电子、光子及量子器件超精密制造的最新进展

JayaVerma¹  NaderAmeli¹  NirmalKumarKatiyar ²  NehaKhatri³′⁴  RajabAlsayegh⁵  SauravGoel¹′²′⁶

¹ 伦敦南岸大学工程与设计学院，伦敦，英国  ·  ² 石油与能源研究大学先进工程学院，台拉登，印度  ·  ³ CSIR-中央科学仪器组织，昌迪加尔，印度  ·  ⁴ 科学与创新研究学院 (AcSIR)，加济阿巴德，印度  ·  ⁵ 阿卜杜勒·阿齐兹国王大学工程学院机械工程系，吉达，沙特阿拉伯  ·  ⁶ 诺丁汉大学宁波校区 (UNNC) 中国灯塔卓越研究与创新研究院，宁波，中国

引言

电子系统的持续微型化与集成化，不断将制造精度推向原子尺度。现代电子元件——从高频晶体管、光子电路到量子传感器——要求尺寸公差低于10纳米、表面粗糙度在亚纳米范围内，并具备材料均质性。最初为微米级制造开发的传统机械加工、光刻和抛光技术，在空间控制和表面完整性方面均已达到基本的原子极限。这些局限性催化了超精密制造作为下一代电子设备基石技术的出现。

超精密制造结合了确定性材料去除、原子尺度沉积和实时反馈控制，以实现接近晶格间距极限的形状精度。纳米制造领域的新方向融合了机械、光学和化学技术，并辅以人工智能和先进计量学，重新定义了可达成的性能阈值。以原子级光滑度和低于10纳米的尺寸保真度可重复制造表面的能力，现已成为半导体、光子学、柔性电子和量子器件发展的核心。

对无缺陷、高频、高功率电子元件的需求是超精密制造创新的主要驱动力。随着特征尺寸缩小和工作频率攀升至太赫兹范围，几何形状或表面粗糙度的微小纳米级偏差都可能导致寄生损耗、界面散射或不利的热梯度。同样，在光电和光子系统中，面形精度决定了光约束、模式耦合和整体器件效率。

除了几何形状之外，材料微观结构和界面质量正日益成为同等关键的性能决定因素。开发针对亚表层损伤、晶粒取向和残余应力的确定性控制策略，对于实现纳米尺度下可靠的器件性能至关重要。与此同时，半导体制造、光学和量子工程之间的交叉融合催生了新的混合需求，例如在超平坦基底上共制造超导层、介电层和金属层。

环境稳定性、数字化流程编排以及数据驱动建模现已不可或缺。洁净室级别的温度、振动和湿度控制必须与数字孪生和人工智能驱动的优化相结合，以在长加工周期中保持精度。这些进展标志着一个范式转变：从经验调优工艺走向基于模型的自适应、自主式超精密制造。

本综述旨在对高性能电子元件超精密制造的最新进展进行全面而批判性的整合分析。其重点涵盖了定义亚微米材料加工技术发展前沿的机械、光学、化学及混合方法。在此过程中，我们审视了确定性力学、激光-离子束相互作用、原子层制造以及增减材混合技术如何正在变革功能性电子结构的生产。

本综述亦强调了将先进计量学、机器学习与可解释人工智能作为实现可重复、数据驱动制造的关键推动因素进行整合的重要性。最后，讨论了诸如可持续工艺设计、自主控制框架和量子级精度等新兴发展趋势，以勾勒通往下一代生产体系的路径。通过此番整合分析，我们旨在为研究人员和实践者提供一个统一的认识，理解超精密制造原理如何被跨学科创新和数字智能所重新定义。尽管本文所综述的制造工艺受根本上不同的物理机制（机械、光子、离子、化学及混合方式）所支配，但它们不应被解读为孤立或互斥的备选方案。相反，它们构成一个层级化且互补的制造生态系统，其中不同工艺类别对应处理不同的尺度范围、材料响应和功能需求。在现代超精密制造中，机械工艺通常确立整体几何形状，基于束流的工艺提供局部纳米级修正，原子层技术完成界面和功能层的最终定型，而增减材混合方法则能实现复杂的三维结构。因此，这些工艺之间的关系最佳理解方式并非纯粹竞争，而是在多级工艺链中进行策略性编排，竞争仅出现在特定、明确界定的应用场景中。本综述正是围绕这种系统层面的制造观展开结构组织，不仅强调单一工艺能力，也着重阐述不同物理机制在实际制造流程中如何相互作用、互补或相互替代。

同样重要的是需要指出，在超精密制造中，所报道的纳米级或亚纳米级能力必须在精密工程框架内加以理解。最终性能不仅受制于工艺分辨率，更取决于可追溯的计量学、不确定度预算以及贯穿整个制造价值链的误差源的确定性控制。随着特征尺寸逼近原子维度，局部分辨率与全局精度之间的区分变得日益关键，特别是对于可扩展和工业相关的大规模生产而言。

电子领域超精密制造的演进

历史背景

超精密制造的起源可追溯至二十世纪中期的光学制造与单点金刚石切削技术，当时研究人员寻求为红外系统制造衍射极限光学表面的方法。早期的突破性进展，如空气轴承主轴、静压导轨和金刚石刀具的开发，使得加工形状精度优于1微米、表面粗糙度低于10纳米成为可能。这些创新标志着从手工抛光向确定性加工的转变，确立了超精密制造作为一门基于过程建模与精密计量学的独特科学学科（图1）。

微型化的需求对电子元件的尺寸施加了限制，这促使超精密制造的重点从光学转向半导体基底。离子束修正和磁流变抛光通过动量控制的粒子或离子轰击，实现了原子尺度的材料去除。与此同时，化学机械抛光从光学晶圆的平坦化工艺发展为集成电路互连的制造技术，实现了数十纳米内的均匀性。这些里程碑共同为现代微电子学和光子学所要求的纳米级精度奠定了基础。

向数字化与数据驱动式精度的转型

二十世纪末，超精密制造经历了一场决定性的数字化转型。计算机数控架构的引入提供了具有纳米级插补精度的确定性伺服运动。通过主动减振和热稳定实现的环境隔离，将长加工周期中的漂移降低至10纳米以下。然而，仅凭这些进步尚不足以确保原子级的可重复性；它们需要与高保真传感器和基于模型的补偿技术相结合。

这一时期也标志着精密计量学与计算建模的融合。从干涉测量中获得的表面误差图开始直接输入刀具路径校正算法，从而实现了"误差前馈"加工。工艺优化从经验参数扫描转向了基于接触力学、热力学和流体动力学的预测性建模。"确定性制造"——即加工、抛光和清洁的每个阶段都由定量反馈指导的概念——成为了下一代制造系统的决定性特征。

随着信息物理系统和高速度数据采集的出现，数字革命进一步加速。机器学习算法开始预测刀具磨损、表面形貌和振动特征，从而实现主动补偿。这些能力将超精密制造从操作员驱动的过程转变为数据驱动的制造生态系统，其中智能控制系统实时持续地优化加工精度。

当前能力与现存障碍

现代超精密平台在金属、陶瓷和半导体晶圆上，现已常规实现低于50纳米的形状精度和低于1纳米Ra的表面光洁度。先进的金刚石车床能将主轴误差控制在0.05微米以下，而离子束和等离子体刻蚀工具单次走刀可实现亚纳米的材料去除。实时干涉测量法、原子力显微镜和X射线形貌术使得在加工过程中能够测量和修正纳米级偏差。这些能力已在半导体晶圆平坦化、光子元件成型和微机电系统封装中获得广泛的工业应用。

然而，严峻的挑战依然存在。刀具磨损和性能退化仍然是不确定性的主要来源，尤其是在加工碳化硅、砷化镓、氮化镓和蓝宝石等硬脆材料时。切削力、热膨胀和表面化学之间的多物理场耦合，使得跨尺度的预测性建模变得复杂。此外，随着公差缩小到材料晶粒尺寸以下，随机效应、原子位错、非晶相或吸附污染物开始主导工艺变异性。这些纳米级现象尚无法通过传统的连续介质力学或经验控制策略完全捕捉。

另一个长期存在的障碍是可扩展性。能为小型光学透镜或测试样片提供原子级精度的工艺，在晶圆级或卷对卷基底上往往难以保持均匀性。吞吐量和成本限制也制约了广泛的工业化应用。应对这些障碍，不仅需要改进刀具材料和环境控制，更需要整合人工智能驱动的反馈循环和数字孪生模拟，以弥合实验室精度与大规模生产可靠性之间的差距。

超精密制造技术

本节详细概述了用于制造电子、光子、量子及先进封装组件的现代超精密制造的核心策略。这些方法共同实现了对材料结构、几何形状及表面完整性在亚纳米尺度的确定性控制，如表S1所示。超精密加工作为基础方法，利用单点金刚石切削、超精细磨削和磁流变抛光，在金属、半导体和陶瓷上实现镜面级光洁度和低于10纳米的尺寸保真度。激光与束流辅助工艺通过非接触式能量输运扩展了这种精度，其中飞秒激光烧蚀、聚焦离子束修整以及混合激光辅助加工，即使在硬脆材料中也能实现纳米级特征的定义，如图2所示。化学与原子层制造技术，包括原子层沉积和原子层刻蚀，通过利用自限制表面反应每次沉积或去除一个原子层，引入了分子尺度的控制。

这些工艺支撑了对于亚10纳米半导体器件至关重要的高κ介电质、阻隔层薄膜和异质结构的制备。最后，增材与混合式超精密制造方法将纳米尺度增材制造（如双光子聚合和微激光烧结）与确定性减材精加工及原位计量技术相结合。这种集成使得制造复杂三维微结构成为可能，其精度接近100纳米，表面粗糙度低于10纳米。这些互补技术共同展示了机械精度、光子能量控制、化学自组装与数字反馈如何汇聚融合，以实现具有原子级可重复性的下一代电子、光子及量子器件。

超精密加工

超精密加工是实现电子与光子元件确定性制造的基石，其应用场景要求表面完整性及尺寸保真度低于10纳米尺度。该工艺涵盖单点金刚石切削、超精细磨削以及流体喷射或磁流变抛光，所有技术均旨在金属、半导体及陶瓷材料上获得原子级光滑表面。从比较视角来看，超精密加工提供了无与伦比的形状精度、表面完整性及工业成熟度，使其非常适用于大面积光学元件、模具以及精密机械与封装组件。然而，其局限性包括相对较低的材料去除率、刀具磨损，以及对极硬或化学敏感材料的适用性受限。尽管超精密加工在工业环境中具有可扩展性和稳健性，但当需要原子层级的控制或复杂的3D纳米级特征时，其吞吐量和成本效益便成为制约因素，从而在此类情况下促使了基于束流或化学技术的应用。

工艺原理与确定性控制

超精密加工使得脆性及硬质材料能够在所谓的"延性域"模式下进行加工，在这种模式下，切屑通过塑性流动而非脆性断裂形成，从而留下光学级光滑的已加工表面。保持延性域加工的一致性需要精确协调刀具几何形状、进给速率、切削深度和主轴转速。超精密加工的确定性源于其对纳米级反馈回路的依赖，这些回路包括具有亚纳米分辨率的位置传感器、干涉式主轴编码器以及温度补偿直线驱动器。这些系统共同抑制了长加工周期中的刀具路径误差、颤振和热漂移。

先进的超精密加工机床配备了多轴静压或空气静压轴承，以最小化摩擦和振动，实现低于0.05微米的主轴运动误差。通过误差映射校准进一步提升工艺性能，即利用激光干涉仪表征每个轴系的几何偏差，并通过闭环伺服控制进行实时补偿。这种确定性误差修正使得能够持续加工出形状误差低于10纳米的光学级表面（见图3）。

材料与表面完整性

近期研究已将超精密加工的适用性从铝、铜等传统材料扩展到硬脆性基底，如硅、砷化镓、熔融石英和碳化硅。在这些材料中实现延性切削需要优化未变形切屑厚度和润滑条件，以抑制微裂纹产生。据报道，采用低温或超声辅助金刚石车削技术，可获得纳米级表面光洁度（Ra<1纳米），该技术可降低切削温度并减轻刀具磨损。

亚表面完整性同样至关重要。透射电子显微镜研究揭示，控制刀具-工件相互作用能可将位错密度和非晶层形成限制在几纳米范围内。这种控制对于微光电子外壳和波导基底尤为重要，因为埋藏缺陷会降低光传输效率或引发局部热应力。

在电子学与光子学中的应用

超精密加工支撑着微机电系统外壳、微透镜阵列、高频互连和光学谐振腔的制造。在半导体封装中，超精密加工能以最小残余应力实现腔体密封和表面平坦化。在光子学领域，它被用于制造激光谐振腔和激光雷达系统中使用的自由曲面反射镜及衍射极限谐振器。确定性误差映射、环境隔离与实时补偿技术的结合，使得商用设备能够在直径超过200毫米的光学和金属元件上实现亚纳米级表面粗糙度。

当前的研究重点是将原位计量技术（例如白光干涉仪和光学相干断层扫描）直接集成到加工环境中，从而实现动态反馈和工艺自我修正。这种集成标志着超精密加工正从一个高精度但顺序式的工艺，转变为一个能够维持亚纳米级可重复性的智能化、自适应制造平台。

激光与束流辅助技术

基于激光和带电粒子的加工技术的出现，通过实现空间分辨率接近几纳米的非接触式局域能量输运，彻底改变了超精密制造。这些方法克服了机械切削和磨削固有的许多材料限制，特别是对于碳化硅、氮化镓、蓝宝石和熔融石英等硬脆基底。与机械超精密加工相比，激光和束流技术具有卓越的灵活性、非接触式加工能力，并能处理极硬、极脆或功能性材料。它们在局域纳米结构制备、修整和修复方面表现优异，但受限于吞吐量低、设备成本高以及大面积均匀性难题。此外，束流诱导损伤、再沉积和热效应需要仔细缓解，使得这些方法更适用于高价值、小批量制造、原型验证和器件级修正，而非高通量生产。

超快激光微加工

超快（飞秒至皮秒）激光通过非热烧蚀实现确定性材料去除，其脉冲持续时间短于电子-声子耦合时间。这会将能量限制在焦斑体积内，最小化 同时带来的热影响区。脉冲整形和光束扫描策略，如时空聚焦、突发模式调制和螺旋钻孔技术，可实现低于10纳米的表面粗糙度和小于1°的边缘锥度。

在半导体加工中，超快激光现已用于钻孔、透明电极图形化以及无微裂纹扩展的晶圆划片。在光子学领域，它们促进了玻璃或晶体基底内部波导、布拉格光栅和微谐振腔的直接写入，定位精度达到亚微米级。通过实时通量监测对烧蚀阈值的确定性控制，已使飞秒激光加工（图4a）成为高价值微光学制造的基石，该过程通过复杂的电子与光子相互作用实现原子去除（图4b）。

聚焦离子束与电子束加工

聚焦离子束和电子束技术通过受控溅射、注入或沉积，将精密制造拓展至原子尺度。在离子束修整中，镓或氦离子以每脉冲数个原子的速率选择性去除或改性表面层，从而实现对光子晶体谐振腔或微谐振器耦合器等器件特征的纳米级修正。同时，电子束诱导沉积与刻蚀为修复互连结构、在器件晶圆上直接形成纳米级电极提供了多样化途径。

近期在多束流离子源和气助刻蚀方面的进展，在保持原子级精度的同时提升了加工效率。将这些工艺与低温冷台控制相结合，可抑制束流诱导损伤和再沉积，从而扩展至包括III-V族半导体和二维材料在内的敏感材料。原位电子背散射衍射和二次离子质谱技术的集成，现允许基于晶体学或成分反馈进行闭环校正。

混合激光辅助加工

激光辅助加工将聚焦激光加热与机械去除协同结合，以软化切削区域，从而减少刀具磨损和切削力。通过在刀具前方预热一个狭窄区域，激光辅助加工使脆性基底转变为延性切削状态，从而在碳化硅或氮化镓上实现镜面光洁度表面。先进的激光辅助加工平台将温度反馈与激光功率和刀具进给的自适应控制相结合，确保材料去除均匀性在±5纳米以内。正如近期所讨论的，实施微尺度激光辅助加工时需注意某些方面。

混合激光-离子束系统通过顺序能量输运进一步扩展了能力，即激光预处理改性表面应力或氧化层，随后进行确定性离子束平滑。这种双模式方法在毫米级孔径上实现了低于10纳米的形状精度，对光子反射镜和超导电路基底等应用颇具价值。

化学与原子层制造

化学与原子层制造方法将超精密制造的能力范围拓展至原子和分子领域，在此领域中，材料生长和去除受自限制表面反应支配，而非机械或能量冲击。诸如原子层沉积和原子层刻蚀等方法，在埃级尺度上提供了无与伦比的膜厚、均匀性和组分控制能力。当与原位诊断和自适应控制集成时，它们能够可重复地制造出对先进电子、光电和量子器件至关重要的无缺陷层。原子层技术对厚度、组分和界面质量提供了无与伦比的控制，使其成为先进半导体、光子和量子器件不可或缺的工艺。它们的主要局限性在于沉积或刻蚀速率低、工艺复杂度高以及设备基础设施成本高昂。因此，虽然原子层沉积和原子层刻蚀对于原子尺度的界面工程是不可替代的，但它们通常与更快、精度较低的工艺结合使用，以在系统层面实现可接受的吞吐量和经济可行性。

原子层沉积

原子层沉积是一种循环式、自限制的工艺，其中气态前驱体依次与基底表面反应，每个循环形成一个原子层。每个循环通常包括前驱体A（吸附）和前驱体B（反应）的交替暴露，中间用惰性气体吹扫隔开。这种顺序确保了沉积速率由表面饱和而非反应动力学决定，从而在复杂的三维几何结构上实现亚埃级厚度精度和保形性。

在半导体制造中，原子层沉积已成为亚10纳米晶体管中高κ介电质（二氧化铪、三氧化二铝）、阻隔层和栅氧化层不可或缺的工艺。其低温变体（等离子体增强原子层沉积、空间原子层沉积）允许在聚合物和二维半导体等热敏材料上镀膜，促进了柔性和异质电子器件中的集成。此外，与物理气相沉积相比，原子层沉积生长的薄膜通常表现出更优异的致密性和界面锐度，显著减少了泄漏和扩散缺陷。

近期在区域选择性原子层沉积方面的发展，通过利用表面化学对比或局部抑制剂，实现了无需光刻的空间图形化沉积。结合原位计量技术，如光谱椭圆偏振法或石英晶体微天平，区域选择性原子层沉积能够实时监测每循环生长量，确保以亚纳米精度实现确定性薄膜形成（图5a）。

原子层刻蚀

作为原子层沉积的补充技术，原子层刻蚀通过顺序、自限制的表面改性和解吸步骤实现原子级精确的材料去除。典型工艺包括吸附阶段（如卤化或氧化）改性表层原子，随后通过低能离子轰击或热激活去除改性层。这种方法将选择性和各向异性与随机离子轰击解耦，消除了反应离子刻蚀中常见的亚表层损伤。

原子层刻蚀已在三氧化二铝、二氧化硅和III-V族半导体等材料中实现埃级刻蚀控制，为先进逻辑和存储器件提供了精确图形转移能力。结合时间分辨等离子体控制或离子能量调制，原子层刻蚀可获得光滑无损伤表面，适用于高性能光子或量子电路。新兴的混合方案通过交替原子层刻蚀与原子层沉积循环，可构建具有原子级精度的超晶格结构或界面工程异质结（图5b）。

集成与混合化

原子层制造的前沿在于工艺集成耦合——将原子层沉积/原子层刻蚀与原位计量、数据驱动模型及混合增减材流程相结合。例如，原子层沉积与聚焦离子束修整的结合可实现功能性纳米结构的局域沉积，而将原子层刻蚀集成到晶圆级化学机械抛光流程中则可实现无机械接触的精确表面修正。

此外，化学精度正日益与数字智能相融合：机器学习算法现可预测前驱体吸附动力学和表面反应路径，动态优化工艺条件。这种以数据为中心的控制范式推动原子层制造从经验调试走向自我优化的可重复纳米级生产。

增材与混合式超精密制造

增材与混合式超精密制造方法代表了材料累加与受控去除的融合，能够实现具有原子到介观尺度精度的复杂三维结构。与强调几何自由度的传统增材制造不同，这些技术着重于微纳尺度的尺寸确定性、表面完整性和功能集成。通过将双光子聚合或微激光烧结等增材方法与超精密 finishing 及原位计量技术相结合，混合制造系统能够实现任一单一范式都无法达到的元件精度（图6）。增材与混合式超精密方法在几何复杂性和功能集成方面具有独特优势，但目前面临工艺稳定性、材料质量和工业稳健性方面的挑战。尽管它们提供了前所未有的设计自由度，并实现了集成化制造-finishing 流程，但其吞吐量、可靠性和长期可重复性通常落后于更成熟的减材或平面加工路线，目前主要局限于 specialized、高价值的应用领域。

纳米级增材制造

高分辨率增材制造技术的进步，特别是双光子聚合和微激光烧结，已将打印分辨率拓展至100纳米以下领域。在双光子聚合中，飞秒激光脉冲仅在光子密度超过非线性吸收阈值的焦点处引发局域聚合。这使得能够制造三维自由形态结构，其体素尺寸约为100纳米，且后固化表面粗糙度低于10纳米。采用掺入导电纳米颗粒、光聚合物或介电填料的 functionalized 树脂，可直接制造微光学、微流体和电子互连结构。

相比之下，微激光烧结在激光照射下选择性熔化或结合精细金属或陶瓷粉末。其生成致密、无裂纹微结构的能力使其在微机电系统封装、微型换热器和射频互连方面特别有价值。然而，粉末均匀性、氧化和层厚控制方面的挑战依然存在。为克服这些难题，混合系统将原位监测（如高速高温测量法和光学相干断层扫描）与闭环校正算法相结合，在多个构建周期中实现可重复性。

增减材混合工作流

混合式超精密制造系统在单一机床环境内将增材沉积与确定性减材精加工相结合。例如，可以先增材构建金属或聚合物微结构，随后使用金刚石刀具或聚焦离子束对其进行抛光和加工，以获得亚纳米级表面光洁度。这种闭环集成消除了工序间的对准误差，并补偿了增材步骤中引起的热变形或残余应力。

一种新兴策略采用激光辅助增材沉积，随后进行离子束平滑，以在打印后直接获得镜面级光学表面。类似地，混合微车削与电化学抛光相结合的方法已被应用于在微轴和精密连接器上实现低于50纳米的粗糙度。这些集成化工作流显著缩短了加工链，同时确保了跨制造阶段的尺寸可追溯性。

原位监测与闭环校正

增材-混合式超精密制造的成功在很大程度上依赖于实时过程监测。嵌入式传感器测量温度、声发射和光学反射率，为自适应反馈控制提供数据。基于多传感器数据集训练的机器学习模型可预测层厚、缺陷产生和熔池动力学，使系统能够自主调整激光功率、进给速率或光束焦点以应对偏差。

数字孪生——实时更新的虚拟工艺副本——正越来越多地被用于模拟传热、应力累积和凝固行为，从而在缺陷实际显现之前实现预测性修正。将这些模型与高带宽控制系统相集成，推动增材制造向自稳定超精密制造发展，即使在复杂几何形状中，尺寸偏差也能保持在100纳米以下。

交叉比较与工艺选择权衡

从精密工程的角度来看，一个核心考量在于全局形状控制（global form control）与局部误差修正（localized error correction）之间的区别。虽然所有的超精密制造技术都旨在实现纳米级或原子级的控制，但它们在可达到的精度、吞吐量、可扩展性、成本和稳健性方面存在根本差异。机械超精密制造（Mechanical UPM）在广域可扩展性、稳健性和表面完整性方面提供了最佳组合，但在最小特征尺寸和刀具选择上受到限制。

基于束流（Beam-based）的技术提供了卓越的空间分辨率和材料通用性，但代价是吞吐量和资本成本较高。它们在吞吐量方面也存在固有的局限性，并非为建立大面积形状精度而设计。原子层工艺（Atomic-layer processes）提供了无与伦比的界面和厚度控制，但受限于极慢的处理速率。增材制造和混合方法最大化了设计自由度，但在重复性和工业成熟度方面仍相对不成熟。

在实践中，没有任何单一技术能在所有性能指标上占据统治地位。相反，现代制造链日益依赖于分层工艺集成：即通过高吞吐量方法确立几何形状，利用超精密工艺精化轮廓和表面，并由原子层技术完成界面和功能层的处理。因此，最佳工艺路线的选择不仅取决于目标精度，还受到经济约束、生产规模、材料体系以及系统级性能要求的制约。

分层集成、互补性与工艺竞争

虽然超精密制造工艺通常在极限分辨率或可实现的表面质量方面进行比较，但它们最重要的区别在于制造链中的功能角色。机械工艺在广域形状生成和体材料去除方面占据主导地位；基于束流的方法提供局部的、高分辨率的修正和结构化；原子层技术提供原子级的界面和厚度控制；而增材-复合方法则在统一的工作流中将几何形状创建与精加工集成在一起。在实践中，这些方法主要是互补的，而不是竞争关系。

真正的竞争仅出现在特定的工艺窗口中，例如在用于表面修正的离子束修形（ion-beam figuring）与超精密抛光之间，或者在用于界面准备的原子层刻蚀（ALE）与温和等离子体刻蚀之间。即便在这种情况下，选择也取决于材料体系、损伤容限、尺寸规模和经济约束，而非仅仅取决于分辨率。

现代制造路径越来越多地采用分层、多阶段的架构，其中不同的物理机制在从毫米到埃（Å）的长度尺度上被协同调度，以同时实现效率和极限精度。这种系统级的视角对于理解超精密制造在工业领域如何运作至关重要。

先进计量与原位监测

计量学支撑着超精密制造（UPM）的可信度和重复性。随着制造公差接近原子尺度，计量学已从一种加工后的验证工具演变为制造系统中集成的、主动的要素。高分辨率仪器、传感器融合和数据分析的当代进展，目前已允许即使在工业条件下也能实现低于 1 nm 的测量精度。确定性制造与智能计量之间的相互作用，已成为在纳米级组件生产中实现精度与可扩展性的核心（图 7）。

高分辨率计量技术

超精密制造（UPM）中的高分辨率计量依赖于光学干涉测量、扫描探针技术和基于 X 射线的诊断，每种技术在空间分辨率、测量带宽和环境稳健性之间都提供了独特的权衡。

光学干涉测量

包括白光干涉、相移干涉和相干扫描变体，光学干涉测量仍是实现亚纳米级纵向分辨率非接触式表面轮廓测量的核心工具。集成振动隔离台和温控外壳的现代干涉仪，在厘米级视场内可保持优于 0.2 nm 的重复性。先进的信号处理方法（如相位解包裹算法和自适应滤波）减轻了空气湍流或表面反射率变化带来的噪声，从而实现了对光学级表面的可靠测量。

扫描探针方法，如原子力显微镜（AFM）和扫描隧道显微镜（STM），将计量能力扩展到了原子尺度。这些仪器能以接近 0.1 nm 的纵向分辨率捕捉纳米级形貌、台阶高度和表面能分布。然而，受限于扫描区域小和吞吐量慢，通常需要采用混合计量策略，将 AFM 用于局部校准，而将干涉测量用于全局测绘。

对于晶体和埋层结构，X 射线计算机断层扫描（X-ray CT）和 X 射线反射率测量提供了对晶格应变、位错密度和界面粗糙度的无损洞察。利用基于同步辐射的相干 X 射线成像和基于 ENGIN-X 的中子衍射，最近已实现了皮米级的位移灵敏度，促进了工艺参数与原子晶格畸变之间的关联。通过挖掘新材料的潜力，新型传感器也正在研发中。

原位监测系统

传统的 UPM 工作流程依赖于加工或抛光步骤之间的离线检测。现代制造现在将实时原位监测系统直接嵌入机床中，结合光学、声学和热传感器，提供工具与工件相互作用的持续反馈。

光学传感器（包括共聚焦显微镜和数字全息术）可在不中断工艺的情况下，捕捉切割或沉积过程中的表面演变。声发射传感器在超过 1 MHz 的频率下检测微裂纹、颤振和刀具磨损，为亚表面损伤提供早期预警。红外和热反射传感器测量瞬态热场，从而实现对热膨胀引起的形状误差的实时补偿。

新兴机床通过边缘计算平台集成这些多传感器数据流，由轻量级 AI 算法执行在机分析。这种架构允许立即进行自适应修正，如调整进给量、主轴转速或冷却液流量，以在漫长的周期内保持亚微米级的稳定性。在先进的激光或离子束系统中，原位监测已进展到包括等离子体发射光谱和时间分辨散射诊断，提供对消融或沉积动力学的原子级洞察。

数据融合与实时控制

现代计量的真正威力不仅在于测量精度，还在于数据融合与智能解释。结合光学、机械和热数据的多模态传感实现了对制造过程的全面状态感知。通过机器学习和基于模型的算法集成这些数据流，将原始数据转化为可操作的控制信号。

数字全息和光学相干断层扫描（OCT）可以实时重建表面轮廓，将误差图直接反馈至 CNC 控制回路中。数据驱动的融合模型将传感器特征与工艺变量（如刀具磨损、切削力或束流稳定性）相关联，在偏差表现为缺陷之前进行预测。基于强化学习的控制器可以自主调节加工参数，动态平衡精度与吞吐量。

在系统层面，计量驱动的数字孪生（Digital Twins）同步了虚拟与物理制造状态。这些数字孪生不断摄取原位测量数据以精化工艺模拟，从而实现预见性调整，防止漂移或刀具性能退化。这种实时自适应计量将 UPM 转变为一个自我修正的生态系统，测量、分析和执行在统一的数字框架内共存。

数据驱动与 AI 增强的超精密制造

人工智能（AI）、机器学习（ML）与赛博物理系统（CPS）的融合，正在将超精密制造（UPM）从经验驱动的实践重塑为自适应的自主科学。随着公差缩小至纳米以下，传统的基于模型的工艺控制已不足以处理机械、热和化学领域之间复杂的非线性交互作用。AI 提供了一个可扩展的框架来解释高维传感器数据、预测系统行为并实时优化制造。本节（图 8 和表 S2）回顾了 UPM 中数据驱动智能的演进，重点介绍了在工艺优化、可解释 AI、数字孪生和自主控制框架方面的最新进展。

用于工艺优化的机器学习

机器学习已成为在超精密制造（UPM）环境下预测刀具磨损、优化表面形貌以及缓解热漂移的变革性工具。在确定性加工中，基于回归的模型和神经网络可以预测切削力的演变，从而在精度损失发生之前进行动态补偿。

在光学抛光和研磨中，高斯过程回归（GPR）和支持向量机（SVM）已被应用于将振动、温度和声发射等多传感器数据与表面质量指标相关联。这使得工艺参数（进给率、主轴转速、冷却液流量）能够被动态优化，从而将表面粗糙度一致地保持在 1 nm Ra 以下。

对于增材和复合 UPM，在熔池图像和光谱数据上训练的机器学习算法可以预测孔隙率、层厚和成分均匀性，精度达到亚微米级。强化学习（RL）框架通过基于试验的反馈不断更新控制策略，进一步扩展了这一能力。此类系统已在飞秒激光消融过程中演示了激光功率和扫描速度的自主优化，使尺寸精度提高了 40%。

在最新进展中，物理信息神经网络（PINNs）正在桥接数据驱动模型与分析模型，将传热、流体动力学和材料变形的控制方程融入机器学习架构中。这种混合建模方法确保了预测精度和物理可解释性，解决了将人工智能应用于精密制造的核心挑战之一。

可解释人工智能与数字孪生

虽然传统 AI 具有强大的预测能力，但其“黑盒”属性限制了其在安全至关重要的制造环境中的应用。可解释人工智能（XAI）旨在使决策透明化，确保模型输出可被工程师理解，并能追溯到潜在的物理机制。

应用于 UPM 的 XAI 框架可以识别影响表面质量的主导工艺特征，如切削温度、刀具磨损演变或束流稳定性。通过对特征重要性进行排序并将相关性可视化，XAI 允许制造商系统地而非凭经验地精炼工艺参数。在半导体抛光和薄膜沉积中，可解释的机器学习模型已被用于区分噪声引起的波动与真实的工艺漂移，从而提高了稳定性和重复性。

与 XAI 并行，数字孪生（DT）技术创建了制造过程的虚拟副本，并与实时传感器数据同步演进。这些数字孪生将基于物理的模拟与数据驱动的推理相结合，允许对工艺结果进行持续验证和预测。在超精密加工中，数字孪生以毫秒级间隔模拟主轴动力学、热梯度和刀具偏转，从而在偏差累积之前进行预见性修正。

先进的数字孪生集成了多物理场耦合（机械、热、光学和化学现象），高保真地映射真实环境。例如，在离子束修形或等离子体辅助抛光中，数字孪生根据等离子体密度和表面曲率预测局部去除率，并通过原位干涉反馈实时更新。这种物理空间与虚拟空间之间的双向耦合构成了下一代自主制造的基础。

自主控制框架及响应式制造系统

当传感器反馈、预测模型和执行系统无缝集成到闭环中时，UPM 的自主性便显现出来。这种范式超越了传统的 PID 控制器或基于规则的控制，转向认知制造，即机器根据环境进行感知、推理和行动。

最近的框架采用深度强化学习（DRL）来实现对加工轨迹、束流焦点和环境参数的实时控制。DRL 智能体通过最大化长期精度指标（如最小化表面偏差或能量消耗）来学习最优控制策略。在金刚石车削中，自主补偿系统现在可以使用基于机器学习的估计器检测并修正纳米级热漂移，在 8 小时的周期内保持低于 10 nm 的形状精度。

将数据驱动推理与基于模型的预测相结合的自适应混合控制器，展示了对环境扰动和材料变异性的韧性。这些系统一旦登记到新数据就会持续重新校准模型，从而在运行中有效地“学习”机器动力学。在混合增材-减材平台中，自适应控制通过实时同步沉积速率和抛光压力，在异质材料上实现了纳米级的表面均匀性。

边缘 AI 和分布式传感的集成进一步使智能去中心化，允许在机器或工具层面进行局部决策。这种模块化自主降低了通信延迟，并增强了整个生产网络的可扩展性。当与数字孪生和可解释机器学习相结合时，这些框架代表了能够实现人类水平适应性和量子级重复性的全自主超精密制造生态系统的基础。

电子、光子、量子和 MEMS 系统中的应用领域

尽管本综述受先进电子系统需求的启发，但超精密制造本质上是跨学科的，它不仅支撑着电子器件，还支撑着光子组件、量子硬件、MEMS/NEMS 和异质集成平台。因此，本节将讨论半导体电子、光子学、量子器件和精密微系统领域的应用案例研究，反映现代 UPM 真实的作业技术范畴。

半导体与微电子

半导体制造代表了超精密范式在工业上最成熟的实现，其中对表面、界面和全局平坦度的原子级控制直接决定了器件的良率、性能和长期可靠性。半导体和微电子制造代表了 UPM 最成熟且工业普及度最高的应用，如图 9 所示。晶体管尺寸从微米级到亚 5 nm 级的持续缩小，要求制造技术能够在平坦度、界面完整性和缺陷密度方面实现原子级控制。随着传统光刻和化学机械处理接近其物理和材料极限，涵盖确定性抛光、离子束修形和原子层处理在内的超精密方法已成为在晶圆级实现器件均匀性和电气可靠性不可或缺的手段。

化学机械平坦化 (CMP) 与晶圆级精度

化学机械平坦化（CMP）仍是实现半导体晶圆纳米级全局平坦度的行业标准。现代 CMP 集成了纳米颗粒工程磨料（Slurries）、先进的抛光垫修整技术以及实时终点检测，能够在 300 mm 晶圆上实现低于 5 nm 的表面平整度。从传统的氧化铝磨料向胶体二氧化硅和氧化铈纳米颗粒的演变，通过增强化学选择性和降低摩擦能，实现了更光滑的表面并减少了缺陷。

近期的研究重点是确定性 CMP，其中原位计量（如光学干涉测量、涡流监测或电机转矩反馈）驱动着压力和旋转曲线的自适应控制。通过在 CMP 工具中嵌入闭环反馈，由抛光垫磨损或磨料耗尽导致的非均匀去除得到了动态修正，使多次运行的重复性保持在 ±1 nm 以内。

CMP 与 ALD（原子层沉积）及 ALE（原子层刻蚀）的结合将其精度扩展到了埃（Angstrom）领域。交替进行的 CMP-ALD 循环用于制造超平坦的电介质-金属界面，这对于高 k/金属栅极晶体管和硅通孔（TSV）至关重要。这种杂化标志着原子级平坦化（ALP）的出现，这是晶圆级制造的一个新前沿。

亚 10 nm 互连与缺陷缓解

随着互连线宽缩小到 20 nm 以下，电子散射、表面粗糙度和晶界电阻成为主要的性能瓶颈。超精密制造通过离子束平滑、等离子体辅助刻蚀和自组装分子模板等技术，实现确定的表面和侧壁工程，从而解决这些问题。

在铜和钴互连中，离子束辅助沉积已实现低于 1 nm 的线边缘粗糙度，提高了电子迁移率并降低了电迁移敏感性。类似地，ALE 确保了具有埃级选择性的无损伤沟槽形成，保持了电介质的完整性并降低了漏电流。结合 X 射线反射率、AFM 和基于机器学习的缺陷分类的先进计量技术，能够在器件集成前自动识别纳米级的空洞或分层位置。

为了解决良率和变异性问题，AI 辅助晶圆检测系统现在融合了光学散射测量、电子成像和表面轮廓分析数据，以实时检测亚 10 nm 的工艺异常。这些系统不仅能识别缺陷，还能根据历史工艺数据预测其起源，形成持续优化工艺稳定性的反馈环路。

3D 集成与异质封装

对 3D 集成电路（3D-ICs）和系统级封装（SiP）架构的需求，加剧了对晶圆和芯片级超精密对准及键合的需求。结合金属和电介质界面的混合键合要求表面粗糙度低于 0.3 nm，平坦度在 ±5 nm 以内，以确保无空洞接触。

诸如等离子体辅助表面活化、紫外线/臭氧清洗和离子束平坦化等超精密技术，现在已成为实现此类键合保真度不可或缺的一部分。使用原子级力控对准系统可在大型晶圆上实现低于 50 nm 的重叠精度。同时，ALD 阻挡层和 UPM 加工的微通孔的集成，确保了堆叠芯片层间的机械稳定性和低电阻互连。

为了提高可扩展性，机器学习驱动的对准控制和数字孪生辅助的键合模拟正日益被用于预测热循环过程中的应力演变、空洞形成和界面降解。这些数据驱动的方法论桥接了精密制造与可靠性工程，确保下一代半导体组装体同时满足性能和耐久性标准。

光子与量子器件

光子和量子器件代表了对超精密范式最敏感的实现方式，其中亚纳米级的表面和界面缺陷直接限制了光学损耗、相干时间和整体系统的稳定性。光学损耗、相位相关性和量子态稳定性对表面粗糙度、折射率波动和界面缺陷高度敏感。因此，UPM 在赋能光子和量子器件方面发挥着基础性作用，这些器件的公差通常低于 1 纳米，即使是微小的形貌偏差也可能使器件性能下降几个数量级。

波导与谐振结构的精密成形

波导、谐振器和耦合器构成了现代光路的核心。它们的性能（由传播损耗、模式限制和耦合效率定义）关键取决于纳米级的表面和侧壁光滑度。传统的平版印刷术结合反应离子刻蚀通常会产生粗糙度引起的散射，将光学品质因子（Q 值）限制在 10⁶ 以下。

UPM 通过离子束抛光、激光辅助回流和原子层沉积（ALD）平滑处理来解决这一问题，每种技术都能实现亚纳米级的表面调节。例如，聚焦离子束（FIB）铣削结合局部激光退火，通过将边缘粗糙度降低到 0.3 nm 以下，制造出了 Q 值超过 10⁸ 的氮化硅微谐振器。

此外，使用磁流变或流体喷射精加工的确定性光学抛光，可实现非球面透镜和微镜等自由曲面光学元件，用于片上光子耦合。这些方法提供的形状精度低于 10 nm，角度精度在弧秒以内，这对于高相干激光腔和干涉传感器至关重要。

量子器件制造与超导电路

在超导量子比特、俘获离子和固态自旋系统等量子技术中，制造界面的质量直接决定了相干时间和噪声性能。表面粗糙度和化学污染会导致电荷噪声、电介质损耗和磁通量不稳定，限制量子比特的保真度。

UPM 能够实现超导微波腔、约瑟夫森结和光子晶体谐振器的确定性制造，并对薄膜厚度和界面粗糙度进行亚纳米级控制。ALE 和等离子体辅助抛光等技术已被用于生产具有亚单层光滑度的铌和铝表面，将电介质损耗角正切降低了高达 50%。

ALD 阻挡层的集成和低温离子束清洗进一步增强了界面的均匀性和钝化，确保了超导电路的长期稳定性。最近在基于激光的直接书写方面的进展，实现了在低温兼容衬底内图案化量子光子波导，保持了低至 10⁻⁴ 的光学透明度和折射均匀性。

光子与量子架构的集成

下一代系统日益将光子互连与量子功能元件（如单光子源、调制器和探测器）相结合。这种杂化要求异质材料的集成，例如将金刚石或铌酸锂键合到硅或蓝宝石衬底上，对准公差需低于 50 nm。

诸如离子束辅助直接键合和表面活化键合（SAB）等超精密键合技术，实现了具有原子级光滑界面的无空洞连接。原位计量（光学相干断层扫描、干涉间隙传感）的加入确保了键合过程中的对准精度和加工后的验证。这些精密能力支持了集成量子光子芯片的实现，其中光学和电子功能在纳米级空间对准下共存。

此外，使用强化学习和数字孪生对工艺参数进行数据驱动的校准，能够实现对折射率梯度、模式耦合和热应力分布的预测控制。这种智能集成框架正在为可扩展的量子光子代工厂铺平道路。

MEMS/NEMS 与传感器系统

MEMS 和 NEMS 系统代表了超精密挑战在机械和结构上的体现，其中纳米尺度的几何形状、表面完整性和残余应力决定了功能性能、灵敏度和长期漂移。UPM 在实现性能一致的 MEMS/NEMS 器件方面发挥着关键作用，实现了亚纳米级的形状控制、无缺陷界面和功能层的确定性对准。

超精密加工与薄膜沉积的集成

高性能 MEMS/NEMS 器件的制造通常需要结合机械微结构化和薄膜工艺的混合工作流。使用金刚石车削或微细研磨的超精密加工可生产出尺寸精确的衬底和外壳，表面粗糙度低于 10 nm Ra，确保了高机械 Q 值和稳定的边界条件。

结构形成后，可采用原子层沉积（ALD）或等离子体增强化学气相沉积（PECVD）在微尺度结构上形成共形涂层和功能薄膜。ALD 的自限性生长行为确保了在复杂几何形状（如谐振器支柱或悬臂梁）上的均匀性，在这些地方，薄膜厚度的波动可能会引起应力梯度或频率漂移。

超精密激光修整和离子束表面调谐的最新进展，允许在纳克量级对加工后的质量不平衡和刚度非均匀性进行修正。这些确定性精加工步骤使谐振频率的批量调谐达到 ±0.01% 以内，这对于高吞吐量 MEMS 陀螺仪和谐振器至关重要。

超灵敏换能器和谐振器

在 MEMS/NEMS 器件中实现高灵敏度取决于最小化机械阻尼并在环境压力下保持结构完整性。超精密制造通过表面能最小化、缺陷抑制和界面质量控制做出贡献。例如，在电容式或压电式加速度计中，将侧壁粗糙度降低到 5 nm 以下可减少静电噪声和寄生电容波动。

同样，在压阻式压力传感器中，膜片表面的确定性抛光和平坦化确保了一致的应力分布和高的信号线性度。金刚石车削的硅膜片由于厚度均匀性的提高，即使在全量程偏转时也表现出小于 0.2% 的非线性。对于谐振 NEMS 器件，表面污染和吸附层显著影响频率稳定性。因此，源自 UPM 的等离子体表面清洗和钝化技术现在已成为将长期漂移保持在 10 ppm 以下的标准做法。

混合封装与环境稳定性

超精密封装对于保持 MEMS/NEMS 器件的灵敏度和寿命至关重要。传统的芯片贴装和键合工艺会引入残余应力，从而导致谐振频率偏移并降低传感器性能。诸如激光辅助键合、表面活化键合（SAB）和微研磨对准表面等 UPM 技术，实现了具有纳米级平整度和受控热膨胀失配的密封封装。

对于高端惯性传感器和微镜，将 UPM 加工的金属外壳与薄膜 MEMS 芯片进行混合集成，与传统封装相比，热稳定性提高了 40% 以上。精密加工和基于 ALD 的表面密封相结合，还增强了长期真空保持能力，减少了谐振腔中的阻尼损耗。

新兴的封装方法利用 AI 辅助对准系统和数字孪生模拟来预测键合或热循环期间的变形和应力累积。这些预测框架确保传感器阵列保持几何一致性，并将交叉轴灵敏度降低到 0.1% 以下，这是下一代导航级 MEMS 传感器的基准。

柔性与异质集成

柔性与异质系统将超精密范式扩展到机械柔顺和多材料平台，其中纳米级界面控制、键合保真度和表面完整性成为可靠性和功能集成的核心约束。不同于传统的基于晶圆的制造，这些系统需要超精密对准、纳米级键合控制和共形界面工程，以在机械变形期间保持电学和光学连续性。

异质材料间的纳米对准与键合

具有失配的热膨胀系数（CTE）和机械模量的材料集成在对准和键合方面引入了重大挑战。超精密系统采用具有亚 10 nm 分辨率和干涉反馈的主动对准阶段，以确保组装期间的位置精度。

表面活化键合（SAB）、等离子体辅助键合和紫外固化粘合剂键合常用于在 200 °C 以下的温度下形成无空洞接头，在保持纳米级平整度的同时最小化界面应力。对于聚合物-半导体和玻璃-金属组合，通过离子束清洗或 ALD 钝化进行键合前表面处理，可提高粘附能并降低缺陷密度。

激光局部键合的最新进展将精确的能量输送与光学反馈相结合，实现了功能区域的空间选择性连接，而不损坏温度敏感区域。该技术实现了在柔性聚合物衬底上集成刚性芯片，同时保持了纳米级的电学连续性。

用于柔性光子与电子平台的超精密制造

柔性光子插接板、微型 LED 阵列和可穿戴生物传感器要求制造工艺在机械应变下保持光学和电学性能。对聚酰亚胺和聚萘二甲酸乙二醇酯（PEN）等柔性衬底进行超精密加工，可提供低于 5 nm Ra 的表面光滑度，减少光波导中的散射损耗并确保均匀的场限制。

在电子学方面，增材-减材混合 UPM 实现了线宽控制在 1 µm 以下的微图案金属互连和嵌入式电极。与原子层沉积的电介质阻挡层集成，可防止金属扩散并增强弯曲耐久性。在柔性显示器和传感器制造中，确定性激光消融和喷墨辅助纳米颗粒打印相结合，生产出方块电阻低于 30 Ω/sq 且光学透过率 >90% 的透明导电网络。

这些工艺共同提供了下一代软机器人、生物医学植入物和人机界面所需的机械柔顺性和电学精度。

案例研究：柔性光子插接板中的超精密键合

超精密集成的一个典型例子是柔性光子插接板平台的制造，该平台通过聚合物衬底引导光学和电学信号。该工艺涉及金属和电介质层的顺序沉积、光学通孔的超精密激光微加工，以及光子芯片的对准（公差优于 50 nm）。

在此工作流中，干涉对准结合实时 OCT 确保了聚合物波导与硅光子芯片之间的精确重叠。键合后，使用确定性抛光去除残留的误对准层，实现低于 0.2 dB 的光学耦合损耗。由此产生的混合系统证明了在弯曲半径低于 5 mm 的情况下光学性能不会下降，如果没有亚纳米级的键合精度和自适应反馈控制，这一成就是无法实现的。

挑战与未来前景

UPM 的未来将不取决于单一的主导技术，而取决于现有方法的选择性集成和整合。因此，有必要区分哪些技术可能成为工业主力，哪些将保持不可或缺但属于小众领域，以及哪些技术的作用将逐渐转向规模化制造系统中的嵌入式或辅助功能。在过去的二十年里，UPM 取得了巨大的进步，但一些技术和科学障碍仍然制约着其可扩展性、可持续性和自主性。在不同的材料、环境和生产规模上实现原子级的重复性仍然是一个巨大的挑战（图 10）。

技术壁垒

尽管在工具设计、工艺建模和环境控制方面取得了广泛进展，但刀具退化、热波动和工艺重复性仍然是持久的限制因素。金刚石刀具虽然异常坚硬，但在加工黑色金属或富含碳化物的材料时会发生逐渐磨损和石墨化。这种退化引入了微观形貌偏差，在长加工周期中累积的形状误差会超过 10 nm。因此，开发新型超硬刀具材料（如化学气相沉积 CVD 金刚石复合材料或氮化硼基陶瓷）对于延长刀具寿命和保持原子级一致性至关重要。

热管理是另一个关键挑战。即使是微小的温度波动也会导致运动系统发生非对称膨胀或收缩，从而导致加工成品出现纳米级偏差。虽然环境隔离和低温冷却有所帮助，但对于大规模应用而言，它们仍然属于能源密集型且成本高昂。目前正在开发利用基于 AI 的热漂移预测和数字孪生的先进补偿策略，以在无需大规模环境调节的情况下实现主动稳定。

在工艺层面，跨尺度建模持续阻碍着预测性控制。量子级相互作用（如原子位错、表面扩散）与连续介质尺度现象（传热、刀具动力学）的耦合挑战了直接模拟的可能性。弥合这些尺度需要多物理场、多分辨率的计算框架，并由高速、高分辨率的原位测量进行验证。

超精密制造中一个核心的未解决挑战不仅是实现更高的精度，而是同时实现高吞吐量、稳健性和经济可行性，这也被统称为“规模化精密（Precision-at-Scale）”。许多精密技术本质上仍然缓慢且昂贵，而更具可扩展性的方法则难以达到原子级精度。弥合这一差距需要多阶段工艺链、混合机器架构和 AI 驱动工艺编排的更深度集成。

可持续超精密制造

可持续性正成为先进制造领域的一个决定性要求。传统的 UPM 工艺（如油基研磨、磨料浆抛光和真空等离子体系统）属于能源密集型系统并产生大量废物。向环保绿色制造转型需要材料和工艺设计方面的创新。

由气体轴承和低摩擦涂层实现的干式或无润滑加工可以消除油污染并降低维护开销。同样，低能耗超快激光和冷消融束流系统可最小化热负荷并延长组件寿命。研究人员还在探索生物衍生磨料和可回收工具复合材料，作为减少对稀土或有毒材料依赖的一种方式。本着这种精神，研究人员最近探索了仅使用机器学习方法开发不含关键原材料（CRM）的合金路径。

切削液、刀具材料和工艺副产品的闭环回收正在集成到下一代 UPM 设施中。将生命周期可持续性评估（LCSA）与实时数据分析相结合，可以对碳足迹和能源足迹进行定量追踪，为可持续工艺认证提供基础。精密工程与绿色设计之间的协同作用正逐渐将 UPM 从高资源消耗学科转变为生态高效的制造生态系统。

走向自主化与量子级精度

UPM 的下一个前沿在于能够实现量子级精度的自主、自校准系统，在这种系统中，测量不确定度接近原子振动和量子噪声施加的物理极限。这一转型需要三大支柱：量子传感器、AI 驱动的自主性以及人机协作。

基于干涉位移传感器和纠缠光子干涉仪的量子增强计量学，有望实现皮米级的位移灵敏度，比传统光学方法提高一个数量级。将此类传感器集成到加工平台中将提供近乎零测量噪声的实时反馈，从而实现对材料去除和定位精度的前所未有的控制。

AI 驱动的自主性将使系统能够在无需人工干预的情况下实现自诊断和自纠正。在数字孪生和工艺历史基础上训练的强化学习智能体将动态调整参数，即使在环境漂移或材料变化的情况下也能保持最佳精度。自校准加工单元的早期演示已经显示，在没有操作员输入的情况下，形状误差校正可降至 2 nm 以下。

最后，工业 5.0 背景下的人机协作构想将操作员定位为战略监管者而非手动控制器。可解释 AI 界面和触觉反馈系统将允许工程师直观地与数字孪生进行交互，根据物理启发式建议而非试错法引导决策。这种协作范式对于确保自主精密制造的透明度、安全性和信任至关重要。

技术成熟度（TRL）的“死亡谷”

超精密制造面临的一个核心挑战是技术成熟度（TRL）之间的“死亡谷”，许多极具前景的发现由于缺乏将其扩展到商业部署的投资而局限于实验室。因此，解决实验室水平性能与工业规模可制造性之间的差距现在至关重要。许多精密制造技术在受控实验条件下表现出卓越成果，但难以同时满足高吞吐量和工艺稳定性的要求。在实践中，工业应用往往受限，不是因为极限精度，而是因为工艺漂移、设备停机、耗材成本、良率损失和集成复杂性的累积影响。

这造成了精度与生产率之间的根本鸿沟：FIB、ALD、扫描探针光刻（SPL）或 ALE 等技术提供了无与伦比的控制力，但其吞吐量水平与大多数高产量制造场景不相容。相反，更具可扩展性的技术（如激光加工）必须持续在速度、稳定性和损伤控制之间寻找平衡。克服这一二分法不仅需要渐进式的工艺改进，还需要新的机器架构、并行化策略、由 AI 赋能的预测性维护，以及更紧密地集成可信数字孪生，以确保在长生产周期内实现稳定、经济的运行。

超精密制造从实验室扩展到晶圆级及高产量生产的瓶颈

尽管许多超精密制造技术已在实验室环境中展示了亚纳米级甚至原子级的能力，但将这种性能转化为晶圆级或高产量制造仍是一项根本性挑战。在实践中，主要限制不是极限分辨率，而是难以在长跨度、大面积内同时保持精度，并达到经济可行的吞吐量。这一差距代表了该领域的中心瓶颈。最普遍的障碍之一是吞吐量和串行处理。如果不引入大规模并行化或全新的机器架构，许多高精度技术的加工速率与晶圆级生产根本不相容。

第二个主要瓶颈是长期工艺稳定性和漂移。随着大面积或批量生产的工艺时长从几分钟延长到数小时或数天，纳米级的热漂移、机械蠕变、振动和环境波动会累积成超出公差的形状误差。即使在超精密加工系统中，维持跨晶圆区域的亚 10 nm 精度也需要极端的环境控制、频繁的重新校准和持续的计量反馈，所有这些都会降低有效吞吐量并增加系统复杂度。刀具磨损和耗材退化构成另一个关键障碍。在实验室规模下，可以通过频繁干预来减轻这些影响，但在高产量制造中，它们直接转化为良率损失、停机时间和运营成本飙升。

随着处理面积和生产量的增加，污染、再沉积和缺陷累积变得日益严重。束流工艺受再沉积和植入效应影响，而化学和原子层工艺对前驱体纯度和颗粒生成高度敏感。在晶圆尺度上，极低的缺陷密度也会限制良率，使污染控制成为成本和可靠性的主导因素。此外，计量带宽和反馈延迟也是基本约束。虽然亚纳米测量能力已存在，但将具有足够空间和时间分辨率的计量嵌入高吞吐量生产工具中极具挑战性。随着特征尺寸缩小，制造系统日益变得“受计量限制”而非“受工艺限制”。

最后，系统级复杂度、运行时间和持有成本对可扩展性施加了严苛的经济限制。许多平台需要真空环境、多物理场控制、隔振和严格的热控制，导致极高的资本成本和运营开销。在工业规模上，这些因素往往比极限精度更能主导决策。综上所述，这些约束解释了为何许多超精密技术仍局限于高价值、低产量的应用。克服这些瓶颈需要机器架构的新范式、大规模并行化、AI 驱动的漂移补偿、预测性维护以及紧密集成的计量技术。

技术成熟路径与战略重点（5-10 年展望）

在接下来的 5-10 年中，该领域预计将经历一次整合，某些技术将成熟为广泛部署的工业平台，而其他技术将局限于利基应用。

可能成熟为核心工业平台的技术包括：结合原位计量和 AI 漂移补偿的先进超精密加工、混合增材-减材制造架构，以及紧密集成到高吞吐量工艺链中的原子层工艺。预计在未来十年内，机器架构和闭环控制的进步将使这些系统日益自主、可靠和可扩展。

可能保持专业化或小众化的技术包括：聚焦离子束和电子束加工，以及某些超快激光纳米结构化方法。虽然这些方法提供了无与伦比的灵活性，但其本质上的串行性、有限的吞吐量和高持有成本使其在结构上不适合高产量制造。未来的角色将集中在掩模修复、器件调修、失效分析、原型制作以及高价值低产量组件上。

独立相关性可能减弱的技术是那些无法同时提高吞吐量、稳定性和成本效益的技术，它们将被吸收进混合平台或多阶段工艺链中，作为集成制造生态系统中的嵌入式模块发挥作用。

从研究角度看，未来十年最具影响力的方向预计为：(1) 分层和混合工艺链集成，(2) 吞吐量扩展的大规模并行化和新机器架构，(3) 原位多模态计量和 AI 驱动的自校准，(4) 用于预测控制和良率管理的数字孪生，以及 (5) 可持续、低碳足迹的超精密制造概念。相比之下，若极限分辨率的提升没有相应的稳定性、可扩展性或成本效益增益，则不太可能转化为广泛的工业影响力（表 1）。

结论

超精密制造（UPM）已从光学制造的利基学科演变为下一代电子、光子和量子技术的基石。通过结合确定性材料去除、原子级表面工程和智能反馈控制，UPM 目前实现的制造精度已接近物质组织的物理极限。从半导体晶圆平坦化、MEMS 封装到光子谐振器和柔性电子，机械、化学与数据驱动精度的融合从根本上重新定义了“可制造性”的边界。

当前的行业格局反映了一种范式转移：精度的实现不再仅仅依靠机械精益求精，而是源于物理建模、机器智能与自适应计量的合力。可解释 AI、数字孪生和量子级传感器的集成，正驱动着从依赖操作员经验的技艺向自主、自校准制造生态系统的转型。这种演进在纳米级制造领域承诺了以往无法实现的重复性、可扩展性和可持续性。

未来的超精密平台将越来越多地作为闭环智能系统运行，具备实时感知、预测和纠正的能力，同时最大限度地减少材料浪费和能源消耗。其发展将需要材料科学、计算工程、数据分析和系统集成领域的跨学科协作。随着制造业进入量子时代，UPM 的终极愿景已清晰可见：以可持续、智能且完全自主的方式，实现对原子尺度物质的确定性控制。