本文将从技术原理、核心优势、应用场景及落地实践等方面，对该技术进行系统性解析。
一、先进工艺节点的检测挑战与技术缺口
当前半导体制造技术正经历关键变革：鳍式场效应晶体管逐步被全环绕栅极（GAA）纳米带晶体管替代，中段制程（MOL）因多重图形化技术的应用，堆叠复杂度持续增加。这一变革导致致命缺陷多隐匿于 3D 结构内部，传统光学检测手段难以有效识别。
同时，先进工艺节点的缺陷呈现显著的产品特异性，集中分布于特定工艺 - 版图组合的 “热点区域”，此类缺陷由芯片设计固有的版图特征引发，成为影响良率的核心因素。
行业面临的核心矛盾在于：电子束电压衬度检测是识别电学缺陷的关键技术，但传统电子束检测采用光栅扫描模式，效率远低于光学检测，无法匹配大批量生产的需求。DirectScan 技术的出现，为破解这一矛盾提供了可行路径。
二、DirectScan 核心技术架构：PointScan 的创新逻辑
DirectScan 检测方案由eProbe 电子束检测工具、FIRE GDS 版图分析平台及Exensio 大数据智能分析平台三大核心组件构成，其技术突破的核心在于PointScan 扫描技术对传统电子束检测逻辑的重构，主要体现在以下三方面：
1
设计感知驱动的靶向检测
传统电子束检测采用无差别光栅扫描，需覆盖包括介质区域在内的全部区域，且无法识别被测目标的图形特征；PointScan 技术具备非接触式电学测试特性，可精准跳转至目标器件的关键位置（如焊盘、接触点），仅对有效检测区域实施电压衬度检测，完全规避介质区域的无效扫描，实现 “按需检测”。
2
检测效率的量级提升
通过 FIRE 平台的精细化版图分析，可精准筛选出需检测的 “关键区域”，大幅缩减检测范围：
后段制程金属 3 层通孔检测：仅需扫描总可检测面积的 2.5%
中段制程栅极 - 漏极短路检测：仅需扫描总接触点的 1%
栅极残筋检测：可规避 50%-75% 的介质区域，检测面积缩减至传统方案的 10% 以下
基于上述优化，PointScan 技术的检测吞吐量可达传统单束电子束检测设备的 20-100 倍，每小时可完成数十亿个被测器件的扫描。
3
设计感知学习与属性分析能力
DirectScan 与 FIRE 平台的深度整合，可实现跨多层版图的属性提取，包括触点类型（漏极 / 栅极）、晶体管阈值电压、极性、与扩散区隔离槽的距离等关键参数。
eProbe 输出的 KLARF格式数据含专属属性识别码，可与版图特征精准匹配，工程师可直接计算特定属性或属性组合对应的缺陷率，快速定位高风险晶体管类型与版图设计方案，为工艺优化提供数据支撑。
三、高难度场景的应用突破
PointScan 技术的低电荷沉积特性，使其在传统电子束检测难以覆盖的场景中实现突破：
背侧供电网络（BSPDN）晶圆检测
键合晶圆形成的绝缘层会阻碍电荷传导，导致传统电子束检测出现电荷累积、电子束偏折与失焦问题；PointScan 技术大幅降低单位面积电荷沉积量，有效缓解上述问题，已完成实际应用验证。
3D DRAM检测
3D DRAM 的结构特性同样易引发电荷累积，此前检测难度较高，DirectScan 技术的应用使该类器件的精准检测成为可能。
DRAM 阵列短路检测
独有的可控 “充电 - 检测” 功能，可在指定位置施加电荷后跳转至目标区域采集电压衬度信号，使特定岛状节点呈现高亮状态，清晰识别与浮空相邻触点的短路问题，该功能为传统光栅扫描技术所不具备。
四、行业落地实践与全流程应用
自 2022 年初起，eProbe 检测系统已在多家先进逻辑芯片制造工厂落地，目前两套设备投入大批量生产，第三套设备处于产能爬坡阶段，应用场景覆盖半导体制造全流程：
先进逻辑芯片制造
中段制程：GAA 栅极 - 漏极短路、栅极接触孔开路、栅极外延层 / 硅化物层开路检测
后段制程：M0 层、1X 层、2X 层系统性接触孔开路与金属布线短路检测
背侧供电网络：电源通孔、源极 / 漏极通孔接触孔开路与短路检测
随机逻辑电路漏电情况评估
先进 DRAM 制造（2024-2025 年）
外围电路：栅极 - 栅极残筋短路、栅极 - 漏极短路、字线 - 字线短路与开路检测及缺陷定位
存储阵列：基于可控 “充电 - 检测” 技术的存储节点短路检测
技术总结
在半导体制程向更精密 3D 架构演进的背景下，检测技术的创新成为保障良率的关键。DirectScan 方案通过 PointScan 靶向扫描技术、设计感知分析能力与产品特异性缺陷学习功能的融合，在保留电子束检测高灵敏度的基础上，实现了检测吞吐量的量级提升，同时破解了高难度场景的检测难题。
该技术不仅解决了先进工艺节点下缺陷“难识别、难检测” 的问题，更推动半导体检测从 “缺陷识别” 向 “工艺优化赋能” 升级，为下一代半导体制造提供了核心技术支撑和全新路径。
本次研讨会以人工智能技术在教育领域的创新应用为核心，聚焦“AI+学科”复合型人才培养路径，致力于推动教学模式变革升级，助力新时代高等教育高质量发展。大会现场，北京理工大学副校长王博，研究院生院常务副院长、人工智能学院常务副院长邓方，教务部部长王美玲，与华为副总裁、公共事业军团CEO李俊风，公共事业军团副总裁、高教军团总裁杜敏，中软国际教育科技集团高级副总裁罗娅共同上台，为全球首个人工智能实践实验室AI Practice LAB（AIPL）正式启用揭牌。这一重要举措，标志着人工智能深度融入高校教育与人才培养迈出关键一步。
此次由华为联合北京理工大学、中软国际教育科技集团推出的人工智能实践实验室（AIPL），是全球首个面向AI通识、AI专业和“AI+学科”的人才培养和科创实践平台。该实验室基于华为强大的数智基础设施和AI基础软件，依托中软国际教育科技集团生态整合、场景落地能力，面向高校多学科打造“AI+X”科创实践体系，精准匹配不同院系的教学与科研需求。
实验室通过通用AI实验室和“学科+AI实验室”的双轨布局，实现理论学习与实践操作的深度结合，同时将行业真实场景引入教学，助力“学科+AI”深度融合，让学生在校期间就能基于真实场景开展模拟实践，培养具备创新能力和实践精神的复合型AI人才。
在具体落地过程中，北京理工大学、华为、中软国际教育科技集团三方各司其职、能力互补：核心和先进技术由华为引领支撑，中软国际教育全权负责产业创新资源平台的落地实施、交付运营及后续服务，人才培养与教学创新则由北京理工大学主导，中软国际教育全程协同配合，形成了高效协同的育人新模式。
基于这一合作模式，中软国际教育充分发挥自身产教融合优势，联合华为、北京理工大学围绕北京理工大学优势学科，落地一系列特色共建项目：协同华为为人工智能学院搭建大规模昇腾算力集群，共建基于鸿蒙与昇腾根技术的具身智能机器人实验室，助力前沿科研与实践教学落地；
联合美林数据，为经济学院打造AI+经济实践系统，提供低代码、零代码的机器学习、深度学习、大模型与智能体工具链，支撑低空经济、金融工程等课程实践，让文科师生摆脱底层环境搭建与代码编写的束缚，大幅提升教学实践效率，充分释放学生的专业创新潜能。
同时，在华为的牵引下，中软国际教育联动生态伙伴，共建大模型材料设计创新实验课程，打造AI赋能的刑事法学案件分析实验课，实现多学科“AI+”融合全覆盖，彰显了公司整合生态资源、服务高校人才培养的核心能力。
作为全球首个完整落地的“理论-实践-应用创新”一站式人工智能实践实验室（AIPL），其正式启用揭牌具有重要的示范意义。依托该实验室解决方案，北京理工大学构建了独特的AI实践教学新范式——实验室不仅提供先进的技术平台和丰富的教学资源，更构建了贴合学校优势学科及各院系差异化需求的“学科+AI”课程体系，能够动态聚合前沿AI技术，有效提升学生的创新实践能力和未来核心竞争力。未来，在生成式人工智能的助力下，该实验室将进一步推动教学模式的精准升级：致力于让每个人都能拥有专属“私人学习顾问”，为教师配备高效的“AI教学科研助手”，通过AI自动化处理脑力劳动中的“重复性工作”，支持教师开展AI联合教学与学生个性化学习，推动大规模、低成本的因材施教落地，充分释放师生个体的创造力。
此次人工智能实践实验室（AIPL）正式启用揭牌，不仅开启了北京理工大学、华为、中软国际教育科技集团校企三方深度合作的新篇章，更为全国高校树立了可借鉴的“样板”与“灯塔”，标志着AI深度赋能教育、培育面向未来人才进入体系化、规模化的新阶段。未来，中软国际教育科技集团将持续发挥自身产业、生态及运营服务优势，深化与华为、北京理工大学及全国各高校的合作，深耕“AI+教育”领域，持续助力教育数智化转型和数智化人才培养，为社会源源不断地输送高质量数智人才，共创智能时代的辉煌未来。
巴西女排首战不敌中国女排 巴西队长赛后大赞中国女排
“我们没有发挥出最好的水平，防守系统出现了很大的问题，明天的比赛我们一定会总结经验，争取发挥的更好。”赛后，为本队贡献了12分的娜塔莉亚表示，“中国队一直是一支很强的球队，去年里约奥运会冠军她们赢得实至名归，现在中国女排虽然是一支年轻的队伍，但还是非常成功，我们需要更加努力来赢取胜利。”
“恭喜中国队取胜，每次面对中国队都是艰苦的比赛，今天她们打得很好，而我们又有很多不足，尤其是接发球方面，也错过了一些反击的机会。回去后进行总结，争取后面发挥的更好。”面对0-3的败局吉马良斯无奈地表示。
这款团体意外险支持多渠道便捷投保，企业可根据自身需求选择合适的购买途径，全程操作规范，投保流程高效省心，具体渠道如下：
以下保费为单人年度保费标准，按员工职业风险等级划分，不同职业对应不同费率，保额可选10万、50万、100万三档，企业可根据员工实际职业精准匹配，具体费用如下：
投保前需仔细核对以下核心规则，避免影响保单生效和后续理赔，其中已修正原文笔误内容，确保信息准确无误：
这款2026版大地团体意外险，针对企业用工场景优化升级，兼顾保障范围、保额额度和投保便捷性，核心优势突出，具体如下：
三水盆地晚白垩世的恐龙蛋化石记录显示，该区域活跃着伤齿龙类、窃蛋龙类和鸭嘴龙类等恐龙。本次发现的暴龙超科牙齿和它们组成了一个恐龙生物群。这证明在白垩纪末期的大绝灭前，恐龙生物群在中国华南很可能相当繁盛。据介绍，广东省是中国白垩纪各种化石的重要产区，其中恐龙化石主要发现于广东省北部的南雄盆地和河源盆地。广东南部的三水盆地恐龙化石的记录却很少。
三水盆地此次发现的化石为4枚牙齿，均产自大塱山组，时代为晚白垩世最晚期马斯特里赫特阶，距今7000万到6600万年前。其中三枚由古生物爱好者赵灿辉于四会市大沙地区发现并捐赠给四会市博物馆。另外一枚产自广州市天河区国际金融城建筑工地。最初由古生物爱好者倪子杰发现了一批化石碎片。随后，广东中大深地科学研究院曾强博士多次考察该化石点，并采集了该枚化石。该化石目前收藏于中山大学地球科学与工程学院地质矿物博物馆，模型典藏于广东正佳自然科学博物馆。
图说：曾强展示牙齿化石。董天健摄
研究人员发现，兽脚类恐龙牙齿一般呈香蕉或月牙状，中间宽并向两边收敛，收敛的末端形成隆突。以牙齿在牙槽中的位置为定向基础，牙齿的前后分别称为近中侧和远中侧，内外分别称为舌侧和唇侧。其中，发现于四会市的三枚恐龙牙齿相对完整，牙冠长度均超过了6厘米。广州发现的为3.3厘米长的牙齿碎片。
但这四颗牙齿具有一致的形态特征，“牙齿边缘有锯齿，锯齿呈凿状且每个锯齿间有齿间沟；前后锯齿分别在近端隆突和远端隆突上，且近端隆突向舌侧偏转、远端隆突向唇侧偏转；作为大型兽脚类牙齿，锯齿密度较低；牙釉质光滑，表面没有纵脊等。”研究人员认为：“这符合暴龙超科的牙齿特征，且和其他的大型兽脚类牙齿特征相悖。”
研究团队还针对牙齿的形态特征进行了系统发育分析和判别分析。其中，系统发育分析使用了97个兽脚类种的145个特征数据，结果支持四颗牙齿属于暴龙超科。研究人员又判别分析使用了399个标本的11个测量数据。由于四颗牙齿的不完整性，缺少部分测量数据导致判别分析结果不明确。“但可以确定与暴龙超科并不冲突。”
中国地质大学（北京）副教授、广东正佳自然科学博物馆客座研究员邢立达告诉记者，暴龙超科是一类体型差异较大的掠食性兽脚类恐龙，是白垩纪中晚期的优势类群。全长可超过12米的晚白垩世霸王龙（Tyrannosaurus rex）就是暴龙超科中体型最大，也是最著名的物种，但也有像早白垩世奇异帝龙（Dilong paradoxus）这种全长在1.5米左右的种类。
暴龙超科的牙齿为异形齿，不同位置牙齿的大小和形态有一定的区别。本次发现的牙齿在整个口腔中的具体位置无法确定，也令研究团队无法准确估计牙齿主人的体长。中国地质大学（北京）博士生王董浩告诉记者，保守估计四会的暴龙超科牙齿其体长约5至6米，而广州市区的记录则可能是更大一些的个体。
中国华南地区缺少晚白垩世大型兽脚类的记录，此前仅在赣州地区发现过暴龙超科的虔州龙（Qianzhousaurus）和暴龙类足迹，河源地区发现过暴龙类牙齿等。本次牙齿的发现是三水盆地大型兽脚类的首次发现，也是中国暴龙类最南端的化石记录，还是中国最晚的暴龙类化石记录之一。
