人工智能(AI)將引發存儲器測試需求。AI發展持續升溫，深度學習(Deep learning)更是當中成長為快速的領域，改變了電腦在現實世界中觀看、傾聽與認知事物的方式，并逐漸應用于智能手機、穿戴式裝置及自動駕駛汽車等領域中?，F在已有許多芯片供應商對深度學習的興趣不斷增加，也意味著系統單芯片(SoC)對于存儲器的需求量將會大增，進而帶動存儲器測試需求。

深度學習可協助電腦理解影像、聲音和文字等數據，模仿神經網路的運算模式，以多節點、分層的運算來分析圖片上的特征，低層的節點只計算每一個像素上的黑白對比，第二層的節點則根據第一層的資料、以連續的對比來分辨線條與邊界，隨著層級愈來愈高、累積的計算資訊愈來愈復雜，就可以對圖片進行辨認與分類。

對于半導體產業而言，深度學習未來勢將應用于各領域之中，卷積神經網路(CNN)正廣泛地應用在影像與視訊辨識領域。這也意味著SoC對于存儲器的需求量將會大增，重要性也相對提升；無庸置疑地，資料量大即需要龐大的存儲器儲存空間，也為SoC之存儲器測試帶來更多挑戰。

厚翼科技指出，測試SoC主要有三種方向，分別是傳統功能測試、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行，而當SoC變得更為復雜且用到更多存儲器時，便需要更簡便且準確的存儲器測試功能。

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，以便借由結構測試方式來找出芯片在制造時所發生的潛在錯誤，使得后有愈來愈多的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，厚翼科技特別開發名為“Brains”的存儲器自我測試電路產生軟體，從整體的芯片設計切入，全自動的判讀存儲器并將其分群，讓使用者能輕易產生佳化的BIST電路，從產品設計前端大幅提升測試良率、降低測試成本。此一軟體架構可以在省面積的狀況下，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介面，以支援各式處理器。