最近的一則新聞把一個原本在學術界的詞匯——“后摩爾”拉升到了公眾視野。什么是“后摩爾”？為什么“后摩爾”要提升到國家戰略程度？“后摩爾”技術包含哪些？本期矽說小編就來談一談我眼中的后摩爾，因為一直欠著大家一篇ISSCC 2021的review，正好有機會借著這個話題來一起討論下。
先插一個硬廣：第三屆華人芯片設計技術研討會（ICAC 2021）明天就要在深圳開幕了，屆時將網羅今年在ISSCC 2021上發表論文的大部分作者與報告，不出國門、不倒時差的ISSCC體驗就在5.20，千萬不要錯過。
接下來開始正文——
后摩爾定義：尺寸微縮的邊際效應遞減
歷史上的摩爾定律，一般分為兩個階段，第一個階段是從Gordon Moore提出摩爾定律開始，到2000年前后，這個階段一般稱為 Full Scaling或者恒定電場微縮階段，這個階段的摩爾定律是溫馨且甜蜜的童話，所有的性能指標都微縮，單位面積上的發熱量保持不變。PPA（Power/Performance/Area），無論哪個都在有條不紊提升。也正是這個時期開始，芯片廠商們意識到，押注摩爾定律穩賺不賠，就像投資北上廣深的房價。
然而好景不長，由于晶體管的閾值電壓在到100nm以后幾乎無法下降，Full scale的摩爾定律遇到了阻礙。于是一種新的摩爾定律產生——我們一般稱為恒定電壓微縮。雖然尺寸還在變小，速度還在變快，但是恒定電壓微縮下，單位面積下的發熱量是隨微縮節點平方率上升。換言之，這樣的摩爾定律一定帶來芯片發熱的爆炸。如果我們芯片充分利用微縮帶來益處，小小芯片很可能其發熱密度能趕上核電站甚至是火箭推進器。
問題來了，20nm以下的工藝發展，且不論能否造出來，假設CMOS器件制造無礙，能否繼續享受摩爾定律器件微縮帶來的芯片性能的上升紅利？由于發熱宛如小火爐現象，實際摩爾定律發展邊際效應已然遞減。而且，更現實的問題是設計成本。20nm以下的工藝采用FinFET/GAA等立體結構，無論數字還是模擬電路，設計難度指數級上升，設計成本更是讓一般的芯片公司望洋興嘆。一顆5nm SoC的設計成本是28nm的10倍之多。相比之下，帶來性能躍遷只有2、3倍。從經濟的角度，除了少部分出貨量超過100KK的芯片，大部分芯片的微縮已經停滯在了28nm節點上下。當然，這種停滯還可能源于某些國際政治的因素。比如某西方大國不讓我們的某實力大廠在某島的代工廠上流14nm以下的工藝等。還有就是，2nm以下的芯片能不能造出來，大家也沒啥譜。畢竟已經是十幾個原子的事情了，現在基于量子力學的半導體物理理論管不管用還兩說呢。
總而言之，所謂“后摩爾”指的就是當摩爾定律對于大部分芯片設計公司來說已經停滯時，有沒有什么顛覆性技術可以讓芯片在沒有尺寸微縮的前提下繼續保持PPA的提升。
簡單而言，可以從器件、架構、集成方法的角度來討論后摩爾的關鍵技術。
后摩爾器件：CMOS工藝的百尺竿頭
既然CMOS器件在先進節點已經如此掙扎，那“后摩爾”時期，是否可以找一些能和CMOS工藝的兼容的新器件代替傳統的MOS器件呢？這一想法的率先在存儲器中完成落地。
ISSCC 2021中，中科院微電子所在14nm FinFET工藝節點上，用憶阻器實現的阻變RAM（ReRAM）代替了傳統的基于Flash 浮柵MOS管。在CMOS兼容的工藝里，采用新原理器件實現了FinFet工藝的非易失存儲。相比之下，Flash工藝在28nm，甚至40nm就已經達到了工藝微縮的極限。
不僅用于存儲，由于ReRAM的器件具有電阻特性，與電流、電壓可通過歐姆定律、基爾霍夫定律實現乘和累加的物理關系，因此可被廣泛用于并行模擬計算電路中，這種電路也被稱為存算一體。ISSCC 2021中，臺灣清華大學通過數模混合的計算電路，首次基于ReRAM的實現8位的存算一體電路，且能效保持在11TOPS/W。其電路模塊結構如下所示：
后摩爾架構：算法與電路的緊耦合契機
除了器件本身，“后摩爾”的另一潛力的來源是其專用性。傳統的通用電路性能飽和，所以這兩年“領域專用”的設計如火如荼。ISSCC自然也不能缺席。特別是在人工智能芯片領域。目前AI算法發展速度是每3.4個月算力翻倍，而摩爾定律最快也得1.5年單位面積上的尺寸翻倍。若要能稍稍趕上這一發展速度，就得聯合算法尋找新的契機。
在ISSCC的AI芯片Session中，幾乎所有芯片設計都緊緊擁抱了算法，基于協同設計催化出更好的性能。例如，IBM提出的基于混合8位浮點的AI訓練芯片。通過自定義FP8的數據格式，完成訓練。精度上，和標準32位浮點的訓練精度相差不超過1%，同時功耗又能保持在3TOPS/W以上，避免GPU百瓦級的耗電與發熱。
還有清華大學在ISSCC 2021報告的兩篇存算一體SoC的論文。
第一篇通過利用傳統Cache一致性機制中的Set Associative技術，存算一體系統芯片中的再發明，完成了對稀疏輸入的高效讀寫與計算，用更小的硬件代價完成更大規模的計算。
第二篇通過利用In-tensor decomposition train算法將最占據存儲空間的神經網絡權重最大的三維卷積核 分解為多個小向量的乘積，通過僅存儲這些小向量的方式，結合量化和稀疏性優化實現高性能片上存儲空間。
可見，上述方法的性能提升及其背后的新架構探索，都不適用于通用計算，但是通過算法與電路的更緊密結合，突破目前“摩爾時期”通用模塊的性能瓶頸的效果顯著。
后摩爾集成：3D視角重新定義芯片與互聯
摩爾定律的“初心”判斷標準是單位面積上的晶體管數量的增長速度。在過去的很多年里，摩爾定律關心的都是二維平面上CMOS器件的尺寸微縮。但在后摩爾時代，如果二維的增長飽和了，為什么不考慮三維呢？ISSCC 2021上有多篇從3D視角切入的芯片可以提供討論。
首先是來自Sony的智能CIS傳感芯片。由于人工智能應用的興起，進傳感器側的AI芯片一直是CIS領域的熱門話題。Sony通過三維封裝與Cu-Cu互聯，將一個CMOS圖像傳感器陣列與模擬前端、AI芯片集成在一個封裝內。利用Cu-Cu互聯高帶寬避免了額外的傳感器與處理器數據通信瓶頸。
此外，三維封裝的另一個火熱話題是Chiplet。雖然ISSCC 2021的論文中未有太多的Chiplet paper，但是在forum上，也披露了不少已發表的Chiplet高性能處理器的設計細節。
比如AMD 二代EPYC架構服務器處理器芯片中基于Chiplet、無源連接基板和有源硅互聯芯片的協同設計方法，闡述了其從芯片級到板級到系統級的考慮。
還有Nvidia的Chiplet多AI加速器MCM集成芯片，進一步討論了其互聯與軟件部署算法的系統設計考慮。這種場景下，芯片的設計視角需要跳脫單芯片的局部優化，而走向超大規模算力集成下的軟硬件協同優化。有可能，我們即將來到一個3D封裝重新定義單芯片的新格局。
在這一背景下，大廠們也開始積極布局面向Die-to-Die的互聯電路，Wireline session中Samsung、Cadence都有高性能片間互聯的新電路設計。但目前為止，還是經典的Serdes的高能效設計，能否有顛覆性技術出現讓我們拭目以待。
其實還有很多ISSCC 的好paper難以窮舉，你眼中的后摩爾技術還有什么呢？
