在今年9月,英特尔宣布率先推出用于下一代先进封装的玻璃基板,并计划在未来几年内向市场提供完整的解决方案,从而使单个封装内的晶体管数量不断增加,继续推动摩尔定律,满足以数据为中心的应用的算力需求。
虽然玻璃基板对整个半导体行业而言并不陌生,但凭借庞大的制造规模和优秀的技术人才,英特尔将其提升到了一个新的水平。近日,英特尔封装测试技术开发(Assembly Test Technology Development)部门介绍了英特尔为何投入探索玻璃基板,及如何使这项技术成为现实。
算力需求驱动先进封装创新
对摩尔定律的发展而言,先进封装意义重大。对功能和性能都更强大的处理器的需求,推动了多芯片集成技术的诞生,让封装从处理器完整设计中的一个基本步骤升级为其关键要素。
先进封装技术的突破体现在了多芯片处理器产品中,这类处理器集成了一系列芯片,其设计理念就是让多个芯片协同工作。
在封装中,基板的主要作用是连接和保护内部的诸多芯片。基板可以比作一个“空间转换器”,纳米级的芯片通过微米级的焊盘(bond pads)与基板相连,基板再将这些焊盘转换为主板上的毫米级互连。为了实现这一点,基板需要保持平坦,能够高精度的处理输入电流和高速信号。
玻璃基板的相对优势
在过去20多年的时间里,打造基板所用的主要材料是有机塑料,但随着单个封装内的芯片和连线数量越来越多,有机基板正在接近物理极限。
因此,用玻璃基板替代有机基板的想法正在半导体行业内得到普遍认同。玻璃基板在各个方面都表现得更好,更平整(对于将平坦的硅片连接到非常平坦的主板上而言很重要),更坚硬(能够更好地容纳越来越多、越来越小的线),也更稳固。
除了在基本功能上表现得更好之外,玻璃基板还有望使互连密度和光互连集成度提高10倍,让未来的芯片可以更快地处理更多数据。
应对玻璃基板的技术挑战
技术开发并非易事,总会遇到很多未知的困难,用玻璃基板取代有机基板也是如此。
在技术层面,这些挑战包括:弄清楚采用什么样的玻璃更有效;如何将金属和设备分层,以添加微孔并布线;在完成装机后,如何在产品的整个生命周期内更好地散热和承受机械力。
此外,还很多更实际的问题:如何使玻璃的边缘不易开裂;如何分割大块玻璃基板;在工厂内运输时,如何保护玻璃基板不从传送带或滚筒上弹下来或飞出去。
为了应对这些非同寻常的挑战,实现可用于下一代先进封装的玻璃基板技术,英特尔封装测试技术开发部门中一个专门的团队投入了数年时间,进行了大量调试工作,成功解决了采用玻璃材料带来的诸多问题,实现了开创性技术和材料的妥善结合。
未来,玻璃基板技术不仅将用于英特尔产品中,还将通过英特尔代工服务(Intel Foundry Service)向外部客户开放。随着封装测试技术开发部门不断完善相关技术组合,英特尔正在规划第一批采用玻璃基板的内部和代工产品。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。