
自Pat Gelsinger于2021年初重返英特尔担任CEO职务以来,该公司在增强其制造工艺和代工业务方面押下重注,扩大了美国本土的晶圆代工设施规模,并倡导增强国内芯片制造能力。
英特尔能否在晶圆代工、新一代CPU和GPU业务上获得成功,将取决于研究小组内各位科学家和工程师的实际表现。他们正尽一切努力推动英特尔的技术发展、打造新一代产品。而相关成果将在每年的几场重要会议上亮相。除了今年8月的Hot Chips展会,本周于旧金山召开的IEEE国际电子设备会议(IEDM)也是一个重要舞台。
在会上,研究小组发表了9篇论文,概述目前正在开发的技术、这些技术如何推动英特尔芯片的性能与能效改进。英特尔执行副总裁兼技术开发总经理Ann Kelleher担任本次会议的主持人。
这些论文还强调了英特尔对摩尔定律的持续推动,希望将这一自1965年以来就长期引领半导体行业发展方向的理论延续下去。
组件研究小组谈到的技术包括应变硅技术(减少发热量)、高k金属栅极(优化功耗)、FinFET(优化性能),以及去年的RibbonFET(优化功耗)和PowerVia(优化能效)。
组件研究小组主管兼高级首席工程师Paul Fischer在会前简报中告诉记者和分析师,“这些都是研究小组内部成果的首次亮相。此外还有封装方面的创新,例如EMIB以及最近的Foveros Direct。”

Fischer将论文中讨论的技术分为三类:用于小芯片集成的3D封装技术,用于扩大晶体管规模的2D材料技术,以及提高性能的能效与存储器升级技术。
在第一类技术中,英特尔关注的是准单体式芯片,Fischer将其描述为“利用新材料与新工艺,以令人兴奋的方式模糊芯片制程与封装之间的衔接边界。”据称这能将英特尔在去年IEDM上公布的互连密度提升10倍。Fischer提到,英特尔在2021年展示了其在混合键合技术的首项10微米成果。准单体芯片将推动进一步升级至3微米。
Fischer表示,“将其拆分成两个维度,就能实现10倍的密度提升。这也就是我们去年提到的10倍密度升级的意义所在。而且在未来几年之内,互连密度的总体改进水平将达到100倍。这样的变化速度相当惊人。”
准单体芯片设计还为小芯片提供了更大的灵活性,包括可以布置在哪里、可容纳的尺寸以及可以合并多少叠小芯片等等。“这让我们有了更大的灵活空间,能够将这些小芯片与互连稳定拼接起来,其互连保真度与整体制造的芯片几乎一致。也正因为如此,研究团队才会将其称为「准单体」芯片。”
组件研究小组还在研究二维材料。Fischer表示这方面进展将帮助英特尔将更多晶体管布置在单一芯片之上,保证摩尔定律继续有效。大部分半导体材料——例如硅、氮化镓和碳化硅——都属于三维晶体,即原子会在3D空间上结合起来。而2D材料的特点,就是所有键合均在同一平面上完成。
英特尔展示了一种环栅(GAA)堆叠纳米片结构,使用厚度为3个原子的2D通道材料。此外,英特尔还在室温下以低漏电流在双栅极结构上实现了近完美的晶体管开关。英特尔表示,这两大成果正是堆叠GAA晶体管的实现基础,也将推动整个行业超越硅材料自身的天然限制。
他解释道,“在缩小晶体管尺寸方面,这些因素非常关键。通道厚度必须要跟X和Y轴成比例,也就是一缩就得俱缩。正因为如此,这些成果才对英特尔乃至整个半导体行业都极具吸引力。”
二维材料中的另一大挑战是实现电接触,如今的制程工艺已经让各元件间的距离小到极限。英特尔正在开发模型,希望探索二维材料电接触的相关物理学效应。研究人员创建了一个全面的二维材料电接触拓扑分析器,有望带来性能更高、可扩展性更强的晶体管通道。
为了提升能效和存储器,英特尔在两年之前发布了3D堆叠铁电存储器的概念。
Fischer表示,“我们坚信这项技术具有可行性。铁电材料具有一种独特属性,就是其电荷是固定的。我们实际可以在沟槽或通孔中创建多个不同的、可以单独识别的可寻址电容。这其实代表着新的密度提升空间,相当于单一元件可以充当四个存储元件。这是个令人兴奋的概念,只是原理说起来简单,但要拿出能够展示的实例却很困难。”
今年,英特尔公司的展示实例已经到位。其堆叠铁电电容与传统铁电沟槽电容具有相同性能,并可用于在逻辑芯片之上构建FeRAM。

研究人员还开发出一个元件级模型,通过显示价态和空位缺陷的混合相来改进铁电氧化铪元件,这有望衍生出新的存储器和铁电晶体管。他们还着眼于5G以外的领域,致力于使用300毫米硅基氮化镓(GaN)技术解决能效问题,将行业标准GaN的能效提升20倍。

英特尔打算在晶体管设计中添加一个源极连接钢片,借此“将能效和功率传输水平提供20倍。这一新型晶体管架构还能够演示和测量记录到的截止频率,这些都是通信中的关键品质因素,对于5G及之后的通信应用来说非常重要。”
此外,研究人员还在努力降低工作电压,借此提高芯片能效。Fischer表示,由于开关半导体的物理特性,目前的设备大多在0.6伏电压上工作。组件研究小组则展示了一款磁电设备的低压与高速切换能力。
“研究人员使用掺了镧的氧化铁铋作为贫电材料。通过在其上施加电场,他们成功将磁矩转换到了材料上,并可在施加另一电势之前处于永磁状态。但只需施加150毫伏电压,即可完成恢复转换。这就是降低工作电压的绝佳机会,意味着激活切换的工作电压只需要150毫伏、而非目前常见的0.6伏。”
根据Fischer的解释,这一点之所以重要,是因为设备的功率与电压的平方成正比。另外,这些材料的高速切换能力也很关键。对于约4平方微米的较大元件,研究人员展示了在2纳秒内即可完成切换。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。