高温老化后启动失败 · 数据保持 量产排查

编制日期 2026-09-21 ｜ 版本号 Rev 1.0

XTX 芯天下 · FAE 现场技术文档 ｜ NAND / NOR Flash 高温老化（HTOL / HTSL / HTRB）后启动失败与保持力 ｜ 2026-09 版

一句话结论：高温老化（HTOL / HTSL）后启动失败，根因绝大多数是 数据保持力衰减——浮栅电荷随时间流失，使编程态电压落入读判决窗口之外， Boot 区或关键数据读不出 / ECC 纠不回。判定的第一动作永远是「老化前后读回比对」： dump 一致就转查板级（虚焊 / 电源 / 复位），dump 变了才按保持力方向定位与拦截。

这份文档解决什么

解决的是NAND / NOR Flash 经历高温老化、回流或长期存储后，上电启动失败、关键数据读错或 ECC 不可纠 这一类问题的定位与根治方法。覆盖 SPI NOR / SPI NAND / PPI NAND / SD NAND / eMMC 上电启动依赖的存储保持力场景。 全文按「机制 → 总流程 → 六类失效模式 → 速查 → 防复发 → 结案」组织，第 9 章可直接翻查，第 10 章是可直接落地的参数卡与抽检 SOP。

怎么用这份文档

1. 先定性：老化前后读回比对。保留老化前镜像 dump 与哈希，失效后重新读回，差异分布（bit / 页 / 区）决定方向。
2. 用第 2 章总流程收敛：先区分「板级问题」还是「保持力问题」，再判是老化失败还是工艺缺陷（浴盆曲线 + 加速模型）。
3. 按失效画像翻对应类目：启动失败看第 3 章、ECC 不可纠看第 4 章、坏块看第 5 章、读干扰看第 6 章、retention 失效看第 7 章、Vth 漂移看第 8 章。
4. 一次只改一个变量：升温条件、保持时长、ECC 强度、关键区多副本、spare 预留，每次只动一处重新验证。
5. 用装板实启闭环：任何对策的最终判定，以「老化后装板跑通完整启动 + 关键功能 + 一次断电重启」为准。

1. 问题本质：数据保持力的物理基础

「老化后不启」这句话在现场被用得太泛。它可能是板级虚焊、电源热漂、复位不稳， 也可能是 Flash 里存的数据真的变了。本章先把现象还原成物理机制：讲清 Flash 是怎么「记住」数据的、 为什么高温会让它「忘记」、以及数据保持力失效会以哪几种形式暴露出来。 把机制讲清楚，后面六章的排查动作才有锚点。

1.1 闪存是靠「浮栅里的电荷」记事

无论是 NOR 还是 NAND，基本存储单元的本质都是一颗浮栅晶体管：在控制栅与衬底之间夹了一层 被氧化层包围、与外界绝缘的浮栅（Floating Gate）。往浮栅里注入电子 = 编程态（高阈值电压 Vth）， 把电子放掉 = 擦除态（低 Vth）。主控读一个 bit，实际是量这个点位的 Vth 落在判决窗口的哪一侧。 数据能不能长期保持，取决于浮栅里的电子能在氧化层包围下待多久。

1.2 三类电荷流失机制

图 1 右下面板把高温老化后保持力失效的物理机制拆成三类，它们常常叠加发生：

1.3 老化测试标准家族（先对齐术语）

「高温老化」在产线上常被笼统叫成 bake / burn-in，但可靠性测试里它们是几份不同的 JEDEC 标准， 应力条件与要暴露的失效完全不同。先对齐术语，后面才不会把「没加偏压的存储老化」和「加偏压的寿命试验」混为一谈。

1.4 失效是怎么「长」出来的

电荷流失不是开关式的，而是一个随时间连续累积、随温度指数加速的过程：刚老化完可能还能读， 放几天后逐渐越过 ECC 边界，再后来越过读判决窗口。这也是为什么很多「老化后不启」在现场表现为 偶发、时好时坏、随放置时间恶化——它处在失效的边缘带。理解这一点，才不会把第一次上电「侥幸成功」 误判为已解决。

2. 方案总览：故障定位总流程

前面把物理机制讲清了，这一章给一张可直接照做的总流程图和一张 「老化失败 vs 工艺缺陷」对比表。现场最贵的错误，是在没做读回比对的情况下就凭直觉换料号， 或反过来把真正的工艺缺陷当成老化放过。把总流程跑通，后面六章只是在某一分支里做细分。

2.1 故障定位总流程

整张图只有一条主干：先定性（读回比对）→ 再分叉（板级 / 保持力）→ 再细分（老化 / 工艺）→ 落到类目。 其中「读回比对」是承上启下的唯一硬动作，没有它后面全是在猜。

2.2 老化失败 vs 工艺缺陷：怎么区分

这两类看上去都是「老化后坏了」，但根因、拦截手段、责任归属完全不同。 老化失败是器件在加速应力下走到了寿命边缘（wear-out 区），工艺缺陷是少数早期失效（infant mortality 区）。 区分靠失效率曲线、与应力的单调关系、以及失效分布的集中度。

2.3 六类失效模式在流程里的落点

总流程走到「保持力问题」之后，按下面这张映射直接翻到对应章节。每一类都给了一个决定性判据， 用它快速证伪其余几类，比把六章全读一遍快得多。

3. 第 1 类：启动失败（Boot 区读不出）

六类里最高发、也最容易被误判的一类。主控上电后第一件事就是从 Boot 介质读启动镜像， 这段数据一旦因电荷流失而翻转，主控要么校验失败放弃启动、要么跳到错误地址卡死。 它的表象和「板级虚焊 / 电源不稳」几乎一样，所以必须用读回比对把它和板级问题切开。

3.1 机制：Boot 区是保持力最敏感的地方

Boot 区通常写在固定的低地址扇区，且长期不被刷新——它从烧录完成到上电启动之间， 可能经历回流、高温老化、产线搁置数月。这段静止期正好是电荷流失的窗口。 更糟的是 Boot 区一旦出错，主控完全没有兜底（不像用户数据可以重传），所以「读不出」直接等于「起不来」。

3.2 怎么判定是这一类

用第 2 章总流程的「读回比对」落在这里的具体判据：

3.3 立即动作（装板现场五分钟）

1. 重读确认：同板多次上电，看是「每次都失败」还是「偶发」——偶发说明处在失效边缘带（margin 不足）。
2. 读回 dump 比对：用烧录器 / 主控把整片读回，和老化前哈希比对，定位差异是否落在 Boot 区。
3. 看 ECC / 校验状态：读返回的是 ECC_FAIL 还是「校验通过但内容错」——后者说明还不到 ECC 边界，是判决窗口问题。
4. 同批对照：拿一片未老化的同批样品读回，确认未老化时一致，坐实是老化导致。
5. 隔离批次：先隔离该批次，不要继续上线，等根因与余量评估完成。

3.4 根治动作

4. 第 2 类：ECC 不可纠错（charge loss 超过 ECC 能力）

ECC 是闪存对抗位错的最后一道防线，但它有上限。常温下写入时校验通过的页， 随电荷流失，单页 bit 错误数缓慢上升；一旦超过 ECC 设计纠错能力，读操作就会返回 ECC_FAIL—— 数据「在但读不出」。这一类在多次回流、长期高温存储的批次上最典型。

4.1 机制：错误率随老化单调爬升，越过 ECC 边界即失败

可以把它想成一条随时间上升的曲线（ECC 关口）： 单页 bit 错误数(t) ≈ 初始错误 + charge_loss_rate · t。 当这条曲线穿过 ECC 设计上限，页从「可纠」变「不可纠」。老化把这条曲线的斜率放大了数倍 （Arrhenius 加速），所以很多页在加速应力后集中越界。

4.2 BCH vs LDPC：老化后的纠错能力差异

这是选型与参数设计时要算清楚的一笔账。两类 ECC 的纠错哲学不同： BCH 是硬判决（只看 0/1），强度固定、开销小，适合 NOR 与中低密度 NAND； LDPC 是软判决（用置信度），纠错能力强很多，是当代 TLC/QLC NAND 的标配， 代价是解码复杂度与延时。

4.3 ECC 强度设计与保留余量

ECC 强度（每多少字节能纠多少 bit）不是越大越好——它吃掉 spare 区、拖慢读写。 正确做法是按老化后的预期错误率留余量，而不是按常温设计：

4.4 判定与动作