半导体核心设备图鉴：FAB里最贵的那些机器都是干嘛的

发布时间：2026-07-01 | 分类：半导体设备 | 阅读需要：8分钟

──────────────────────────────────────────────────

💡 摘要

建一座先进FAB需要200~300台核心设备，总投资超过100亿美元。一台EUV光刻机就要20亿人民币，一台KLA量测设备也要几千万。我进FAB第一天就被这些庞然大物震住了——光刻机比一栋楼还贵、刻蚀机的真空系统能抽到10^-8 Torr。本文带你认识FAB里每一台核心设备。

一、背景：设备是FAB最大的投资

FAB的投资结构非常夸张：80%花在设备上，15%用于厂房建设，5%是其他。一座月产5万片的12吋FAB，设备采购就要60~80亿美元。

全球半导体设备市场2025年约1050亿美元。前五大设备商（薄膜沉积设备头部厂商、ASML（全球光刻机龙头）、刻蚀设备头部厂商、KLA（量测设备商）、热处理设备厂商）占了70%以上的份额。中国设备国产化率目前约15%~20%，但在刻蚀和沉积领域已经有不少突破。

▲ 图1：半导体核心设备分类及市场占比

二、核心设备详解

2.1 光刻机——FAB最贵的设备

光刻机是FAB的价值中心。一台ASML（全球光刻机龙头） NXE:3600D EUV光刻机售价约20亿人民币。全球能生产EUV光刻机的只有ASML（全球光刻机龙头）一家。

EUV（极紫外光刻）：13.5nm波长，7nm以下工艺必备。产能约160片/小时

ArFi（浸没式光刻）：193nm波长+水浸没，28nm~7nm主力，产能约300片/小时

KrF/i-line（深紫外光刻）：248nm/365nm，成熟节点，产能>400片/小时

光刻机的维护成本也非常惊人——EUV每季度需要更换光源组件，一次几百万元。

2.2 刻蚀机——Lam和TEL的天下

刻蚀机市场由刻蚀设备头部厂商（美国）和东京电子（TEL（热处理设备商））主导。一台先进的CCP刻蚀机单价约8000万~1.2亿元人民币。

CCP（电容耦合等离子体）：用于氧化物刻蚀，精度高但速率慢

ICP（感应耦合等离子体）：用于金属和硅刻蚀，速度快密度高

ALE（原子层刻蚀）：最新技术，单原子层精度，3nm工艺必备

2.3 量测设备——KLA的垄断

量测设备虽然台数少，但每台都极为精密。KLA的Tencor系列晶圆缺陷检测设备售价2000万~5000万美元一台。

光刻胶CD量测：CD-SEM，精度0.1nm

薄膜厚度量测：椭圆偏振仪（Ellipsometer），精度0.1Å

缺陷检测：光学检测（Brightfield/Darkfield）和电子束检测（E-Beam Review）

Overlay量测：套刻精度量测，需要0.5nm级精度

▲ 图2：半导体核心设备单价对比

三、实战：设备选型经验

2020年我们新FAB做设备选型时，发生过一件印象很深的事：

光刻机：选了ASML（全球光刻机龙头） ArFi NXT:2000i，因为28nm~14nm混产，ArFi是最优解

刻蚀机：ICC刻蚀选了Lam 2300系列，CCP选了TEL（热处理设备商） Tactras

量测设备：KLA（量测设备商） 8900系列全线覆盖——贵但稳定，FAB停线1小时的损失就够买一台了

教训：设备选型不是看单价，要看TCO（总拥有成本）。便宜的设备维护成本可能三倍于贵设备

四、设备OEE分析代码

以下代码计算核心设备的OEE（设备综合效率）：

import matplotlib.pyplot as plt def calc_oee(availability, performance, quality): return availability * performance * quality * 100 class EquipmentOEE: def __init__(self, name): self.name = name self.shifts = [] def add_shift(self, shift_id, uptime, runtime, good_count, total_count): a = uptime / runtime if runtime > 0 else 0 p = runtime / (runtime + (runtime - uptime)) if hasattr(self, '') else 1.0 total_time = runtime + (runtime - uptime) p = runtime / total_time if total_time > 0 else 0 q = good_count / total_count if total_count > 0 else 0 oee = calc_oee(a, p, q) self.shifts.append({ 'shift': shift_id, 'availability': a*100, 'performance': p*100, 'quality': q*100, 'oee': oee }) return oee def plot_oee(self, save_path="oee_chart.png"): shifts = [s['shift'] for s in self.shifts] avail = [s['availability'] for s in self.shifts] perf = [s['performance'] for s in self.shifts] qual = [s['quality'] for s in self.shifts] oee = [s['oee'] for s in self.shifts] fig, ax = plt.subplots(figsize=(10, 5)) x = range(len(shifts)) ax.bar(x, avail, label='可用性 Availability', color='#2E86AB', alpha=0.8) ax.bar(x, perf, label='性能 Performance', color='#F18F01', alpha=0.8) ax.bar(x, qual, label='质量 Quality', color='#27AE60', alpha=0.8) ax.plot(x, oee, 'r-o', linewidth=2, markersize=6, label='OEE') ax.axhline(y=85, color='g', linestyle='--', label='目标OEE=85%') ax.set_xticks(x); ax.set_xticklabels(shifts, rotation=45, fontsize=8) ax.set_ylabel('百分比 (%)'); ax.set_title(f'{self.name} - OEE分析') ax.set_ylim(0, 110); ax.legend(fontsize=8, ncol=2); ax.grid(True, alpha=0.3) plt.tight_layout(); plt.savefig(save_path, dpi=150); plt.close() return save_path # 使用示例 eq = EquipmentOEE('ASML（全球光刻机龙头） ArFi NXT:2000i') import random random.seed(42) for i in range(10): eq.add_shift(f'班次{i+1}', uptime=random.uniform(6, 8), runtime=8, good_count=random.randint(270, 290), total_count=300) print(f'平均OEE: {sum(s["oee"] for s in eq.shifts)/len(eq.shifts):.1f}%') eq.plot_oee()

💡 代码说明：

OEE=可用性×性能×质量，世界级FAB一般要求OEE>85%

光刻机的OEE瓶颈通常是可用性（需要频繁维护和校正），刻蚀机则是性能（射频漂移）

五、效果对比

六、实施建议

FAB设备管理注意事项：

核心设备备件策略：光刻机光源、刻蚀机射频发生器、量测设备光源——备件至少准备一套现货

维护周期：EUV每周维护，ArFi每两周维护，刻蚀机每月陶瓷件检查

备机策略：关键工艺需要两台以上同类型设备，一台维护另一台生产

七、进阶方向：国产设备替代

中国半导体设备正在快速追赶，国产刻蚀机（国产刻蚀设备厂商/国产半导体设备平台厂商）已能覆盖部分28nm工艺。

刻蚀机：国产刻蚀设备厂商的CCP刻蚀机已进入14nm产线验证

沉积设备：国产半导体设备平台厂商的PVD/CVD设备已在国内晶圆代工大厂量产线大量使用

清洗设备：盛美/SEMES已进入全球FAB供应链

量测设备：量测设备头部厂商（KLA（量测设备商））地位仍难以撼动，国内正集中攻关光学检测系统

──────────────────────────────────────────────────

📝 你用过的印象最深的设备是什么？评论区聊！

📁 VIP资源：半导体设备OEE追踪模板（含自动计算、趋势图生成），回复"设备"获取。

━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔔 觉得有用就点个关注！每天分享半导体FAB实战经验，从PE到PIE的完整成长路径都在这里。 ━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━ 📝 讨论时间：你在FAB遇到过类似问题吗？是怎么解决的？欢迎在评论区分享你的经验！ ━━━━━━━━━━━━━━━━━━━━━━━━━━

💎 本文配套VIP资源：半导体AI工具包（SPC异常检测+FDC规则模板+AI良率预测模型），已在CSDN资源区上架。