西门子数字化工业软件Xpedition IC封装解决方案Keith Felton
今天,3D IC技术已经成为电子产品设计和制造的分水岭。3D IC的架构在一定程度上推动摩尔定律不断向下,促使摩尔定律焕发新生活力。为了在更小的尺寸内提供更高性能和更低功耗,采用2.5D 和 3D这样的复杂封装,能够有效整合一个或多个不同功能的集成电路,从而提高输入/输出和电路密度。
那么 3D IC到底是什么呢?让我们用一个比喻来说明。
我们想象一座高耸入云的综合大楼,包括住宅、办公室、服务设施、购物中心、杂货店、健身房、图书馆和仓储库房等。
通过将不同的企业和资源整合在一个空间内,人们以及商业活动可以获得更快、更高效的流动性 —— 从一个地方到另一个地方几乎不需要费力,交流和互动也更加即时和直接。由于房地产和绿地必须得到保护和巧妙利用,这座综合大楼需要打造垂直的景观,而不是任其无序发展。然而,这个高效、便捷、环保的塔中“城市”也占据着横向空间,其中包括绿地、公园、运动场馆、自行车道、水景、发电厂、仓库和必要的基础设施,以及交通节点和连接内部与外部的通道。重要的是设计环节是要利用横向空间的优化,获得更紧凑、更高效的结果。
3D IC就像这栋综合高塔中一个闪闪发光的立体城市,其特点是将多层硅片堆叠在一起,这样就能制造出功能更强大、更复杂的芯片,应用范围也更广。而3D IC备受关注的原因有以下几个:
首先,传统的集成电路制造方法——即单片二维集成电路或平面集成电路——已经达到了极限。随着晶体管越来越小,制造可靠、高效的单片二维集成电路愈发困难。3D IC提供了一种克服这些限制的方法,在继续缩小晶体管尺寸的同时,还能增加单个芯片上可放置的晶体管数量,从而推动摩尔定律走向未来。
其次,3D IC技术可以提高芯片性能。通过将多层硅片堆叠在一起,3D IC缩短了信号传输的距离;此外,3D IC还可用于制造多核芯片。
第三,3D IC有助于降低芯片能耗。在更短的距离内传输信号让3D IC的能耗更低,但热量仍会产生,并直接传递给邻近的集成电路,如果相邻元件(如内存)对热敏感,就会带来挑战。因此,3D IC和异质集成器件在设计之初必须考虑要的一个要素就是热管理。从好的方面看,3D IC可用于制造电源管理更高效的芯片,从而进一步降低能耗。
与传统的单片二维集成电路或平面集成电路相比,3D IC能够提供许多优势:
更强大的性能: 如前所述,由于元件之间的距离更短,而且能够集成多种技术,3D IC可提高性能。这使得设备的速度更快、反应更灵敏,并能处理更复杂的任务。
更小的尺寸和更轻的重量:3D IC能够将多层元件堆叠在一起,从而减小了尺寸和重量。这使得设备更小、更便于携带,也更适合在狭窄或难以接入的空间使用。
更高的电源效率:由于元件之间的距离更短,而且能够集成不同的技术,3D IC也可提高电源效率。这样生产出的设备续航时间更长,产生更少的热量,对于安全和可靠性要求来说非常重要。
更高的灵活性:3D IC能够在单个芯片上集成多种不同的技术,因此具有更高的灵活性。这使得设备的用途更加广泛,可用于完成更多任务。
这些优势对于一些已经开始或即将开始的应用尤为重要,举例来说:
高性能计算(HPC): 首先应用3D IC的是高性能计算。3D IC被用来创建用于人工智能(AI)、机器学习和大数据分析等应用的高性能计算芯片。
可穿戴设备: 3D IC可以生产出体积更小、功能更强大的可穿戴设备,如智能手表、健身追踪器和增强现实(AR)耳机。
汽车: 不同技术的集成及其扩展能力使3D IC成为针对不同市场和应用(如自动驾驶和高级驾驶辅助系统 (ADAS))重新定位设计的理想选择。3D IC之所以如此有吸引力,还因为它们能提供更低的一次性工程成本和更广泛的供应商生态系统,从而支持更稳健、更具弹性的供应链。
医疗设备: 3D IC还可用于制造更小、功能更强大的医疗设备,如心脏起搏器、胰岛素泵和助听器。
随着技术不断发展,我们有望在未来几年看到 3D IC的更多创新和突破性应用。通过提高性能、减小尺寸和重量、提高能效和灵活性,我们将看到更多创新的电子产品在3D IC技术的助力下走入视野。
好文章,需要你的鼓励
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。