电子、光子及量子器件超精密制造的最新进展

Jaya Verma　Nader Ameli　Nirmal Kumar Katiyar　Neha Khatri　Rajab Alsayegh 　Saurav Goel

¹ 《npj Advanced Manufacturing》 第3卷，文章编号：13 (2026)

引言 (Introduction)

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。从高频晶体管、光子电路到量子传感器，现代电子元件要求尺寸公差低于 10 nm，表面粗糙度处于亚纳米范围内，并具备高度的材料均匀性。最初为微米级制造开发的传统加工、光刻和抛光技术，在空间控制和表面完整性方面均已触及基本的原子极限 。这些局限性催生了超精密制造 (Ultra-precision manufacturing, UPM) 的兴起，使其成为下一代电子器件的核心技术 。

超精密制造结合了确定性材料去除、原子级沉积和实时反馈控制，以实现趋近点阵间距极限的形状精度 。纳米制造领域的新方向结合了机械、光学和化学技术，并辅以人工智能 (AI) 和先进计量学，重新定义了可实现的性能阈值。能够重复制造具有原子级平滑度且尺寸保真度低于 10 nm 的表面，现已成为半导体、光子学、柔性电子和量子器件进步的核心。

对无缺陷、高频及高功率电子元件的需求是 UPM 创新的主要驱动力。随着特征尺寸缩小且工作频率攀升至太赫兹 (THz) 机制，几何形状或表面粗糙度上极微小的纳米级偏差都会引入寄生损耗、界面散射或不必要的温度梯度 。同样，在光电和光子系统中，面形精度决定了光约束、模式耦合和器件的整体效率 。

除几何形状外，材料的微观结构和界面质量正成为同样关键的性能决定因素。针对亚表面损伤、晶粒取向和残余应力的确定性控制策略，已成为在纳米尺度实现可靠器件性能不可或缺的一部分 。与此同时，半导体制造、光学和量子工程之间的跨界融合引入了新的混合需求，例如在超平整基底上共同制造超导层、电介质层和金属层。

环境稳定性、数字化工艺编排和数据驱动建模现已变得必不可少。洁净室级别的温度、振动和湿度控制必须与数字孪生 (Digital twins) 和 AI 驱动的优化相结合，以在漫长的加工周期中保持精度 。这些发展强调了一种范式转移：从基于经验调整的工艺转向基于模型、自适应且自主的超精密制造。

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且批判性的综合论述。重点涵盖了定义亚微米材料加工最高水平的机械、光学、化学及混合方法。在此过程中，我们探讨了确定性力学、激光-离子束相互作用、原子层制造以及增材-减材复合加工如何改变功能性电子架构的生产。

本综述还强调了先进计量学、机器学习和可解释 AI (Explainable AI) 作为实现可重复、数据驱动制造的赋能手段。最后，讨论了可持续工艺设计、自主控制框架和量子级精度等新兴趋势，为下一代生产系统指明道路。通过这一综合论述，我们旨在为研究人员和从业者提供一个全局的视角，理解跨学科创新和数字智能如何重新定义 UPM 原则。

尽管本文综述的制造工艺受控于截然不同的物理机制（机械、光子、离子、化学和混合），但不应将其视为孤立或互斥的选择。相反，它们构成了一个层级化且互补的制造生态系统，不同的工艺类别应对不同的长度尺度、材料响应和功能需求。在现代超精密制造中，机械工艺通常建立全局几何形状，束流工艺提供局域纳米级修正，原子层技术完成界面和功能层，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不应被简单理解为竞争关系，而是在多阶段工艺链中的战略协作，竞争仅出现在特定且明确的用例中。本综述围绕这种系统级制造观进行组织，不仅强调单个工艺的能力，还强调在实际制造工作流中，不同的物理机制如何相互作用、补充或替代。

同样重要的是要注意，在超精密制造中，报道的纳米级或亚纳米级能力必须在精密工程的框架内进行解读。最终性能不仅受工艺分辨率的影响，还受整个制造价值链中可追溯计量、不确定度预算 (Uncertainty budget) 以及对误差源确定性控制的支配。随着特征尺寸接近原子维度，局部精度与全局精度之间的区别变得愈发关键，特别是对于可扩展且具有工业价值的生产而言。

电子工业中超精密制造的演进

历史背景

超精密制造（UPM）的起源可追溯至20世纪中叶的光学制造和单点金刚石车削（SPDT）技术，当时研究人员致力于寻找为红外系统生产衍射极限光学表面的方法 。早期的突破，如空气静压主轴、液压导轨和金刚石刀具的开发，使得加工形状精度低于 1 µm、表面粗糙度低于 10 nm 成为可能 。这些创新标志着从传统手工抛光向确定性机械加工的转变，确立了 UPM 作为一个以工艺建模和精密计量为基础的独立科学学科（见图1）。

电子系统微型化的需求对元件尺寸提出了严格限制，使 UPM 的重点从光学领域转向半导体衬底。离子束修形（IBF）和磁流变抛光（MRF）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 。同时，化学机械抛光（CMP）从光学晶圆的平坦化演变为集成电路互连制造，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和光子学所要求的纳米级精度奠定了基础。

向数字化和数据中心精度的转型

20世纪末，UPM 经历了决定性的数字化转型。计算机数字控制（CNC）架构的引入提供了具有纳米级插补能力的确定性伺服运动。通过主动减振和热稳定实现的环境隔离，将长时间加工周期内的漂移降低到了 10 nm 以下 。然而，单靠这些进步无法确保原子级的重复性，还需要与高保真传感器和基于模型的补偿技术相结合。

随着信息物理系统（CPS）和高速数据采集的出现，数字化革命进一步加速。机器学习（ML）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 。这些能力使 UPM 从操作员驱动的工艺转变为以数据为中心的制造生态系统，智能控制系统在其中实时精炼加工精度 。

这一时期也标志着精密计量与计算建模的融合。源自干涉测量法的表面误差图开始直接输入到刀具路径修正算法中，实现了“误差前馈”式加工 。工艺优化从经验性的参数扫描转向基于接触力学、热力学和流体力学的预测模型 。确定性制造的概念——即加工、抛光和清洁的每个阶段都由定量反馈引导——成为了下一代制造系统的定义特征。

当前能力与剩余障碍

现代超精密平台现已能在金属、陶瓷和半导体晶圆上常规实现低于 50 nm 的形状精度和低于 1 nm $Ra$ 的表面粗糙度。先进的金刚石车床可将主轴误差维持在 0.05 µm 以下，而离子束和等离子体蚀刻工具每道次可提供亚纳米级的材料去除。实时干涉测量、原子动力显微镜（AFM）和 X 射线形貌技术实现了加工过程中纳米级偏差的测量与修正。这些能力已促使半导体晶圆平坦化、光子元件成型和 MEMS 封装等领域广泛采用该技术 。

然而，严峻的挑战依然存在。刀具磨损和退化仍是不确定性的主要来源，特别是在加工 SiC、GaAs、GaN 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跨尺度预测建模变得复杂。此外，当公差缩小到材料晶粒尺寸以下时，随机效应、原子位错、非晶相或吸附污染物开始主导工艺的变异性 。传统的连续介质力学或经验控制策略尚无法完全捕捉这些纳米级现象。

另一个持久的障碍是可扩展性（Scalability）。在小型光学透镜或测试样件上能达到原子级精度的工艺，在晶圆级或卷对卷基底上往往难以维持均匀性 。产率和成本限制也制约了其广泛工业化。解决这些障碍不仅需要改进刀具材料和环境控制，还需要集成 AI 驱动的反馈回路和数字孪生仿真，以弥合实验室精度与大规模生产可靠性之间的鸿沟。

超精密制造技术

本节详细概述了定义现代电子、光子、量子及先进封装元件超精密制造（UPM）的核心制造策略。这些方法共同实现了在亚纳米尺度对材料结构、几何形状和表面完整性的确定性控制（见表S1）。

超精密制造（UPM）作为基础方法，利用单点金刚石车削、超精密磨削和磁流变抛光，在金属、半导体和陶瓷上实现了镜面级光洁度以及低于 10 nm 的尺寸保真度。激光及束流辅助工艺通过非接触式能量传递扩展了这一精度范畴，如图 2 所示，飞秒激光烧蚀、聚焦离子束修整以及混合激光辅助加工，使得即便是针对硬脆材料也能进行纳米级特征定义。化学与原子层制造技术（包括原子层沉积 ALD 和原子层蚀刻 ALE）则引入了分子级的控制手段，通过利用自限制表面反应，实现每次仅一个原子层的材料沉积或去除。

这些工艺支撑了高 $\kappa$ 介电质、阻挡层以及对 sub-10 nm 半导体器件至关重要的异质结构的创建。最后，增材与混合超精密制造（UPM）方法将纳米级增材制造（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相结合。这种集成使得制造精度接近 100 nm、表面粗糙度低于 10 nm 的复杂 3D 微架构成为可能。总之，这些互补的技术共同展示了机械精度、光子能量控制、化学自组装和数字反馈如何汇聚，从而以原子级的重复性实现下一代电子、光子和量子元件。

超精密机械加工 (UPM)

超精密机械加工代表了电子和光子元件确定性制造的基石。该工艺包括单点金刚石车削（SPDT）、超精密磨削以及流体喷射或磁流变抛光，旨在在金属、半导体和陶瓷上实现原子级平滑表面 。

从对比角度看，超精密加工具有无与伦比的形状精度、表面完整性和工业成熟度。然而，其局限性包括材料去除率相对较低、刀具磨损以及对极硬或化学敏感材料的适用性受限。当需要原子层控制或复杂的 3D 纳米特征时，其产率和成本效益会受到限制，从而促使在这些情况下使用束流或化学技术 。

工艺原理与确定性控制

UPM 允许在所谓的“延性模式”（Ductile-mode）下加工脆硬材料，即切屑通过塑性流动而非脆性断裂形成，从而留下光学级平滑的加工表面。维持延性模式加工的一致性需要精确协调刀具几何形状、进给率、切削深度和主轴转速 。

UPM 的确定性特质源于其对纳米级反馈回路的依赖，包括亚纳米分辨率的位置传感器、干涉测量主轴编码器和温度补偿线性驱动器。这些系统共同抑制了长周期循环中的刀具路径误差、颤振和热漂移 。先进的 UPM 机床配备了多轴液体静压或空气静压轴承，将摩擦和振动降至最低，主轴运动误差低于 0.05 µm。通过误差映射校准（Error-mapping calibration），工艺性能得到进一步增强，即通过激光干涉仪表征每个轴的几何偏差，并通过闭环伺服控制进行实时补偿 。这种确定性误差修正允许连续加工出形状误差低于 10 nm 的光学级表面（见图3）。

材料与表面完整性

最近的研究已将超精密制造（UPM）的适用性从铝、铜等传统材料扩展到了硅、砷化镓（GaAs）、熔融石英和碳化硅（SiC）等硬脆基底 。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，以抑制微裂纹的产生。据报道，利用低温或超声辅助金刚石车削（可降低切削温度并减轻刀具磨损），表面粗糙度已达到纳米级（$Ra$ < 1 nm）。

亚表面完整性同样至关重要。透射电子显微镜（TEM）研究表明，通过控制刀具与工件的相互作用能量，可以将位错密度和非晶层的形成限制在几纳米以内 。这种控制对于微光电子外壳和波导基底尤为关键，因为深埋的缺陷会降低光学传输性能或诱发局部热应力 。

在电子与光子学中的应用

UPM 支撑了 MEMS 外壳、微透镜阵列、高频互连件和光学谐振腔的生产。在半导体封装中，UPM 能够以极低的残余应力实现腔体密封和表面平坦化。在光子学领域，它被用于加工激光谐振腔和激光雷达（LiDAR）系统中使用的自由曲面反射镜和衍射极限谐振器 。通过确定性误差映射、环境隔离和实时补偿的结合，商用机床已能在直径超过 200 mm 的光学和金属元件上实现亚纳米级的表面粗糙度 。

目前的研究重点是将原位计量技术（例如白光干涉测量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 UPM 从高精度但顺序化的工艺，向具备持续亚纳米重复性的智能自适应制造平台转型 。

激光与束流辅助技术

激光和带电粒子加工技术的出现彻底改变了超精密制造，它实现了空间分辨率接近几纳米的非接触式局部能量传递。这些方法克服了机械切削和磨削固有的许多材料限制，特别是在处理 SiC、GaN、蓝宝石和熔融石英等硬脆基底时 。与机械 UPM 相比，激光和束流技术具有卓越的柔性、非接触处理特性，并能加工极硬、极脆或功能性材料。它们在局部纳米结构化、修整和修复方面表现出色，但受到产率有限、设备成本高以及大面积均匀性挑战的限制。此外，束流诱导的损伤、再沉积和热效应需要仔细抑制，这使得这些方法更适用于高价值、低产量的制造、原型制作以及器件级修正，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。这使得能量被限制在焦点体积内，从而将附带的热影响区（HAZ）降至最低 。通过脉冲整形、光束扫描策略、时空聚焦、脉冲串模式（Burst-mode）调制以及螺旋切孔技术，可使表面粗糙度低于 10 nm，边缘锥度小于 1° 。

在半导体工艺中，超快激光现已用于钻孔、透明电极图案化以及无微裂纹扩展的晶圆划片 。在光子学领域，它们有助于在玻璃或晶体基底内部直接刻写波导、布拉格光栅和共振微腔，且位置精度达到亚微米级 。通过实时通量监测对烧蚀阈值进行确定性控制，使飞秒激光机械加工（图 4a）成为高价值微光学制造的基石，其过程涉及通过复杂的电子和光子相互作用去除原子（图 4b）

聚焦离子束与电子束加工

聚焦离子束（FIB）和电子束（EB）技术通过受控的溅射、注入或沉积，将精密制造扩展到了原子机制。在 FIB 修整中，镓或氦离子以每脉冲几个原子的速率选择性地去除或修饰表面层，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（EBID）和铣削为修复互连线以及直接在器件晶圆上形成纳米级电极提供了多功能途径 。

多束离子源和气体辅助蚀刻的最新进展在保持原子精度的同时提高了产率 。将这些工艺与低温台架控制相结合，可以抑制束流诱导的损伤和再沉积，从而将其适用范围扩展到包括 III-V 族半导体和二维（2D）材料在内的敏感材料 。原位电子背散射衍射（EBSD）和二次离子质谱（SIMS）的引入，现已允许基于晶体学或成分反馈进行闭环修正 。

混合激光辅助加工

激光辅助加工（LAM）将聚焦激光加热与机械去除协同整合，以软化切削区，从而降低刀具磨损和切削力 。通过在刀具前方预热狭窄区域，LAM 使脆性基底转变为延性机制，从而在 SiC 或 GaN 上实现镜面光洁度。先进的 LAM 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，将材料去除的均匀性维持在 ±5 nm 以内 。近期研究指出，在实施微型 LAM（micro-LAM）的某些方面应保持谨慎 。

混合激光-离子束系统通过顺序能量传递进一步扩展了能力，即先利用激光预处理修饰表面应力或氧化层，随后进行确定性的离子束抛光 。这种双模方法在毫米级孔径上实现了低于 10 nm 的形状精度，适用于光子反射镜和超导电路基底。

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触角延伸到了原子和分子领域，其材料的生长和去除受自限制表面反应支配，而非机械或能量冲击。原子层沉积（ALD）和原子层蚀刻（ALE）等方法在埃级尺度上对薄膜厚度、均匀性和成分提供了无与伦比的控制 。当与原位诊断和自适应控制集成时，它们能够重复制造出对先进电子、光电和量子器件至关重要的无缺陷层。原子层技术在厚度、成分和界面质量方面提供了卓越的控制，使其成为先进半导体、光子和量子器件不可或缺的技术 。它们的主要局限性在于较低的沉积或蚀刻速率、高工艺复杂性以及成本昂贵的设备基础设施。因此，虽然 ALD 和 ALE 在原子级界面工程中不可替代，但它们通常与速度更快、精度较低的工艺相结合，以在系统层级实现可接受的产率和经济可行性 。

原子层沉积 (ALD)

ALD 是一个循环的自限制过程，气态前驱体按顺序与基底表面反应，每个循环形成一个原子层。每个循环通常涉及前驱体 A（吸附）和前驱体 B（反应）的交替暴露，中间由惰性气体清洗隔开。这种序列确保了沉积速率由表面饱和度而非反应动力学决定，从而在复杂的 3D 几何结构上产生亚埃级的厚度精度和保形性 。

在半导体制造中，ALD 已成为 sub-10 nm 晶体管中高 κ 介电质（$HfO_2$、$Al_2O_3$）、阻挡层和栅极氧化物加工的必需品 。其低温变体（等离子体增强 ALD、空间 ALD）允许在聚合物和二维半导体等热脆弱材料上进行涂层，促进了柔性和异质电子器件的集成 。此外，与物理气相沉积（PVD）相比，ALD 生长的薄膜通常表现出优异的致密性和界面锐度，显著减少了泄漏和扩散缺陷 。

区域选择性 ALD（AS-ALD）的最新发展利用表面化学差异或局部抑制剂，实现了无需光刻的空间图案化沉积。结合光谱椭偏仪或石英晶体微天平（QCM）等原位计量手段，AS-ALD 允许实时监测每个循环的生长情况，确保以亚纳米精度实现确定性的薄膜形成（图 5a）。

原子层刻蚀 (ALE)

作为原子层沉积（ALD）的补充技术，原子层刻蚀（ALE）通过顺序进行的自限制表面改性和解吸步骤，实现了原子级的精确材料去除。通常情况下，吸附阶段（如卤化或氧化）会先改性最上层的原子层，随后通过低能离子或热活化去除这些改性后的物种 。这种方法将选择性和各向异性与随机离子轰击脱钩，从而消除了反应离子刻蚀（RIE）中常见的亚表面损伤。

ALE 已在 $Al_2O_3$、$SiO_2$ 和 III-V 族半导体等材料中展示了埃级尺度的刻蚀控制能力，为先进逻辑和存储器件提供了精确的图形转移手段 。当与时间分辨等离子体控制或离子能量调制相结合时，ALE 可以实现适用于高性能光子或量子电路的光滑且无损伤表面。目前，一些新兴的混合方案——即交替进行 ALE 和 ALD 循环——被提议用于构建具有原子级保真度的超晶格结构或界面工程异质结构（图 5b）。

集成与混合化

原子层制造的前沿在于工艺集成耦合，即将 ALD/ALE 与原位计量、数据驱动模型以及增材-减材混合工作流相结合。例如，将 ALD 与聚焦离子束（FIB）修整相结合，可以实现功能性纳米局部的沉积；而将 ALE 集成到晶圆级化学机械抛光（CMP）工作流中，则能提供无需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结合：机器学习算法现在可以预测前驱体吸附动力学和表面反应路径，从而动态优化工艺条件 。这种以数据为中心的控制范式，正推动原子层制造从经验调试转向自优化、可重复的纳米级生产。

增材与混合超精密制造

增材与混合超精密制造方法代表了材料增殖（Accretion）与受控减材的融合，能够实现具有原子到介观尺度精度的复杂三维架构。与优先考虑几何自由度的传统增材制造（AM）不同，这些技术强调微纳尺度下的尺寸确定性、表面完整性和功能集成 。通过将双光子聚合（TPP）或微激光烧结（MLS）等增材方法与超精密精加工及原位计量相融合，混合系统实现了单靠任何一种范式都无法达到的元件精度（图 6）。

虽然增材与混合超精密方法在几何复杂性和功能集成方面具有独特优势，但目前在工艺稳定性、材料质量和工业鲁棒性方面仍面临挑战。尽管它们提供了前所未有的设计自由度，并实现了“集成制造-精加工”的工作流，但其产率、可靠性和长期重复性通常滞后于更成熟的减材或平面加工路径。因此，目前这些技术的主要应用仍局限于高价值的专门化领域 。

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 (TPP) 和微激光烧结 (MLS)，已将打印分辨率扩展到了 sub-100 nm 机制。在 TPP 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诱导局部聚合 。这允许在后固化后实现体素尺寸约为 100 nm、表面粗糙度小于 10 nm 的三维自由曲面结构。掺入导电纳米颗粒、光敏聚合物或电介质填料的功能化树脂，使得直接制造微光学、微流控和电子互连结构成为可能 。

相比之下，微激光烧结在激光照射下选择性地熔化或粘结微细金属或陶瓷粉末。它产生致密、无裂纹微结构的能力，使其在 MEMS 封装、微热交换器和射频（RF）互连领域具有极高的价值 。然而，粉末均匀性、氧化和层厚控制方面的挑战依然存在。为了克服这些问题，混合系统将原位监测（如高速高温计和光学相干断层扫描）与闭环修正算法集成，实现了跨多个构建周期的重复性 。

增材-减材混合工作流

混合超精密系统在单一机器环境中结合了增材沉积与确定性减材精加工。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进行抛光或机械加工，以达到亚纳米级的表面光洁度。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诱导的热变形或残余应力 。

一种新兴的策略采用激光辅助增材沉积，随后进行离子束平滑，从而在打印后直接获得镜面级光学表面 。类似地，混合微车削结合电化学抛光已被应用于在微轴和精密连接器上实现低于 50 nm 的粗糙度 。这些集成工作流在确保整个制造阶段尺寸可追溯性的同时，显著缩短了工艺链。

原位监测与闭环修正

增材-混合 UPM 的成功在很大程度上取决于实时工艺监测。测量温度、声发射和光学反射率的嵌入式传感器为自适应反馈控制提供了数据 。在多传感器数据集上训练的机器学习模型可以预测层厚、缺陷发生和熔池动力学，使系统能够根据偏差自主调整激光功率、进给率或光束焦距 。

数字孪生 (Digital twins)——即实时更新的虚拟过程副本——越来越多地用于模拟热传递、应力积累和凝固行为，从而在缺陷物理显现之前进行预测性修正 。这些模型与高带宽控制系统的集成，正推动增材制造向自稳定超精密制造转型，即使在复杂几何形状中，尺寸偏差也能保持在 100 nm 以下 。

交叉比较与工艺选择权衡

从精密工程的角度来看，一个关键的考量是全局面形控制与局部误差修正之间的区别。尽管所有超精密制造技术都旨在实现纳米或原子级控制，但它们在可实现的精度、产率、可扩展性、成本和鲁棒性方面存在根本差异。

• 机械 UPM 提供了大面积可扩展性、鲁棒性和表面完整性的最佳组合，但在最小特征尺寸和刀具选择上受到限制。
• 束流技术（激光/离子/电子）提供了卓越的空间分辨率和材料通用性，但以牺牲产率和资本成本为代价。它们本质上不适合建立大面积面形精度。
• 原子层工艺提供了无与伦比的界面和厚度控制，但受限于极慢的加工速率。
• 增材与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相对尚不成熟 。

在实践中，没有单一技术能在所有性能指标上占据主导地位。相反，现代制造链日益依赖层级工艺集成：由高产率方法确立几何形状，由超精密工艺精炼面形和表面，最后由原子层技术完成界面和功能层。因此，最佳工艺路径不仅取决于目标精度，还受经济约束、生产规模、材料体系和系统级性能要求的支配 。

层级集成、互补性与工艺竞争

尽管超精密制造工艺常在极限分辨率或可实现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。机械工艺主导大面积面形生成和大块材料去除；束流方法提供局部的、高分辨率的修正和结构化；原子层技术交付原子级界面和厚度控制；而增材-混合方法则在统一工作流中整合了几何创建与精加工 。

因此，在实践中，这些方法主要是互补的而非竞争的。真正的竞争仅出现在特定的工艺窗口，例如表面修正时的离子束修形与超精密抛光之间，或界面制备时的 ALE 与柔性等离子体蚀刻之间。即便如此，选择仍取决于材料体系、损伤容限、尺度和经济约束，而非仅仅取决于分辨率 。现代制造路线日益采用层级化、多阶段架构，在从毫米到埃的跨尺度上协调不同的物理机制，以同时实现效率和极限精度 。

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，计量学已从一种工后验证工具演变为制造系统中集成的活性元素。当代高分辨率仪器、传感器融合和数据分析的进步，现已允许在工业条件下实现低于 1 nm 的测量精度。确定性制造与智能计量之间的相互作用，已成为在纳米级元件生产中同时实现精度和可扩展性的核心 。

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 X 射线诊断，每种技术在空间分辨率、测量带宽和环境鲁棒性之间提供了独特的权衡。

光学干涉测量

包括白光、相移和相干扫描变体，仍然是非接触式表面形貌测量的核心工具，具备亚纳米级的纵向分辨率。集成在隔振台和控温罩中的现代干涉仪，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（如解相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，实现了对光学级表面的可靠测量 。

扫描探针方法

如原子力的显微镜（AFM）和扫描隧道显微镜（STM），将计量能力扩展到了原子机制 。这些仪器能捕捉纳米级形貌、台阶高度和表面能分布，纵向分辨率接近 0.1 nm。然而，由于其扫描范围有限且产率较低，通常需要采用混合计量策略，即将 AFM 用于局部校准，而将干涉测量用于全局映射 。

对于晶体和埋层结构，X 射线计算机断层扫描（CT）和 X 射线反射率测量（XRR）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敏感度，促进了工艺参数与原子晶格畸变之间的关联研究 。通过挖掘新材料的潜力，新型传感器也正在开发中 。

原位监测系统

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

• 光学传感器（包括共聚焦显微镜和数字全息技术）在不中断工艺的情况下捕捉切削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，从而实时补偿由膨胀引起的形状误差 。

新兴机床通过边缘计算平台整合这些多传感器数据流，轻量化 AI 算法在机上执行分析。这种架构允许立即进行自适应修正（如调整刀具进给、主轴转速或冷却液流量），从而在长时间周期内维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，提供了对烧蚀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，还在于数据融合和智能解释。结合光学、力学和热学数据的多模态感知，能够全面感知制造过程的状态。通过机器学习和基于模型的算法整合这些数据流，将原始数据转化为可执行的控制信号 。

数字全息和光学相干断层扫描（OCT）可以实时重建表面轮廓，并将误差图直接反馈至 CNC 控制回路 。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）关联起来，在缺陷物理表现出来之前预测偏差。基于强化学习的控制器可以自主调节加工参数，动态平衡精度与产率 。

在系统层级，计量驱动的数字孪生同步了虚拟与物理制造状态。这些孪生体不断摄取原位测量值以完善工艺模拟，实现预见性调整，从而防范漂移或刀具退化。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）与信息物理系统的融合，正在将超精密制造（UPM）从一种基于经验调试的实践重塑为一门自适应、自主的科学。随着公差缩小到纳米尺度以下，传统的基于模型的工艺控制已不足以处理力学、热学和化学领域之间复杂的非线性相互作用。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过程。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（ML）已成为预测刀具磨损、优化表面形貌以及在 UPM 环境中减轻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 。

在光学抛光和磨削中，高斯过程回归 (GPR) 和支持向量机 (SVM) 已被用于将振动、温度和声发射等多元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）能够动态优化，将一致的表面粗糙度维持在 1 nm $Ra$ 以下。

对于增材和混合 UPM，在熔池成像和光谱数据上训练的 ML 算法可以以亚微米精度预测孔隙率、层厚和成分均匀性 。强化学习 (RL) 框架通过基于尝试的反馈不断更新控制策略，进一步扩展了这一能力。此类系统已在飞秒烧蚀过程中实现了激光功率和扫描速度的自主优化，使尺寸保真度提高了高达 40% 。

最近的发展中，物理信息神经网络 (PINN) 正在桥接数据驱动模型与分析模型，将热传递、流体力学和材料变形的控制方程纳入 ML 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 AI 应用于精密制造的核心挑战之一 。

可解释 AI 与数字孪生

虽然传统的 AI 具有强大的预测能力，但其“黑箱”性质限制了其在安全至上的制造环境中的接受度。可解释 AI (XAI) 旨在使决策透明化，确保模型输出可供工程师理解，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、刀具磨损进展或束流稳定性。通过对特征重要性进行排序并将相关性可视化，XAI 允许制造商系统性地而非凭经验改进工艺参数 。在半导体抛光和薄膜沉积中，可解释的 ML 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) 技术创建了一个与实时传感器数据同步演变的制造过程虚拟副本。这些孪生体将基于物理的仿真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 。在超精密机械加工中，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，从而在偏差累积前进行预见性修正 。

先进的数字孪生纳入了力学、热学、光学和化学现象的多物理场耦合，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（包括响应式制造系统）

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 的自主性便随之产生。这一范式超越了传统的 PID 控制器或基于规则的控制，向认知制造迈进，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、光束焦点和环境参数的实时控制。DRL 代理通过最大化长期精度指标（如最小化表面偏差或能耗）来学习最优控制策略 。在金刚石车削中，自主补偿系统现已能使用基于 ML 的估计器检测并修正纳米级的热漂移，在 8 小时的循环中维持 sub-10 nm 的形状精度 。

结合数据驱动推理与基于模型预测的自适应混合控制器，已展示出对环境扰动和材料变异性的韧性 。一旦登记新数据，这些系统就会立即重新校准其模型，从而在运行中有效地“学习”机器动力学。在增材-减材混合平台中，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 和分布式感知的集成进一步使智能去中心化，允许在机器或刀具层面进行局部决策。这种模块化自主性降低了通信延迟，并增强了生产网络的可扩展性。当与数字孪生和可解释 ML 耦合时，这些框架代表了全自主超精密制造生态系统的基础，具备人类水平的适应性和量子级的重复性 。

电子、光子、量子和 MEMS 系统的应用领域

虽然本综述的初衷是满足先进电子系统的需求，但超精密制造本质上是跨学科的，不仅支撑电子器件，还支撑光子元件、量子硬件、MEMS/NEMS 以及异质集成平台。本节讨论了涵盖半导体电子、光子学、量子器件和精密微系统的应用案例，反映了现代 UPM 真实的术影响力。

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。如图 9 所示，半导体和微电子制造代表了 UPM 最成熟且工业普及率最高的应用。晶体管尺寸从微米级到 sub-5 nm 机制的持续缩小，要求制造技术能够在平坦度、界面完整性和缺陷密度方面具备原子级控制能力。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的超精密方法已成为在晶圆尺度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) 仍然是实现半导体晶圆纳米级全局平坦化的行业标准。现代 CMP 集成了纳米颗粒工程抛光液、先进的抛光垫修整技术和实时终点检测，能够在 300 mm 晶圆上产生低于 5 nm 的表面平坦度 。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进，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。

最近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）驱动着压力和旋转轮廓的自适应控制 。通过在 CMP 工具中嵌入闭环反馈，可以动态修正由于抛光垫磨损或抛光液消耗引起的移除不均匀性，从而在多次运行中实现 ±1 nm 内的重复性。

CMP 与 ALD（原子层沉积）和 ALE（原子层刻蚀）的结合将其精度扩展到了埃级领域。交替进行的 CMP-ALD 循环被用于制造超平整的电介质-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。这种混合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 。

Sub-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分子自组装模板等技术，实现了确定性的表面和侧壁工程，从而解决了这些问题。

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 。同样，ALE 确保了具有埃级选择性的无损伤沟槽形成，保持了电介质完整性并减少了漏电流 。结合 X 射线反射率 (XRR)、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隙或分层位置。

为了解决良率和变异性问题，AI 辅助晶圆检测系统现已融合了光学散射测量、电子成像和表面形貌数据，以实时检测 sub-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来源，形成一个持续改进工艺稳定性的反馈回路。

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与键合的需求。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，以确保无空隙接触 。

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已成为实现此类键合保真度不可或缺的一部分。利用原子级力量控制的对准系统可在大型晶圆上实现 sub-50 nm 的覆盖精度。同时，ALD 阻挡层和 UPM 加工的微孔集成确保了堆叠芯片层间的机械稳定性和低电阻互连 。

光子与量子器件

光子和量子技术代表了两个迅速融合的前沿领域，它们要求在几何形状、材料成分和表面质量方面达到原子级精度。光学损耗、相位相关性和量子态稳定性对表面粗糙度、折射率变化和界面缺陷高度敏感，而每一项都直接由制造精度决定。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型

波导、谐振器和耦合器构成了现代光子电路的骨架。由传输损耗、模式限制和耦合效率定义的性能关键取决于纳米级的表面和侧壁平滑度。传统的刻蚀往往会产生粗糙度诱导的散射，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 ALD 平滑解决了这一问题，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，生产出了 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实现了用于片上光子耦合的自由曲面光学元件。这些方法提供了低于 10 nm 的形状精度和秒级的角度精度 。

量子器件制造与超导电路

在超导量子比特、陷阱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、介电损耗和磁通不稳定，限制量子比特保真度 。

UPM 实现了对超导微波谐振腔、约瑟夫森结和光子晶体谐振器的确定性制造。ALE 和等离子体辅助抛光技术已被用于生产具有亚单层平滑度的铌和铝表面，将介电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。

MEMS/NEMS 与传感器系统

微机电 (MEMS) 和纳机电 (NEMS) 系统构成了电子与机械之间的技术桥梁。这些器件的灵敏度、带宽和长期可靠性受微纳尺度下的几何均匀性、表面粗糙度和残余应力支配。UPM 在实现具有一致性能的 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磨削的超精密加工可生产出表面粗糙度低于 10 nm Ra 的尺寸精确基底和外壳，确保高机械 Q 值和稳定的边界条件 。

结构形成后，可采用 ALD 或等离子体增强化学气相沉积 (PECVD) 在微尺度结构上形成保形涂层和功能薄膜。ALD 的自限制生长行为确保了在谐振器系绳或悬臂梁等复杂几何形状上的均匀性，在这些结构中，薄膜厚度的变化可能会诱发应力梯度或频率漂移 。

超灵敏换能器与谐振器

实现 MEMS/NEMS 器件的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了贡献。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变化 。

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应力分布的一致性和高信号线性度。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 。对于谐振式 NEMS 器件，表面污染和吸附层会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已成为保持长期漂移低于 10 ppm 的标准实践 。

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，导致谐振频率偏移并降低传感器性能。UPM 技术，如激光辅助键合、表面活化键合 (SAB) 以及微研磨对准表面，能够实现具有纳米级平坦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，其热稳定性比传统封装提高了 40% 以上 。精密加工与基于 ALD 的表面密封相结合，还增强了长期的真空保持能力，减少了谐振腔内的阻尼损耗。

新兴的封装方法利用 AI 辅助对准系统和数字孪生仿真来预测键合或热循环过程中的变形和应力累积。这些预测框架确保传感器阵列保持几何一致性，并将跨轴灵敏度控制在 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了机械顺应性和多材料平台，在这些平台中，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。柔性与异质集成代表了电子和光子制造的一个变革性方向，它将不同的材料——刚性半导体、聚合物、玻璃和金属箔——合并为统一的功能系统。与传统的基于晶圆的制造不同，这些系统要求超精密对准、纳米级键合控制和保真界面工程，以在机械变形期间保持电学和光学连续性。UPM 提供了实现这种集成所需的确定性控制和自适应反馈，同时确保了在弯曲、热和动态应力下的可靠性 。

异质材料间的纳米对准与键合

热膨胀系数 (CTE) 和机械模量不匹配的材料集成在对准和键合方面带来了重大挑战。超精密系统采用具有 sub-10 nm 分辨率和干涉反馈的主动对准台，以确保组装过程中的位置精度 。

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通常用于在低于 200 °C 的温度下形成无空隙接头，在保持纳米级平坦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，可以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密能量传递与光学反馈相结合，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。该技术实现了刚性芯片在柔性聚合物基底上的单片集成，同时保留了纳米级的电学连续性 。

柔性光子与电子平台的超精密制造

柔性光子插接器、微 LED 阵列和可穿戴生物传感器要求的制造工艺必须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) 等柔性基底进行超精密机械加工，可提供低于 5 nm $Ra$ 的表面平滑度，减少光波导中的散射损耗并确保均匀的场限制 。

在电子领域，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，确定性激光烧蚀和喷墨辅助纳米颗粒打印相结合，生产出方阻低于 30 Ω/sq 且光学透过率 >90% 的透明导电网络 。

案例研究：柔性光子插接器中的超精密键合

超精密集成的一个典型例子是柔性光子插接器平台的制造，该平台通过聚合物基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、光学过孔的超精密激光微加工，以及对准公差优于 50 nm 的光子芯片对准 。

在该工作流中，干涉对准结合实时 OCT（光学相干断层扫描）确保了聚合物波导与硅光子芯片之间的精确覆盖。键合后，使用确定性抛光去除残留的错位层，实现低于 0.2 dB 的光学耦合损耗。由此产生的混合系统展示了低于 5 mm 的弯曲半径且无光学性能退化，如果没有亚纳米级的键合精度和自适应反馈控制，这是无法实现的 。

---

挑战与未来展望

UPM 的未来将不是由单一的主导技术塑造，而是由现有方法的选择性集成和巩固所决定。因此，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利基市场、以及哪些角色将逐渐转向规模化制造系统中的嵌入式或辅助功能是有益的。

UPM 在过去二十年中取得了巨大进步，但若干技术和科学障碍仍制约着其可扩展性、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重复性仍然是一项艰巨的挑战。本节批判性地审视了主要的障碍（技术、环境和系统层面），并概述了通往可持续、智能和量子信息超精密制造的新兴方向（图 10）。

技术障碍 (Technical barriers)

尽管在工具设计、工艺建模和环境控制方面取得了巨大进步，但刀具降解、热波动和工艺重复性仍然是持久的局限。金刚石刀具虽然极其坚硬，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。这种降解会引入微观形貌偏差，在长加工周期内累积成超过 10 nm 的形状误差 。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不对称的膨胀或收缩，从而造成加工零件纳米级的精度偏差。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，以实现在无需大规模环境调节的情况下的主动稳定 。

在工艺层面，跨尺度建模继续阻碍着预测控制。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（热传递、刀具动力学）的耦合挑战了直观的模拟。桥接这些尺度将需要多物理场、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 。

超精密制造的一个核心未解挑战不仅在于获得更高的精度，而在于同时实现高产能、鲁棒性和经济可行性，这被共同称为“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 驱动工艺编排的深度集成。

可持续超精密制造 (Sustainable ultra-precision manufacturing)

可持续性正成为先进制造领域的一个明确指令。传统的 UPM 工艺（如油基研磨、浆料抛光和真空等离子体系统）是能源密集型系统，并导致大量浪费。向环境友好型制造转型需要材料和工艺设计的创新。

干式或无润滑加工（通过气动轴承和低摩擦涂层实现）可以消除油污染并降低维护成本。同样，低能耗超快激光和冷消融束系统可最大限度地减少热负荷并延长组件寿命。研究人员还在探索生物来源的磨料和可回收刀具复合材料，以减少对稀土或有毒材料的依赖 。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无关键原材料 (CRM) 合金的路径 。

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跟踪。精密工程与绿色设计的协同作用，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 [155,157]。

迈向自主化与量子级精度 (Toward autonomous and quantum-level precision)

UPM 的下一个前沿在于自主、自校准系统，能够实现测量不确定度接近原子振动和量子噪声物理极限的量子级精度。这种转型需要三个赋能支柱：量子传感器、AI 驱动的自主化以及人机协作。

• 量子增强计量：基于干涉位移传感器和纠缠光子干涉仪，有望提供皮米级的位移灵敏度，比传统光学方法提高一个数量级 。
• AI 驱动的自主化：将使系统能够在无需人工干预的情况下进行自我诊断和自我修正。在数字孪生和工艺历史基础上训练的强化学习代理，将动态调整参数以维持最佳精度。
• 人机协作：在工业 5.0 的愿景下，操作员被视为战略主管而非手动控制者。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交互。

技术就绪度 (TRL) 的“死亡谷”

超精密制造的一个核心挑战是技术就绪度 (TRL) 之间的“死亡谷”：由于缺乏将其扩展到商业部署的投资，许多有前景的发现仍局限于实验室。实验室级性能与工业级可制造性之间的差距已成为关键。在受控实验条件下，许多技术表现出色，但难以同时满足高产能和工艺稳定性的要求。在实践中，工业采用往往受限于工艺漂移、设备停机、耗材成本和集成复杂性，而非极限精度 。

这在精度与生产率之间造成了根本性的脱节：FIB、ALD、扫描探针光刻 (SPL) 或 ALE 等技术提供了无与伦比的控制，但其产率水平与大多数大批量制造场景不相容。克服这一矛盾不仅需要增量式的工艺改进，还需要新的机器架构、并行化策略、AI 赋能的预测性维护，以及更紧密的数字孪生集成 。

规模化扩展的瓶颈

虽然许多 UPM 技术在实验室环境展示了亚纳米甚至原子级能力，但将其转化为晶圆级或大批量制造仍是根本挑战。主要的限制不是极限分辨率，而是难以在长持续时间、大面积上同时维持这种精度，并保持经济上的可行产率。

1. 产能与串行处理：许多最高精度的技术本质上是串行的（慢速）。除非引入大规模并行化或全新的机器架构，否则处理速率无法满足大批量生产 。
2. 长期稳定性与漂移：当工艺从几分钟延长到几小时甚至几天，纳米级的热漂移、机械蠕变和环境波动会累积成超出公差的误差 。
3. 刀具磨损与耗材退化：金刚石刀具磨损、等离子室壁调节、束流源降解都会引入非线性工艺漂移。在实验室可以频繁人工干预，但在大批量生产中这直接转化为良率损失和成本激增 。
4. 污染与缺陷累积：随着处理面积增加，再沉积和污染物的影响变得严重。在晶圆尺度，极低的缺陷密度也会限制良率。
5. 计量带宽与反馈延迟：虽然存在亚纳米测量能力，但将其嵌入高产能工具并具有足够的时空分辨率极具挑战。制造系统正日益变得“计量受限”而非“工艺受限” 。

最后，系统层级的复杂性、设备开机率以及持有成本对可扩展性构成了严峻的经济限制。许多超精密平台需要真空环境、多物理场控制、隔振系统以及极其严格的热控条件，这导致了高昂的资本支出和运营开销。在工业规模上，这些因素往往比极限精度更能主导决策制定。综合来看，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。克服这些瓶颈不仅需要工艺的增量改进，还需要机器架构的新范式、大规模并行化、AI 驱动的漂移补偿、预测性维护以及高度集成的计量技术 。

技术成熟路径与战略重点（5-10 年展望）

尽管多种超精密制造技术已展示了令人印象深刻的实验室水平能力，但它们未来的影响力将不仅取决于所能达到的极限精度，还取决于其可扩展性、鲁棒性和经济可行性。在未来 5 到 10 年内，该领域预计将经历一次整合：某些技术将成熟并演变为可广泛部署的工业平台；另一些将继续局限于利基（分众）应用；还有一些则会被吸收到混合系统中，或逐渐失去其作为独立技术的关联性 。

• 有望成熟并成为主流工业平台的技术：包括结合了原位计量和 AI 漂移补偿的先进超精密加工、增材-减材混合制造架构，以及高度集成到高通量工艺链中的原子层工艺。这些方法已经具备了部分的工业成熟度，并直接解决了稳定性、良率和重复性等核心瓶颈。预计在未来十年内，机器架构、传感器集成和闭环控制的持续进步将使这些系统变得更加自主、可靠且具备规模化能力 。
• 预计仍将保持专业化或利基市场的技术：包括聚焦离子束（FIB）和电子束（EB）加工，以及某些超快激光纳米结构化方法。尽管这些方法提供了无与伦比的柔性和分辨率，但其本质上的串行处理特性、有限的产率以及高昂的持有成本，使其在结构上不适合大批量制造。因此，它们未来的角色将集中在掩模修复、器件修整、失效分析、原型制作以及高价值、低产量的组件生产上 。
• 独立关联性可能减弱的技术：那些无法同时提高产率、稳定性和成本效益的技术，其独立地位可能会下降，转而被吸收到混合平台或多阶段工艺链中。在许多情况下，它们的物理原理将继续存在，但不再作为孤立的制造解决方案，而是作为集成制造生态系统中的嵌入式模块发挥作用 。

从研究角度来看，未来十年内最具影响力的方向预计为：

1. 层级化与混合工艺链集成；
2. 用于产率扩展的大规模并行化与新机器架构；
3. 原位、多模态计量与 AI 驱动的自校准；
4. 用于预测控制和良率管理的数字孪生 ；
5. 可持续、低碳足迹的超精密制造概念。

相比之下，如果仅在极限分辨率上进行增量改进，而没有在稳定性、可扩展性或成本效益方面取得相应进展，则不太可能转化为广泛的工业影响力（见表 1）。

结论 (Conclusions)

超精密制造（UPM）已从光学制造的利制领域演变为下一代电子、光子和量子技术的基石。通过将确定性材料去除、原子级表面工程和智能反馈控制相结合，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，机械精度、化学精度与数据驱动精度的融合，已从根本上重新定义了“可制造性”的边界。

当前的研究格局反映了一种范式转移：精度的实现不再仅仅依靠机械结构的精炼，而是源于物理建模、机器智能与自适应计量的深度融合。可解释 AI、数字孪生和量子级传感器的集成，正推动着制造模式从依赖操作员技艺的传统手工业向自主、自校准的制造生态系统转变。这种演进为纳米级制造带来了此前无法实现的重复性、可扩展性和可持续性。

未来的超精密平台将越来越多地以闭环智能系统的形式运行，能够在实时感知、预测和修正的同时，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等领域的跨学科协作。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、智能且全自主的方式，实现对原子尺度物质的确定性控制。

---

本站声明：本文转载自Nature，原标题为《Recent advances in ultra-precision manufacturing of electronic, photonic and quantum devices》。文章版权归原作者及原载媒体所有。本平台转载仅供微纳制造与半导体领域同行进行技术交流与学术探讨，不代表本平台赞同其观点或证实其内容的真实性。文中涉及的技术参数、工艺流程及行业预测仅供参考。鉴于微纳技术迭代迅速，请读者在实际科研或生产中以最新行业标准及实验数据为准。本平台不承担因使用本文内容而产生的任何直接或间接损失。如原作者认为转载行为不妥或涉及版权争议，请及时联系后台，我们将于 24 小时内删除处理。