停、抽样或定向工艺修正动作。
• 第一版产品是带证据链和反馈采集的人机协同偏移看板，不是自动工艺控制；先让晶圆厂建立信任，再谈更大的权限。

为什么我们会赢

• 公司卡的是量测 OEM 与通用工艺控制套件之间的行动层。这个工作流痛点很急，但研究里还看不到一个已经成型的厂商中立默认方案。
• 把隐藏层特征、被接受的决策和下游良率结果连起来的晶圆厂专属数据，会随着每一次偏移复盘持续累积，最终沉淀成单一设备厂商和客户内部都难以复制的操作记忆。
• 切口足够窄，能先在一个模块上证明 ROI；同时又能顺着跨模块偏移管理、配方迁移和更广泛的工艺智能往外扩。

里程碑

flowchart LR
  Wedge[One GAA module wedge] --> MVP[Advisory mode excursion board]
  MVP --> Proof[Lower disposition time and fewer false holds]
  Proof --> Expansion[More modules, sites, and packaging workflows]

创始团队

实验路线图

风险评估

必须成立的条件

• 必须存在一条单模块工作流，让从扫描告警到批次处置的延迟足够痛，而且由 VP 级买方承担结果。
• 量测、SPC 和批次历史系统的只读集成，必须能在不拖成多年 IT 项目的前提下完成。
• 历史回放必须能找到一套建议策略，在不增加漏检的情况下，减少误暂停或缩短处置时间。
• 工程师必须愿意每个班次都看这块建议看板，并持续反馈接受或拒绝的动作，才能积出专有决策记忆。
• OEM 和生态伙伴必须容忍甚至支持这层厂商中立行动层，而不是卡数据或直接把它打包进自家方案。

待尽调问题

• 今天到底是哪一条 GAA 模块工作流，在扫描告警到批次处置之间最吃资深工程师时间？
• 首个客户愿意接受的影子模式误暂停率和漏检阈值分别是多少？
• 在混合量测环境里，这家创业公司究竟能拿到多少厂商中立的数据接入，而不触发 OEM 阻力？
• 更快打出第一笔收入的路径，到底是前道 GAA 控制，还是混合键合封装控制？
• 买方是否从第一天起就要求本地部署或 customer VPC？

模型合理性

• Revenue engine. 收入引擎来自“付费试点 → $2M 订阅”的顺序转化，按每模块每季度 $500K 计。基线情景要在 Q4Y3 前拿下 4 个签约模块，才能达到 $6.5M 年收入和与 research.yaml SOM 一致的 $8M ARR run-rate。
• Must go right. 模块 1 试点必须在 Q1Y2、也就是第 15 个月前转成生产订阅——这一笔单独就能把 Q1Y2 EBITDA 从大约 -$500K 拉到 -$24K，并让公司无需过桥融资也能撑住。
• Model breaks if. 如果每家客户在量测、SPC 和 MES 数据栈上的集成时间拖到 9 个月以上，模型就会断。下行情景里，模块 4 因此滑到 Y4，Y3 收入从 $6.5M 掉到 $4.2M，现金低点压到 $2.5M，不到 6 个月跑道。
• Next-round proof. 如果到 Q3Y3 前，公司能拿下 3 个付费生产订阅模块，并且有至少一个第二晶圆厂试点，还能证明处置时间改善，那就足以支撑 Series A 里程碑，也说明这不是靠单一共创客户关系在硬撑。

情景

敏感性

flowchart LR
  Leads[Target Fab Modules\n~34 SAM] --> Pilot[Paid Pilot\n$350K / 6 mo]
  Pilot -->|60pct conversion| Sub[Annual Subscription\n$2M per module]
  Sub --> Revenue[Quarterly Revenue\n$500K per module]
  Revenue --> COGS[COGS\n20pct subscription\n45pct services]
  Revenue --> GP[Gross Profit\n75-78pct]
  GP --> Opex[Opex\nHeadcount + Overhead]
  GP --> EBITDA[EBITDA]
  EBITDA --> Cash[Cash EOP\nrolls forward quarterly]

警示项: Y3 只有 4 家客户，收入集中度很高：如果 Q4Y3 丢掉一次续约，就会少掉 $500K 收入和约 $390K EBITDA；模型没有给部分流失留缓冲。 · 模块 1 从试点转生产，是 Y2 现金流的单点故障；只要拖过 M15，Q1Y2 现金流就会再恶化约 $450K，可能逼出过桥融资或提前延长种子轮。 · 订阅 COGS 按 20% 假设建立在共享云基础设施之上；如果客户要求区域锁定的 customer VPC 部署，订阅 COGS 可能升到 25–30%，Y3 EBITDA 会被吃掉 $130–200K。 · CAC 按 $450K 建立在 Y1–Y2 一直由创始人高效直销的前提上；一旦到 Q1Y2 以后开始把销售交给 Sales/BD，新模块的边际 CAC 可能抬到 $600K+。 · Y3 毛利率 78% 高于 BP 里写的 70% 目标；只有当订阅收入占 Y3 收入超过 85% 时，这个数才站得住，而在 Q1–Q2Y3 仍有两个试点处于服务收入阶段。

• 集成摩擦. 半导体晶圆厂的数据环境分散而且安全等级高，量测、SPC 和工艺历史系统接起来，可能会把试点节奏拖慢。 缓解措施: 先从一个模块、一类设备和只读集成开始，先给出建议，再谈更深的流程嵌入。
• 现有厂商反扑. 一旦行动层被证明有价值，量测或工艺控制现有厂商完全可能把自己的软件栈往上延展。 缓解措施: 把跨设备决策工作流和晶圆厂专属反馈语料握在自己手里；单一设备厂商在混合环境里更难复制这层能力。
• 企业采用缓慢. 如果没有清楚证据说明系统能减少误暂停和漏检，良率负责人未必愿意在生产批次上信任一套新建议。 缓解措施: 先用顾问模式切进单一偏移类型；每次建议都附证据，先证明节拍和处置结果变好，再申请扩权。