从达摩院十大科技趋势看芯片产业的三大变革

2020-02-02 投稿人 : www.gay9991.cn 围观 : 1409 次

传统平面晶体管与3D场效应晶体管的比较

根据目前的发展趋势,芯片技术正接近物理极限进入5纳米。为了进一步发展,必须从根本上进行变革。

相关性分析表明,虽然鳍状场效应晶体管(FinFET)的出现解决了20纳米工艺下的泄漏问题,但由于鳍状场效应晶体管是3D结构,它带来了散热问题。这意味着如果我们进一步减小FinFET的晶体管尺寸,不仅泄漏问题将继续发生,而且自加热和阈值平坦化的问题也将发生。因此,探索新材料已成为行业共识。这也是三星今年5月在晶圆制造论坛上宣布砷化镓(四周栅极)被选为3纳米下一代晶体管的原因。

值得一提的是,除了硅材料之外,砷化镓晶体管还可以使用铟镓砷(InGaAs)和锗纳米线等材料,这可以使晶体管中的电子移动得更好。

GAA和FinFET

TSMC之间的比较也表明,包括黑磷、硫化钼、硫化钨和铋在内的新型二维材料体系由于其范德华键以及电子结构特征与原子层数或尺度和形貌之间的密切关联,将在3纳米以下的集成技术中发挥重要作用。

此外,在材料方面,-族材料也可以取代传统的硅作为晶体管的沟道材料,以提高晶体管的速度。因为一些研究表明砷化铟镓(InGaAs)、砷化镓(GaAs)和砷化铟(InAs)与鳍状场效应晶体管(FinFET)和砷化镓场效应晶体管(GAAFET)的集成在较小的节点上表现出优异的性能。然而,铁电材料和其他介电材料的引入可以实现超陡峭的亚阈值斜率,以降低晶体管的能量消耗。钴也可以代替钨和铜作为互连线,以提高稳定性和降低信号延迟。

虽然下一代晶体管的材料选择尚未最终确定,但使用新材料制造内核是不可逆转的趋势。

对计算能力需求的快速增长推动了芯片架构的变革

人工智能在工业界、大学和研究界的共同推动下,走出了实验室,进入了大众的生活。然而,另一方面,人工智能的普及也给芯片性能带来了挑战。OpenAI发布的一份分析报告称,从2012年起,用于人工智能训练的计算量呈指数级增长,平均每3.43个月翻一番,这意味着从2012年到现在,计算量扩大了30万倍,触及了传统冯诺伊曼架构的上限。

冯诺依曼架构图

所谓的“冯诺依曼瓶颈”是冯诺依曼架构本身带来的一些限制。如上图所示,冯诺依曼架构的明显特征是将中央处理器与内存分开。计算单元从存储器中读取数据,然后将结果存储回存储器中。然而,当这种架构首次构建时,假设CPU和内存速度相近,但后来的发展是,CPU的性能提升速度远远超过内存的性能提升,这在二者之间创造了一堵“内存墙”。

dharma institute明确提到了新架构的方向,即类似脑神经结构的集成计算和存储架构,它集成了数据存储单元和计算单元,减少了数据传输,大大提高了计算效率。

图灵奖获得者、加州大学伯克利分校计算机科学教授大卫帕特森(DavidPatterson)也表示:“随着摩尔定律的终结,获得更快性能计算机的唯一途径是改进计算机或‘架构’的设计。未来5到10年将出现一个计算机架构的黄金时代。”

针对达摩研究所提到的趋势预测,复旦大学微电子研究所的韩军教授表示,传统建筑的缺陷在需要处理人工智能等海量数据的应用中最为明显。芯片计算能力完全受限于内存访问带宽。与此同时,由于计算和存储之间的高带宽数据流,整体功耗飙升。整合数据存储和计算是解决这一难题的重要途径。

尹守一教授,清华大学的长期员工

但是这种结构实际上经历了几十年的进化。回到几十年前,约翰巴科斯提出用没有存储和地址寄存器的架构模型应用机器来解决存储问题。尽管这还没有成为问题的答案,但它已经促使业界开始探索克服冯诺依曼瓶颈的方法。从多级存储架构、新兴存储、更大带宽、3D封装和邻近计算,到将计算放入存储的现代“内存计算”。作为一种类似人脑的模型,后者可以集成数据单元和存储单元,这不仅减少了数据处理,而且大大提高了计算并行性和能效。

In-memory Computing Architecture

由于其诸多优点,In-memory Computing近年来受到业界的极大关注。例如,TSMC正在推广基于ReRAM的内存计算、小发猫的相变内存计算、赢得软银投资的Mythic闪存计划,以及本地专有技术和闪存十亿,这些也是该领域的新玩家。人工智能完全点燃了内存计算的热情。

诚然,随着技术的成熟和应用需求的满足,集成计算和存储的芯片将会更快地落地。

行业的演进催生了新的芯片设计方法

在集成电路行业,随着应用市场的变化,新架构和新材料的推广无疑是解决相关问题的根源。然而,过去的经验表明,这些根本变化不可能在一夜之间实现。这使得在现有条件下进行一些新的改变以满足当前的多重需求变得尤为重要。

如今的系统制造商正涌入芯片行业和物联网的兴起,推动该行业做出相应的改变。

事实上,回顾集成电路的发展,它来自于集成电路的最初发展。起初,几乎每个大制造商都有自己的芯片设计团队和工厂。然而,随着芯片技术的演进,以TSMC为代表的晶圆代工公司的出现以及大量芯片设计公司的出现,原本拥有自己芯片公司的系统工厂开始拆分其相关业务,这为目前芯片设计公司、TSMC生产公司和应用公司使用芯片的模式奠定了基础。

然而,近年来,随着Arm、知识产权厂商、EDA软件和代理工厂以及系统工厂为了创造差异化芯片的发展和成熟,再加上物联网的普及,整个技术产业已经开始走上“复古”之路。以苹果、华为、三星和阿里巴巴为代表的大量系统制造商已经开始涉足芯片设计。加上物联网的巨大吸引力,许多制造商希望能够快速制造出合适的芯片。

Dharma Academy提到,未来芯片不仅要解决计算力的问题,还要满足AIoT场景下快速迭代和定制设计的需求。这将导致一种全新的芯片设计方法。基于小芯片的模块化设计方法可以取代传统的购买知识产权设计芯片的方式,使芯片设计和积木一样快。

Chiplet是源自DARPA芯片(常见异构集成和知识产权重用策略)的可重用设计技术,旨在以高灵活性、高性能和低成本实现硅片重用。正是在设计芯片之前,预先准备了一些可以实现数据存储、计算、信号处理和数据流管理等功能的特定模块,然后通过先进的封装技术将这些模块像积木一样集成在一起,构建SoC。

有了这项技术,SoC不仅可以在集成过程中选择不同流程节点的模块,而且在架构和业务模型上也有更大的灵活性。更重要的是,对于芯片开发人员来说,小芯片的出现降低了他们的进入门槛,加速了他们的设计,因为以上模块都经过了验证,从而消除了他们的许多流程。

这意味着开发芯片的大企业和使用芯片的小企业之间的壁垒将被打破,任何企业都可以设计自己的专用芯片。这背后是市场需求的变化。尹守一认为,“传统的芯片设计产业模式旨在追求数量大、范围广。在未来,小步骤、试错和快速迭代将是核心需求

据悉,AMD的EPYC处理器已经使用了这一技术,包括英特尔、希林克斯和Crew Brother等芯片设计公司,以及TSMC等晶圆生产工厂也在增加投资。当然,作为一种快速发展的新技术,小芯片还需要面对各种挑战,如不同模块间互连标准化不一致、电子设计自动化工具不完善、可制造性和可测试性等。

除了小芯片,芯片行业在过去的两年里拥有全球技术RISC-V。达摩研究所认为,RISC-V开源指令集及其相应的开源SoC芯片设计、凿子代表的高级抽象硬件描述语言以及基于知识产权的模块化模板芯片设计方法正在推动芯片敏捷设计方法和开源芯片生态的快速发展,越来越多的芯片企业开始尝试设计开源硬件架构。

半导体行业几十年来经历了几轮变革,现在已经到达一个新的节点。新材料、新结构和新设计方法的集体出现正在利用整个产业链的变化。虽然未来总是充满不确定性,但从达摩学院2020年的十大科技趋势中,我们已经可以看到新十年科技产业的发展方向。

返回搜狐查看更多信息