特尔的目标是在封装中将密度提升10倍以上,将逻辑微缩提升30%至50%,并布局非硅基半导体
在不懈推进摩尔定律的过程中,英特尔公布了在封装、晶体管和量子物理学方面的关键技术突破,这些突破对推进和加速计算进入下一个十年至关重要。在2021 IEEE国际电子器件会议(IEDM)上,英特尔概述了其未来技术发展方向,即通过混合键合(hybrid bonding)将在封装中的互连密度提升10倍以上,晶体管微缩面积提升30%至50%,在全新的功率器件和内存技术上取得重大突破,基于物理学新概念所衍生的新技术,在未来可能会重新定义计算。
英特尔高级院士兼组件研究部门总经理Robert Chau表示:“在英特尔,为持续推进摩尔定律而进行的研究和创新从未止步。英特尔的组件研究团队在IEDM 2021上分享了关键的研究突破,这些突破将带来革命性的制程工艺和封装技术,以满足行业和社会对强大计算的无限需求。这是我们最优秀的科学家和工程师们不懈努力的结果,他们将继续站在技术创新的最前沿,不断延续摩尔定律。”
摩尔定律满足了从大型计算机到移动电话等每一代技术的需求,并与计算创新同步前行。如今,随着我们进入一个具有无穷数据和人工智能的计算新时代,这种演变仍在继续。
持续创新是摩尔定律的基石,英特尔的组件研究团队致力于在三个关键领域进行创新:第一,为提供更多晶体管的核心微缩技术;第二,在功率器件和内存增益领域提升硅基半导体性能;第三,探索物理学新概念,以重新定义计算。众多突破摩尔定律昔日壁垒并出现在当前产品中的创新技术,都源自于组件研究团队的研究工作,包括应变硅、高K-金属栅极技术、FinFET晶体管、RibbonFET,以及包括EMIB和Foveros Direct在内的封装技术创新。

在IEDM 2021上披露的突破性进展表明,英特尔正通过对以下三个领域的探索,持续推进摩尔定律,并将其延续至2025年及更远的未来。
一、为在未来的产品中提供更多的晶体管,英特尔正针对核心微缩技术进行重点研究:
. 英特尔的研究人员概述了混合键合互连中的设计、制程工艺和组装难题的解决方案,期望能在封装中将互连密度提升10倍以上。在今年7月的英特尔加速创新:制程工艺和封装技术线上发布会中,英特尔宣布计划推出Foveros Direct,以实现10微米以下的凸点间距,使3D堆叠的互连密度提高一个数量级。为了使生态系统能从先进封装中获益,英特尔还呼吁建立新的行业标准和测试程序,让混合键合芯粒(hybrid bonding chiplet)生态系统成为可能。
. 展望其GAA RibbonFET(Gate-All-Around RibbonFET)技术,英特尔正引领着即将到来的后FinFET时代,通过堆叠多个(CMOS)晶体管,实现高达30%至50%的逻辑微缩提升,通过在每平方毫米上容纳更多晶体管,以继续推进摩尔定律的发展。
. 英特尔同时也在为摩尔定律进入埃米时代铺平道路,其前瞻性的研究展示了英特尔是如何克服传统硅通道限制,用仅有数个原子厚度的新型材料制造晶体管,从而实现在每个芯片上增加数百万晶体管数量。在接下来的十年,实现更强大的计算。
二、英特尔为硅注入新功能:
. 通过在300毫米的晶圆上首次集成氮化镓基(GaN-based)功率器件与硅基CMOS,实现了更高效的电源技术。这为CPU提供低损耗、高速电能传输创造了条件,同时也减少了主板组件和空间。
. 另一项进展是利用新型铁电体材料作为下一代嵌入式DRAM技术的可行方案。该项业界领先技术可提供更大内存资源和低时延读写能力,用于解决从游戏到人工智能等计算应用所面临的日益复杂的问题。
三、英特尔正致力于大幅提升硅基半导体的量子计算性能,同时也在开发能在室温下进行高效、低功耗计算的新型器件。未来,基于全新物理学概念衍生出的技术将逐步取代传统的MOSFET晶体管:
. 在IEDM 2021上,英特尔展示了全球首例常温磁电自旋轨道(MESO)逻辑器件,这表明未来有可能基于纳米尺度的磁体器件制造出新型晶体管。
. 英特尔和比利时微电子研究中心(IMEC)在自旋电子材料研究方面取得进展,使器件集成研究接近实现自旋电子器件的全面实用化。
. 英特尔还展示了完整的300毫米量子比特制程工艺流程。该量子计算工艺不仅可持续微缩,且与CMOS制造兼容,这确定了未来研究的方向。
关于英特尔组件研究部门:英特尔组件研究部门是英特尔技术研发部门中的研究团队,负责提供革命性的制程工艺和封装技术方案,以推进摩尔定律并实现英特尔的产品和服务。英特尔组件研究团队与公司的业务部门建立了内部合作关系,以预测未来需求。同时,该团队也与外部建立合作关系,包括政府机构研究实验室、行业协会、大学研究团体及各类供应商,以保持英特尔研究和开发渠道的完整性。
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。