当前位置:首页 > 物联网 > 大鱼机器人
[导读]一文教你辨别真假芯片!

来源:芯片之家

整理:晓宇

常见芯片假冒方式

一、A料假冒A料

  • 原厂商尾料或散料:原包装已经拆开或者已经没有原包装,但因存储时间或处理过程等原因,产品功能和良率可能会较低;

  • 原厂报废品或不良品:主要是原厂未通过出厂检测的产品,如可靠性测试后报废品,封装质量不良,测试不良品等;

  • 原厂料件翻新:翻新货,旧货翻新;

  • 假冒示例:

    左图:芯片开封前,IC丝印是:K9K1208U0A-YIB0 , 64M;

    右图:芯片开封后,发现芯片是K9F5608U0A , 32M。



二、B料假冒A料

  • 商标及包装冒用: 非正规厂家生产的料冒用正规大厂的商标及包装。
  • 翻新假货: 将回收的电子垃圾重新加工,如磨面、拉脚、 镀脚、接脚、磨字、打字等,变成新料。(对芯片外观进行处理使芯片看起来更漂亮,甚至达到以假乱真的程度。有的甚至包括了真空袋、制作标签、泡沫、纸盒等工序)
  • 假冒示例:

    通过对比发现,上图中Aeroflex  IC 其实是IDT的芯片。




鉴别方式


一、外观检查:确认规格书的丝印信息,编码规则,外观尺寸,可靠性报告,PCN (是否EOL)。在外观上进行观察比对。

示例1

图中的字母"r"相对位置要低,正品料件印字应该是对齐一致的


示例2

图中料件表面存在一大片污点


示例3

图中的料件表面打磨痕迹明显

二、丝印擦除测试(MPT TEST):假冒产品的丝印是重新处理过的。如果使用MPT测试能擦除丝印表明该料是假冒品。

示例1

图中料件在经过MPT测试后marking没有了,该料件是假冒料件



三、丝印擦除测试(MPT TEST):假冒产品的丝印是重新处理过的。如果使用MPT测试能擦除丝印表明该料是假冒品。

示例1

图中的料件同样表面丝印为Atmel 的产品,坏品功能失效

示例2

图中料件Decap后发现,坏品其实Catalyst的


四、X-Ray检查:查看Die尺寸与位置, 打线数量与位置等。


示例1

从上图可以看出X-RAY 发现右边的芯片确实Die,为报废品


五、 电性/功能检测:依产品规格书对料件的电参数、功能进行测试。

以上手段应用最好能取得Golden 样品进行比对测试。
综上,不同的鉴定手段达到的程度不同。

(*资料来源:质链网)

(*编辑:可靠性技术交流)

-END-

猜你喜欢

通电就可以工作,这些单片机真香!
为什么嵌入式工程师会对8位MCU有误解?
做技术的,这些观点真的扯淡!

 最 后  
 

若觉得文章不错,转发分享,也是我们继续更新的动力。
5T资源大放送!包括但不限于:C/C++,Linux,Python,Java,PHP,人工智能,PCB、FPGA、DSP、labview、单片机、等等
在公众号内回复「 更多资源 」,即可免费获取,期待你的关注~
长按识别图中二维码关注

免责声明:本文内容由21ic获得授权后发布,版权归原作者所有,本平台仅提供信息存储服务。文章仅代表作者个人观点,不代表本平台立场,如有问题,请联系我们,谢谢!

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

依托微五科技公司平台的技术积累与产业资源,芯片产品已在燃气、电网、信创及物联网等领域实现芯片规模化应用,成为推动RISC-V架构落地的重要力量。未来,该公司将持续深耕AIoT芯片领域,为更多行业客户赋能,提供高性能、高安...

关键字: 芯片 半导体

中国,2026年5月25日——意法半导体(简称ST)(纽约证券交易所代码:STM)总裁兼首席执行官 Jean-Marc Chery 将于北京时间2026年6月2日下午17点(即同日中欧时间上午11点)在巴黎举行的 BNP...

关键字: 意法半导体 电源 芯片

在汽车电子、工业控制、医疗设备等安全关键领域,嵌入式产品的生命周期不仅仅是从开发到上市这一短周期,而是要5年、10年甚至更久的长期维护、更新与迭代。对嵌入式系统开发工程师与研发团队而言,时间不再只是衡量项目进度的标尺,而...

关键字: 汽车电子 工业控制 芯片

少一次回写、少一次读回,按理说融合应更快,可很多内核一融合反而掉速,问题常不在算子数学,而在活跃状态被拉得太长。AI芯片做编译优化时,最容易高估的不是融合收益,而是寄存器和片上暂存能否接住融合后的活跃值。

关键字: AI 芯片 寄存器

峰值带宽写得很高,实际执行却总像喂不饱阵列,这种落差常常不在 HBM 规格本身,而在数据流并没有均匀走到每一条通路。AI芯片若把外存分布和片上互连解耦看,理论带宽再大也会先堵死在局部热点。

关键字: AI 芯片 HBM

模型并不轻,单次推理却总跑不出预期吞吐,这种问题在小批量场景尤其常见。AI芯片面对在线推理、实时控制或多租户请求时,最难受的往往不是峰值算力不够,而是流水线永远没被真正填满。

关键字: AI 芯片 算力

理论上跳过零值就能省算力,可很多稀疏加速器一上真模型,利用率却远没想象中高。AI芯片要把稀疏红利吃满,难点并不在于识别零,而在于元数据和负载波动会把省下来的乘法重新花在别处。

关键字: AI 芯片 负载均衡

模型规模没变,利用率却总上不去,很多时候不是算力单元太少,而是片上缓存先被撑爆。AI芯片一旦把局部存储和分块调度看得过于理想,乘加阵列就会反复等数据,而不是持续吃满。

关键字: AI 芯片 SRAM

标称功耗没超预算,频率却总是跑不久就掉下来,这类现象往往不是散热器不够大这么简单。AI芯片在高并发矩阵和缓存访问同时拉满时,最先撞上的常常是瞬态供电边界和热控反馈,而不是长期平均功耗。

关键字: AI 芯片 功耗

权重和激活一降到低比特,吞吐是上去了,精度却常常不是线性下降,而是在某几个层面突然断崖。AI芯片做低比特计算时,最危险的并不是量化本身,而是量化误差和累加边界在同一层上叠加失控。

关键字: AI 芯片 精度
关闭