加强每年创新的节奏,推动从芯片到系统全面领先
2021年7月27日,英特尔CEO帕特·基辛格在“英特尔加速创新:制程工艺和封装技术线上发布会”上发表演讲。在这次线上发布会中,英特尔提出了未来制程工艺和封装技术路线图。(图片来源:英特尔)
新闻重点
美国加州圣克拉拉,2021 年 7 月 27日–今天,英特尔公司今天公布了公司有史以来最详细的制程工艺和封装技术路线图,展示了一系列底层技术创新,这些创新技术将不断驱动从现在到2025年乃至更远未来的新产品开发。除了公布其近十多年来首个全新晶体管架构 RibbonFET 和业界首个全新的背面电能传输网络PowerVia之外,英特尔还重点介绍了迅速采用下一代极紫外光刻(EUV)技术的计划,即高数值孔径(High-NA)EUV。英特尔有望率先获得业界第一台High-NA EUV光刻机。
英特尔公司CEO帕特·基辛格在以“英特尔加速创新”为主题的全球线上发布会中表示:“基于英特尔在先进封装领域毋庸置疑的领先性,我们正在加快制程工艺创新的路线图,以确保到 2025 年制程性能再度领先业界。英特尔正利用我们无可比拟的持续创新的动力,实现从晶体管到系统层面的全面技术进步。在穷尽元素周期表之前,我们将坚持不懈地追寻摩尔定律的脚步,并持续利用硅的神奇力量不断推进创新。”
业界早就意识到,从1997年开始,基于纳米的传统制程节点命名方法,不再与晶体管实际的栅极长度相对应。如今,英特尔为其制程节点引入了全新的命名体系,创建了一个清晰、一致的框架,帮助客户对整个行业的制程节点演进建立一个更准确的认知。随着英特尔代工服务(IFS)的推出,让客户清晰了解情况比以往任何时候都显得更加重要。基辛格说:“今天公布的创新技术不仅有助于英特尔规划产品路线图,同时对我们的代工服务客户也至关重要。业界对英特尔代工服务(IFS)有强烈的兴趣,今天我很高兴我们宣布了首次合作的两位重要客户。英特尔代工服务已扬帆起航!”
英特尔技术专家详述了以下路线图,其中包含新的节点命名和实现每个制程节点的创新技术:
英特尔高级副总裁兼技术开发总经理Ann Kelleher博士表示:“英特尔有着悠久的制程工艺基础性创新的历史,这些创新均驱动了行业的飞跃。我们引领了从90纳米应变硅向45纳米高K金属栅极的过渡,并在22纳米时率先引入FinFET。凭借RibbonFET 和 PowerVia两大开创性技术,Intel 20A 将成为制程技术的另一个分水岭。”
英特尔高级副总裁兼技术开发总经理Ann Kelleher博士
随着英特尔全新IDM 2.0战略的实施,封装对于实现摩尔定律的益处变得更加重要。英特尔宣布,AWS 将成为首个使用英特尔代工服务(IFS)封装解决方案的客户。英特尔对领先行业的先进封装路线图提出:
今天讨论的突破性技术主要在英特尔俄勒冈州和亚利桑那州的工厂开发,这巩固了英特尔作为美国唯一一家同时拥有芯片研发和制造能力的领先企业的地位。此外,这些创新还得益于与美国和欧洲合作伙伴生态系统的紧密合作。深入的合作关系是将基础性创新从实验室研发投入到量产制造的关键,英特尔致力于与各地政府合作,强化供应链,并推动经济和国家安全。
线上发布会快结束的时候,英特尔宣布将举办“Intel Innovation”峰会并公布更多相关细节。“Intel Innovation”峰会将于 2021 年 10 月 27 日至 28 日在旧金山线下和线上举行。更多详细信息,请访问Intel ON 网站。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。