芯片制造商们曾经对于ARM研究员Greg Yeric坚持遵循摩尔定律的想法加以嘲讽,因为这项工作既困难又充满风险。然而,如今他们已经开始对其加以研究。
ARM公司研究员的实践经验也对此给出了有力的佐证,工程师们一直在不遗余力地努力制作更小且速度更快的芯片。在本届ARM技术展会的主题演讲当中,Yeric对未来几年半导体方案表示乐观,不过他亦坦率地提到了未来将出现的挑战。
传统成本削减方案的效果将逐渐降低,这是因为很难再找到在降低功耗的同时提升性能的可行办法,Yeric在他的演讲中指出。工程师们需要着眼于更为广泛的新型材料领域,同时以更为高效的方式处理并管理整条供应链。
“我比很多人更有信心,我坚信现有技术已经足以将处理器制程压缩至3纳米,”Yeric曾在去年12月IEDM大会上谈到摩尔定律时表示。“制作3纳米芯片的选项很多,但还没人能弄清其到底能否生效。”
总体而言,各家芯片制造商“相对自信能够制造出5纳米节点,目前的现有工具已经有能力实现这样的目标,但3纳米则更为激进。”ARM公司芯片研究团队负责人Yeric指出,“我认为未来的一大核心议题在于,我们到底是在物理设计层面做出突破,还是彻底颠覆整体架构。”
目前这种对现有架构绝望的情绪正不断升温。这位ARM研究员早在几年前就发现,标准单元中存在很多未加利用的“死空间”。他提出,应该通过在晶体管的源极/漏极层面上旋转自对准栅极以实现单元体积的削减。其目标是在5纳米单元中仅创建两个FinFET与五条轨道,但其违反有源区设定的作法被部分芯片制造商评价为超出底线。
“我们之前并不需要对架构作出什么发动,但如今我们发现一切更为简单的答案都已经被应用于产品当中”,这意味着5内米制程将再无捷径可行,Yeric表示,“可靠性工程师们可能正在痛苦挣扎,因为可以想象这样的架构变动会带来拥有怎样规模与复杂性的难题。”
目前,工程师们正通过削减每个单元中的FinFET数量来缩小其体积。然而在5纳米层级上,他们恐怕仅能够将一个FinFET晶体管旋转在单一单元中,或者设计出一套全新纳米级别开关。目前得到认真考量的替代方案之一为垂直纳米线。
Yeric表示,“这套方案对于制造商而言具备可行性,我们已经将其引入了NAND闪存当中,但在芯片设计领域还有很多难题需要解决——我们需要重新设计电源轨道,因此二者的难度并不一致。”
从长远角度看,晶体管并不是问题。晶体管的设计思路还拥有充分的余量,Yeric指出,但真正的麻烦来自如何铺设更为细小且负责连接各晶体管的线路。
Yeric提出了一种降低标准单元“死空间”的方法
最终,工程师们期待能够转向一种全新的纳米技术。Yeric称,等离子体激元将是一种非常有前途但“尚处于极早期发展队友”的方案,其类似于“几年前的石墨烯。”
自旋电子则是另一种较为广泛的替代性研究成果,这一领域“拥有很多热情的研究人员,但尚未解决的问题同样很多,”他表示。“我还没有看到任何证据能够证明其速度较CMOS更快,但其能够将电压需求由伏降低至毫伏……我们确实需要一些能够在更低电压下实现开关的方案,”他补充道。
在时间更近的7到5纳米节点层面,“我最担心的是面对日益增长的线路电阻,我们要如何获得两位数级别的性能提升,”Yeric表示。
“如果大家设计32纳米制程,则通常不需要考虑电阻问题……(但现在)垂直电阻已经开始影响到电力传输……而且将制程界限设定在了7纳米,”他指出。
整体来说,“我们已经很难像过去那样实现25%的节点增量比例,”Yeric表示。如今的前沿设计方案发现,要让材料排列得更紧密以降低芯片尺寸,其性能也会同时受到影响。“换言之,迈过拐点之后性能反而开始出现倒退,”他表示。
因此,工艺工程师们必须将精力从压缩间距方面转移开来。相反,他们已经开始尝试使用其它技术,例如减少晶体管中的翅片数量以增加排列密度。
如果远紫外线光刻技术尚未准备好制造5纳米芯片,工程师们将利用与某些金属层加工相同的七步光刻法实现这一目标,Yeric指出。部分代工厂已经开始利用远紫外线对四步光刻晶片进行切割,这种方法无需配合高通量级别的光刻金属-1层即可实现,Yeric解释称。
与此同时,部分工具制造商正在实验以100纳米精度实现晶片与晶片间的接合。该项技术能够实现新的芯片堆叠形式,甚至允许设计师在两块芯片之间进行单元分割。然而,这套方案需要配合新型工具与新的EDA流程。
就本身而言,ARM公司正与科罗拉多州州立大学的研究人员合作,共同探讨利用相关电子RAM替代SRAM缓存的可能性。Yeric表示,“目前存在着多种具有发展前景的内存技术……其真正实现需要一些设计基准类专业知识的帮助,而这正是我们的强项。不过目前其仍然处于早期发展阶段。”
好文章,需要你的鼓励
皮尤研究中心最新分析显示,谷歌搜索结果页面的AI概述功能显著降低了用户对其他网站的点击率。研究发现,没有AI回答的搜索点击率为15%,而有AI概述的搜索点击率降至8%。目前约五分之一的搜索会显示AI概述,问题类搜索中60%会触发AI回答。尽管谷歌声称AI概述不会影响网站流量,但数据表明用户看到AI生成的信息后更容易结束浏览,这可能导致错误信息的传播。
约翰霍普金斯大学研究团队开发了ETTIN模型套件,首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务,解码器擅长生成任务,跨界训练效果有限。该研究为AI模型选择提供了科学依据,所有资料已开源供学术界使用。
GlobalData研究显示,人工智能驱动的预测性维护正成为电力行业追求高可靠性和成本效益的关键组成部分。该技术结合数据分析、机器学习和实时监控,能够更准确预测设备未来状况,有望降低维护成本30%,提高设备可用性20%。GE Vernova、西门子等公司提供先进解决方案,而数字孪生技术、物联网和边缘计算等新兴技术正进一步提升维护策略的准确性和效率。
博洛尼亚大学团队开发出情感增强的AI系统,通过结合情感分析和文本分类技术,显著提升了新闻文章中主观性表达的识别准确率。该研究覆盖五种语言,在多项国际评测中取得优异成绩,为打击虚假信息和提升媒体素养提供了新工具。