人工智能（AI）將引發(fā)內存測試需求。AI發(fā)展持續(xù)升溫，深度學習（Deep learning）更是當中成長最為快速的領域，改變了計算機在現(xiàn)實世界中觀看、傾聽與認知事物的方式，并逐漸應用于智能型手機、穿戴式裝置及自動駕駛汽車等領域中。現(xiàn)在已有許多芯片供貨商對深度學習的興趣不斷增加，也意味著系統(tǒng)單芯片（SoC）對于內存的需求量將會大增，進而帶動內存測試需求。

深度學習可協(xié)助計算機理解影像、聲音和文字等數(shù)據(jù)，模仿神經網(wǎng)絡的運算模式，以多節(jié)點、分層的運算來分析圖片上的特征，最低層的節(jié)點只計算每一個像素上的黑白對比，第二層的節(jié)點則根據(jù)第一層的資料、以連續(xù)的對比來分辨線條與邊界，隨著層級愈來愈高、累積的計算信息愈來愈復雜，就可以對圖片進行辨認與分類。

對于半導體產業(yè)而言，深度學習未來勢將應用于各領域之中，卷積神經網(wǎng)絡（CNN）正廣泛地應用在影像與視訊辨識領域。這也意味著SoC對于內存的需求量將會大增，重要性也相對提升；無庸置疑地，數(shù)據(jù)量大即需要龐大的內存儲存空間，也為SoC之內存測試帶來更多挑戰(zhàn)。

厚翼科技指出，測試SoC主要有三種方向，分別是傳統(tǒng)功能測試、結構測試及自我測試（BIST）。功能測試只能由一組測試機臺單獨執(zhí)行，而當SoC變得更為復雜且用到更多內存時，便需要更簡便且準確的內存測試功能。

由于擔心未來測試機臺的效能及成本增加，半導體廠商開始加入更多的掃描路徑到設計中，以便藉由結構測試方式來找出芯片在制造時所發(fā)生的潛在錯誤，使得最后有愈來愈多的BIST與SoC設計整合。

然而，BIST雖可成功降低產品不良率（DPPM）及公司成本，但同時也會影響芯片效能。對此，厚翼科技特別開發(fā)名為「Brains」的內存自我測試電路產生軟件，從整體的芯片設計切入，全自動的判讀內存并將其分群，讓使用者能輕易產生優(yōu)化的BIST電路，從產品設計前端大幅提升測試良率、降低測試成本。此一軟件架構可以在最省面積的狀況下，同時又不造成效能上的損失作處理。對于日新月異的處理器，可提供直接彈性調配的接口，以支持各式處理器。