在晶体管诞生75周年之际,英特尔在IEDM 2022上宣布将把封装技术的密度再提升10倍,并使用厚度仅三个原子的新材料推进晶体管微缩。
在IEDM 2022(2022 IEEE国际电子器件会议)上,英特尔发布了多项突破性研究成果,继续探索技术创新,以在未来十年内持续推进摩尔定律,最终实现在单个封装中集成一万亿个晶体管。英特尔的研究人员展示了以下研究成果:3D封装技术的新进展,可将密度再提升10倍;超越RibbonFET,用于2D晶体管微缩的新材料,包括仅三个原子厚的超薄材料;能效和存储的新可能,以实现更高性能的计算;量子计算的新进展。
英特尔技术开发事业部副总裁兼组件研究与设计总经理Gary Patton表示:“自人类发明晶体管75年来,推动摩尔定律的创新在不断满足世界指数级增长的计算需求。在IEDM 2022,英特尔展示了其前瞻性思维和具体的研究进展,有助于突破当前和未来的瓶颈,满足无限的计算需求,并使摩尔定律在未来继续保持活力。”
此外,为纪念晶体管诞生75周年,英特尔执行副总裁兼技术开发总经理Ann Kelleher博士将于IEDM 2022主持一场全体会议。届时,Kelleher将概述半导体行业持续创新的路径,即围绕系统级战略联合整个生态系统,以满足世界日益增长的计算需求并以更有效的方式实现创新,从而以摩尔定律的步伐不断前进。此次会议将于太平洋标准时间12月5日周一上午9点45分(北京时间12月6日周二凌晨1点45分)开始,主题为“庆祝晶体管诞生75周年!摩尔定律创新的演进”。
对满足世界的无限计算需求而言,摩尔定律至关重要,因为数据量的激增和人工智能技术的发展让计算需求在以前所未有的速度增长。
持续创新正是摩尔定律的基石。在过去二十年,许多里程碑式的创新,如应变硅(strained silicon)、Hi-K金属栅极(Hi-K metal gate)和FinFET晶体管,都出自英特尔组件研究团队(Intel’s Components Research Group)。这些创新在个人电脑、图形处理器和数据中心领域带来了功耗和成本的持续降低和性能的不断增长。英特尔组件研究团队目前的路线图上包含多项进一步的研究,包括RibbonFET全环绕栅极(GAA)晶体管、PowerVia背面供电技术和EMIB、Foveros Direct等突破性的封装技术。
在IEDM 2022,英特尔的组件研究团队展示了其在三个关键领域的创新进展,以实现摩尔定律的延续:新的3D混合键合(hybrid bonding)封装技术,无缝集成芯粒;超薄2D材料,可在单个芯片上集成更多晶体管;能效和存储的新可能,以实现更高性能的计算。
英特尔组件研究团队所研发的新材料和工艺模糊了封装和芯片制造之间的界限。英特尔展示了将摩尔定律推进到在单个封装中集成一万亿个晶体管的关键步骤,包括可将互联密度再提升10倍的先进封装技术,实现了准单片(quasi-monolithic)芯片。英特尔还通过材料创新找到了可行的设计选择,使用厚度仅三个原子的新型材料,从而超越RibbonFET,推动晶体管尺寸的进一步缩小。
英特尔通过下一代3D封装技术实现准单片芯片:
英特尔探索通过超薄“2D”材料,在单个芯片上集成更多晶体管:
为了实现更高性能的计算,英特尔带来了能效和存储的新可能:
英特尔继续引入新的物理学概念,制造用于量子计算的性能更强的量子位:
了解更多信息,请访问:解析英特尔的系统级代工模式(视频) | Tahir Ghani让摩尔定律继续有效(视频) | 摩尔定律的现在及未来(Ann Kelleher署名文章)
好文章,需要你的鼓励
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
StepFun团队发布了突破性语音AI系统Step-Audio 2,这是首个真正实现端到端语音对话的模型,能直接处理语音而无需文字转换。该系统不仅能理解语言内容,还能感知情绪、语调等副语言信息,并用自然的语音回应。通过8百万小时语音数据训练,在多项测试中超越GPT-4o等商业系统,代表了人机交互技术的重大进步。
剑桥咨询CEO蒙蒂·巴洛在采访中分享了如何识别具有潜力的技术领域。他表示,当听到看似不可能或令人惊讶的技术时会特别关注,如深度学习AI、量子计算等。该公司作为"深度科技强国",专注于生物工程、人工智能、量子计算等领域,拥有740名员工,年均为客户创造5000多项专利。巴洛强调跨学科合作的重要性,预测未来计算机系统的应用需求将大幅增长。
NVIDIA联合台湾大学推出ThinkAct框架,首次实现机器人"思考后行动"的能力。该系统通过双架构设计,让机器人先进行视觉推理和计划制定,再执行具体动作。在多项测试中表现优异,成功率提升15%以上,并展现出少样本适应、长期规划和自我纠错三大突破性能力,为通用智能机器人发展指明方向。