一颗HBM4芯片堆叠16层裸片，只要其中一层是坏片，报废的不是那一层，而是整颗芯片。
这不是理论推演——今年HBM4的量产良率，大约只有25%。
据行业反馈，HBM4返修件中的问题裸片，往往是在堆叠、封装完成之后才被最终测试筛出来。这时候想补救已经晚了——压在上面的十几层良品裸片，跟着一起报废。这种"一荣俱荣、一损俱损"的结构，正在把堆叠前测试推到一个此前少见的位置：不是产线末端的质量把关，而是决定整堆成本能不能打平的前置工序。
2026年全球HBM总需求量同比增长67%，主要原厂订单已排期到2027年底。这个数字背后是AI服务器对存储带宽需求的持续攀升——英伟达GB200/B300单颗GPU搭载16颗HBM，容量192GB起步；下一代HBM4单卡容量进一步拉高到288GB至512GB区间。需求端曲线陡峭上扬的同时，供给端却面临明显瓶颈：HBM4量产良率仅约25%，CoWoS先进封装月产能缺口约30%。
这两个数字放在一起看，逻辑才成立。需求增长67%意味着原厂必须尽快把产能拉满；良率只有25%意味着每投入4颗裸片，只有1颗最终合格。面对这种供需错配，常规思路是加大投料、拉高总产出，用规模去对冲良率损失——但这套逻辑在HBM身上会失效，因为HBM面对的不是单颗裸片的良率问题，而是"堆叠良率"问题，两者的数学关系完全不同。
堆叠良率会随层数呈指数级衰减。假设单层裸片良率是99%，堆叠16层后，整堆的理论良率约为85%；如果单层良率降到95%，16层堆叠下来，整堆良率会跌到不足45%。行业里流传的25%这个数字，某种程度上正是这种衰减效应叠加更高层数、更复杂结构（HBM4采用16层堆叠、1024-bit接口，单堆栈带宽有望突破1.6 TB/s）后的结果。
这笔账可以算得更具体：假设堆叠后发现坏片再返修，损失的是已经投入的全部良品裸片加上封装成本；而在堆叠前用KGD（Known Good Die，已知良品裸片）筛选挡住同一颗坏片，损失的只是这一颗裸片本身的测试成本。层数越多，这两种做法之间的成本差距越大——这不是良率优化的锦上添花项，而是决定整堆芯片经济性是否成立的前提条件。
现有的测试方案，未必跟得上堆叠层数的增长速度，具体表现在三个层面。
第一，Die-level测试覆盖不足。传统芯片测试大多在封装完成后进行系统级验证，这套流程对单颗芯片没问题，但对需要堆叠16层裸片的HBM来说，等到封装完成再测，已经错过了拦截坏片的最佳时机。真正有效的方案，需要在裸片进入堆叠工序之前，就用KGD筛选把坏片挡在外面——而KGD筛选对测试覆盖率的要求极高，漏检一颗，等于把报废风险转嫁给了整堆芯片。
第二，标记与追溯精度不够。HBM堆叠动辄十几层，一旦某一层后续出现问题，能不能快速定位是哪一层、哪个批次、哪一次测试留下的隐患，直接决定了故障排查的效率。传统的批次级标记方式，在这种精细化追溯需求面前明显不够用，需要更细颗粒度的Die级标记和数据留存机制来支撑。
第三，信号完整性验证的门槛被抬高。HBM4采用1024-bit接口，接口位宽的提升意味着测试Socket需要处理更多信号引脚，高速信号在堆叠结构里的串扰、阻抗匹配问题，都是过去8层、12层堆叠时不需要认真面对的新课题。Socket设计如果沿用旧规格，很可能在信号完整性上先出问题，而不是在芯片本身的功能上。
这三个挑战叠加在一起，指向同一个结论：HBM时代的堆叠前测试，不是"老方案加高精度"的简单升级，而需要从测试覆盖逻辑、标记追溯机制、到Socket设计做一次系统性重构。
面对上述挑战，工程层面的应对思路可以分成三部分。
一是把KGD筛选做成一套可量产的标准流程，而不是实验室级别的抽检。这意味着测试设备需要在裸片阶段就具备足够高的功能测试覆盖率和足够快的单颗测试速度，确保前置筛选不会拖慢整体产能——覆盖率不够会漏检坏片，速度跟不上则会让堆叠前测试变成新的产能瓶颈，两者需要同时满足。
二是建立Die级的精细化标记与数据追溯体系。每一颗通过KGD筛选的裸片，都应留存可追溯的测试数据和身份标记，一旦后续堆叠出现异常，能够快速回溯到具体是哪一颗裸片、哪一项测试出现偏差，而不是笼统地把整批产品打回重检。这套追溯体系的价值，会随着堆叠层数的增加而同步放大。
三是明确堆叠前测试与SLT（系统级测试）、Burn-in之间的分工边界，而不是简单叠加。KGD筛选负责在裸片层面拦截明显缺陷，SLT负责验证堆叠完成后整体系统的功能一致性，Burn-in负责通过长时间加压暴露潜在的可靠性问题——三者的测试目标不同，如果不做清晰分工，容易出现"该测的没测到、测过的又重复测"的资源浪费。对于HBM这类高层数堆叠结构，把KGD筛选的权重前移，能有效降低SLT和Burn-in阶段发现问题的概率和成本。
这与IC烧录与测试行业长期积累的工程逻辑是一致的——高位宽接口下的信号完整性验证，以及支撑精细回溯的Die级标记能力，本身就需要长期的技术沉淀，不是靠一次性投入就能补齐。HILOMAX从多协议、多规格芯片的测试起步，近年来的技术投入也逐步延伸到这类高层数堆叠场景。良率管理的关键，从来不在"测得多"，而在"测得准、测得早"。
对测试工程师和产线管理者来说，评估一套HBM测试方案时，可以具体问几个问题：这套方案的Die-level测试覆盖率能做到多少？坏片标记和追溯的颗粒度够不够细，能否精确到具体裸片？面对1024-bit接口，Socket设计是否已经针对信号完整性做过专项验证？KGD筛选与SLT、Burn-in之间的分工是否清晰，有没有重复测试的资源浪费？这些问题的答案，比"良率数字好不好看"更能反映一套测试方案的真实工程价值。
HBM需求同比增长67%的态势，本质上把堆叠前测试推到了一个此前少见的位置——不再是产线末端的质量关卡，而是决定整堆芯片良率上限和成本结构的第一道防线。25%的量产良率不是一个孤立数字，而是整个行业在高层数堆叠结构面前必须共同面对的现实。
对于正在规划HBM相关测试方案的从业者，或许可以先问自己一个问题：你现在的测试节点，设在堆叠之前，还是堆叠之后？
