在戰爭、氣候變化、人口老齡化和供應鏈中斷等嚴重全球危機的背景下，加上對更好的流動性、可靠的能源、醫療保健的需求，半導體在世界舞臺上發揮的作用從未如此重要。在今年的五月imec舉辦的ITF World會議上，來自全球領先公司的高管也分享了他們對半導體未來發展的觀點。

　　于本文中，我們總結了他們對半導體行業未來幾年的主要趨勢、挑戰和可能的解決方案的見解。

　　越來越多的數據

　　使用半導體的驅動因素有很多——云計算、5G、物聯網、汽車、移動、AR/VR、手機等——就在去年，還有生成人工智能和 ChatGBT。

　　人們普遍認為，到 2030 年，半導體市場將達到 1 萬億美元，幾乎是目前的兩倍。為了實現這一目標，在美國（《CHIPS 法案》）、歐洲、日本、韓國和中國等政府的推動下，數十億美元的激勵措施成立，在去年還宣布了將投資數十億美元投資新工廠和研究中心。目前正在努力提供所需的勞動力。

　　了解半導體需求最有用的方法之一是生成的數據量，當然必須收集、分析這些數據并采取行動。“每年產生的數據量呈爆炸式增長，”三星電子設備解決方案業務部的公司總裁兼首席技術官Jaihyuk Song說。““它是太空科學家目前估計的整個宇宙恒星數量的兩倍半以上。”

　　圖 1 和圖 2 說明了這一趨勢。

　　AMD 執行副總裁和CTO Matk Papermaster 指出，如果我們保持相同的步伐，超級計算機安裝所需的電力將接近核電站的電力（圖 3）。“這是一個非常可怕的數據點，它真正告訴你的是我們正在達到能源消耗的絕對極限，”他說。

　　為此，他提出了一個新的解決方案：改變計算方式，讓內存更接近CPU，以及新的更節能的芯片設計和架構。“將采取整體方法來彎曲曲線，以便能夠提高我們的能源效率，”Pa permaster 說。“我們必須擴大整個堆棧的合作范圍和更多的協同設計優化......并真正推動系統級實施。我們必須以不同的方式思考，并真正利用創新。如果你看看我們一直以來的設計方式——專注于孤島，然后將各個部分組合在一起——這根本無法改變曲線，”他說。

　　人工智能注定會使問題變得更糟。Papermaster 表示：“人工智能擁有大型語言模型和訓練所需的能源，實際上會提高能源消耗的速度和速度。”他指出，今天使用了數十億個參數來訓練 ChatGBT3 等模型，但它現在正在走向數萬億個參數。”

　　人工智能的爆炸式增長

　　Imec CEO則Van den Hove 表示，生成式人工智能的快速增長由以下三個主要因素推動：人工智能模型的進步、大量數據的訪問以及計算能力的大幅提高。“人工智能的計算需求確實呈爆炸式增長，而我們才剛剛開始，”他說。“為了以可持續的方式產生所需的計算能力，我們將需要性能大幅提高的設備和系統。”

　　英偉達的黃仁勛也指出，在過去的十年里，深度學習的規模增長了一百萬倍。“然后，ChatGPT 出現了……人工智能傳遍了世界，”他說。“ChatGPT 是一種生成式預訓練 Transformer，是一個大型語言模型，擁有數千億個參數，經過數萬億個單詞和句子的訓練。它已經學會了人類語言的表示并可以生成文本。ChatGPT 因其易用性和令人難以置信的功能而具有革命性。這是對理解任何編程語言并執行廣泛任務的計算機未來的一瞥。”

　　黃仁勛進一步指出，已經有超過一千家生成式人工智能初創公司正在發明新的應用程序。例如，Tabnine 是一個上下文代碼助手，可以幫助完成代碼行或根據提示描述生成整個函數。它可以使用多種流行語言進行編程，從 JavaScript 和 Python 到 Rust、GO 和 BASH。

　　Runway 使用生成式人工智能來創建和編輯圖像和視頻。其制作質量令人印象深刻，以至于多部奧斯卡提名電影都使用了它。借助 Runway 的生成式人工智能，任何人都可以通過圖片和視頻講述故事。

　　Insilico Medicine 使用生成式人工智能技術，每次只需三分之一的時間就能創造出一種候選藥物，而成本僅為傳統方法的十分之一，而傳統方法通常需要四年多的時間，成本約為 5 億美元。Insilico Medicine 被 20 多家制藥公司使用。

　　“感知人工智能的市場影響已經很大，”黃仁勛說。“生成式人工智能的影響將會更大。卓越的易用性使 ChatGPT 在短短幾個月內就覆蓋了超過 1 億用戶，使其成為歷史上增長最快的應用程序。” 他表示，生成式人工智能將能夠理解和增強各種形式的信息，“從人類語言、音樂、圖片、視頻和 3D 到基因、蛋白質和化學物質”。他進一步支持，2 億個網站上的內容將由人工智能進行個性化和生成，數十億個客戶服務電話將由人工智能實現自動化。生成式人工智能還將幫助 2500 萬軟件開發人員和數億創作者。

　　人工智能的下一波浪潮是什么？在黃仁勛看來，答案是“Embodied AI”，指的是能夠理解、推理并與物理世界交互的智能系統。例子包括機器人、自動駕駛汽車，甚至是因為了解物理世界而變得更聰明的聊天機器人。

　　汽車提出更多的要求

　　汽車應用是半導體技術的另一個熱門驅動因素，包括電動汽車 (EV) 和自動駕駛。除了先進的電池管理系統之外，未來的汽車還需要下一代傳感技術，結合多個多光譜攝像頭和多個雷達，包括短程和遠程雷達。“所有這些傳感器都會產生令人難以置信的大量數據，”Van den hove說。“為了處理這個問題，我們的汽車將需要全新的計算架構，在強大的集中式電子控制單元上運行大量人工智能。當從當前的 ADA 系統發展到不斷提高的自動駕駛水平時，所需的計算能力呈指數級增長。汽車中的電子控制單元實際上正在迅速發展到曾經的超級計算機性能水平，”他說。

　　他補充說，雖然汽車中的半導體含量將大幅增加，導致半導體需求不斷增長，但全球生產的汽車總數并沒有顯著增加。“在芯片上設計這些極其昂貴的計算系統并針對高端和低端市場等特定市場以靈活的方式對其進行優化確實并不明顯，”他說。“因此，我們需要優化這些計算架構，同時考慮靈活性、復雜性、能源效率和可承受性。”

　　在這方面引起人們興趣的一種方法是基于Chiplet的設計，其中設計被分解為更小的硅chiplet，這些chiplet使用先進的異構集成技術融合在一起。“使用chiplet，ECU 可以以更靈活的方式配置，允許高端或低端配置，而無需重新設計整個芯片。由于芯片會更小，它將允許重復使用 IP，它將提供更好的產量和可靠性，這對汽車行業至關重要，”Van den hove 說。

　　摩爾定律、2D縮放、3D堆疊和chiplet

　　幾十年來，半導體行業一直享受著摩爾定律所定義的二維縮放的好處。隨著這種類型的擴展速度放緩，芯片堆疊和chiplet等替代方法正在發揮作用。“我們相信傳統意義上的摩爾定律仍然至關重要。事實上，通過減小單個晶體管的尺寸來進行基于特征的縮放仍然是唯一能夠提供真正指數級復雜性增長的技術之一。”Van den hove 說道。

　　他展示了imec未來十年的路線圖（圖4），其中包括繼續使用2D縮放以及forksheet晶體管和complementary FET (CFET)等新技術。在 CFET 架構中，n 和 pMOS 器件相互堆疊，從而進一步最大化有效溝道寬度。“通過結合基于光刻的縮放和引入新的互連方案、新材料和新器件架構（例如 CFET 器件技術），我們可以實現更多代的持續縮放。”Van den hove 說道。

　　他還談到了可能難以逾越的“墻”。電源墻（其中擴展每個晶體管的功耗變得越來越困難）和內存墻（由 CPU 需要來自基于 SRAM 的緩存或 DRAM 的數據的時間與它可以訪問數據的時刻之間的延遲定義）。“由于人工智能工作量很大，有效地將數據傳入和傳出我們的處理器變得越來越困難。

　　事實上，對于高性能計算機中的特定 AI 工作負載，在某些情況下，處理器僅在不到 3% 的時間內處于活動狀態，”他說。“大多數時候他們實際上是在等待數據，因此我們需要重新考慮內存系統架構。”

　　Imec 還確定了另外三堵墻：

　　縮放墻：純光刻技術啟用的縮放速度正在減慢。由于微芯片和晶體管的單個結構正在接近原子大小，量子效應開始干擾微芯片的運行，因此這變得越來越困難。

　　可持續發展墻：半導體器件的制造會增加環境足跡，包括溫室氣體和水、自然資源和電力消耗。

　　成本墻：顯然，隨著復雜性的增加，芯片制造成本以及設計和工藝開發的成本可能會呈爆炸式增長。

　　Van den hove 表示，該行業將需要廣泛的技術選擇組合，以實現特定的技術組合，以滿足特定的工作負載和系統要求。“內插器芯片和微型硅橋內插器將允許在多個核心處理器chiplet和 3D DRAM 存儲器之間實現非常快速的連接，”他說。

　　Van den hove 表示，該行業將需要廣泛的技術選擇組合，以實現特定的技術組合，以滿足特定的工作負載和系統要求。“Interposer 芯片和tiny silicon bridge interposers將允許在多個核心處理器chiplet和 3D DRAM 存儲器之間實現非常快速的連接，”他說。

　　如今，DRAM 存儲器通常構建為 3D 層堆棧，而核心處理器chiplet則使用單個芯片（單片 2D 芯片系統）制造。“實現異構集成的下一個方法是將先進的 2D 處理器芯片構建為 3D 層堆棧，將功能劃分為多個層。這可以通過使用先進的晶圓堆疊技術來完成，例如使用硅通孔技術、銅對銅混合鍵合，從而在邏輯層和內存緩存層之間實現非常高密度的互連，”Van den hove 說。圖 5 說明了這在實踐中的情況。

　　“我們相信，這將是比我們認為可能的更進一步擴展摩爾定律的方法之一。我們將此路線圖稱為 CMOS2.0，通過使用 3D 堆疊實現進一步的 2D 縮放，從而實現摩爾定律的下一階段。僅 3D 只會給我們帶來線性的復雜性增加。”Van den hove 說道。

　　另一個問題是，先進芯片的功耗不斷增加，以至于從芯片中提取熱量受到了一些限制。“很明顯，為了實現如此復雜的 2D、3D 堆疊核心處理器架構，我們需要解決發熱問題并學習如何更有效地冷卻芯片。為此，我們正在開發創新的冷卻系統，該系統可以使用 3D 打印技術來制造。”Van den hove 說道。這種直接液體射流沖擊冷卻可實現更高的排熱效率，比當前最先進的技術高出五倍。

　　三星的 Song 指出了與邏輯、DRAM 和 NAND 器件結構特別相關的趨勢。在邏輯產品方面，為了解決單元高度縮放的問題，他表示三星正在開發背面互連。“此外，結構和材料方面的創新，例如具有最佳層厚度的溝道材料，與硅溝道相比，可以具有出色的柵極可控性，”他說（見圖 6）。

　　在DRAM中，為了解決橫向縮放問題，三星正在研究垂直通道堆疊的3D結構，Song表示這種結構與現有的2D結構有很大不同。“我們還試圖引入所有低漏電流溝道材料，而不是迄今為止一直使用的漏電流控制硅溝道，”他說。“為了解決單元電容器問題，我們正在通過研究無電容器 DRAM 的新概念來克服這些限制。”

　　在NAND方面，多堆棧等技術將繼續發展。“需要新材料來克服機械應力或傳感裕度。為了進一步縮小單位器件尺寸，需要能夠降低工作電壓的器件開發新概念。” “為了提高 EUV 的分辨率和均勻性，還需要使用更大鏡子的高數值孔徑 EUV 技術。”

　　創新與協作的需要

　　“為了繼續發展數字化轉型時代，存儲和處理此類大數據的技術需要新時代的發展，而半導體行業需要不斷創新才能使這成為可能。” Song說。

　　AMD 的 Papermaster 指出，就在十年前，深度神經網絡開始展現出加速計算的前景。“毫無疑問，我們仍處于最早階段，”他說。“但我非常充滿希望，因為我知道，如果我們采取正確的政策和正確的限制，我們在未來幾年將看到這種轉變將使我們這個城市變得更加難以置信且富有成效。我們將利用人工智能驅動的計算來加速創新。”

　　Van den hove 表示，這需要“登月”式的思維。“這需要整個價值鏈和各大洲之間的協作飛速發展，匯集最優秀的人才。就像六十年代的登月任務一樣，我們面臨著看似無法克服的挑戰。我們必須再次團結一致，建造一艘以創新為燃料的火箭。但現在我們的目標不僅僅是月球，我們的目標是一個更美好的星球，讓地球上有更好的生活。”

　更多精彩內容歡迎點擊==>>電子技術應用-AET<<