芯片巨头声称,其演示的技术能够“显著”提高元件密度。
英特尔正为其未来芯片寻找新的开发路线,包括3D堆叠晶体管以实现更高密度、扩展背面供电以及使用氮化稼来实现更高的传输功率等。
总部位于圣克拉拉的芯片巨头将在本周于旧金山召开的第69届IEEE国际电子器件年会(IEDM)上,公布关于未来芯片开发的一系列研究成果。本文将对相关消息做一番前瞻分析。
英特尔曾在今年6月详细介绍过其PowerVia技术,此项技术将为晶体管供电的线路转移至芯片背面(即所谓背面供电),从而释放出更多空间以容纳传输信号的互连线路。此项技术预计将在2024年上半年在采用Intel 20A工艺节点的芯片上首次亮相,随后下沉至Intel 18A节点。
如今,英特尔又开始着手研究如何进一步对背面供电进行功能扩展。英特尔技术研究院研究员Mauro Kobrinsky表示,其中一项新功能为背面通信,即首次实现芯片两侧晶体管之间的连接。
Kobrinsky宣称,“现在我们可以直接为器件供电,而无需使用PowerVias在器件周边布线,从而降低电路中的电容。凭借更低的电容,切换速度将有所提升,也让我们能够以更低的功耗提供更高的性能。”
PowerVia还让英特尔提出的另一项技术——即器件堆叠——成为可能。但Kobrinsky同时表示,由于电源和信号仍然需要被传递至顶部和底部器件层,因此需要为整个互连体系建立一套复杂的拓扑结构。根据他的说明,PowerVia已经实现了技术可行性,而且在配合垂直互连之后将进一步节约芯片空间。
器件堆叠本身以所谓互补场效应晶体管(CFET)技术为基础,这是一种可通过3D堆叠n型及p型金属氧化物半导体器件实现晶体管扩展的潜在迭代方向。英特尔表示,CFET有望成为继RibbonFET(全栅晶体管设计)之后的下一代器件密度提升方案。
英特尔使用该技术构建出一个逆变器(一种非常简单的电路),其中两个晶体管不再并排放置在硅晶圆之上,而是相互垂直堆叠。一旦能够横向扩展,将可实现更高的器件密度。
英特尔首席工程师Marko Radosvljevic表示,这是一项目前尚未实装的新颖技术,因为堆叠器件的互连仍然是个难题。但根据他的介绍,PowerVia有望攻克难关、让这种新的布局结构成为可能。
Radosavljevic解释道,“我们使用PowerVia将顶部器件连接至晶圆背面,并使用直连背触点连接底部器件。由于这些器件间彼此堆叠,因此无法直接将底部器件与晶圆顶部相连,所以我们才必须按照前面这种方式进行排布。”
堆叠器件示意图
他还补充称,“我们对于此项研究的前景感到兴奋,认为其可能将显著提高器件密度。”
根据英特尔的介绍,这款逆变器将在本周的IEDM上首次对外展示。
英特尔IEDM的第三个主题就是在芯片中使用氮化稼(GaN)以提高供电效率,具体来讲就是将GaN晶体管与硅晶体管集成在同一晶圆之上。
英特尔首席工程师Han Wui表示,GaN器件的增益几乎可以达到功率放大器中LDMOS等硅器件的20倍。
(更准确地讲,他的意思是其效能系数比硅器件高出近20倍。)
在IEDM大会上,Wui还将展示英特尔公布的DrGaN——这是一种供电开关,将CMOS驱动电路与GaN晶体管相结合以实现供电,且二者可以集成在同一芯片之上。
英特尔表示,通过将GaN和硅晶体管相集成,新工艺有望满足未来市场对于计算功率密度和能效水平的实际需求。
在IEDM上展示的所有技术均由英特尔组件研究小组负责开发。英特尔芯片中尺度制程开发(Chip Mesoscale Process Development)部门负责人Paul Fischer表示,该小组的任务就是确保为公司内的芯片设计师们提供更多技术选择。
“本质来讲,我们的目标就是确保技术开发团队在设计未来制程技术时,能够有一系列方案可供选择。”
随着英特尔尝试使用晶圆(切割后被称为晶片)背板作为信号通道,合乎逻辑的下一步方向自然就是在这里放置更多组件,例如采用双面印刷电路板。所以我们不禁好奇,英特尔有没有在这方面做出探索?
Fischer表示,英特尔一直在研究各种技术,因此“将组件和功能放置在芯片背面、或者将附加功能放置在信号端的想法,肯定都是值得探索的思路。我们将继续研究诸如此类的各种概念。”
他还解释道,最终是否采用将取决于系统的协同优化效果,即通过严格的电子设计自动化、工具和EDA处理流程,验证其性能水平是否具备成本合理性。
作为新闻发布会之后的补充,英特尔还表示计划在本届IEDM大会上展示全球首个全栅极2D过渡金属二硫族化合物(TMD)晶体管。TMD半导体有望成为强有力的备选方案,替代物理栅极长度低于10纳米的现有硅晶体管。
好文章,需要你的鼓励
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
约翰霍普金斯大学研究团队发现VAR模型的马尔可夫变体本质上是离散扩散模型,提出SRDD方法。通过应用扩散模型技术如分类器自由引导、令牌重采样等,SRDD相比VAR在图像质量上提升15-20%,同时具备更好的零样本性能。这项研究架起了自回归模型与扩散模型的理论桥梁,为视觉生成技术发展开启新方向。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
微软亚洲研究院推出CAD-Tokenizer技术,首次实现AI通过自然语言指令进行3D模型设计和编辑的统一处理。该技术通过专门的CAD分词器和原语级理解机制,让AI能像设计师一样理解设计逻辑,大幅提升了设计精度和效率,有望推动工业设计的民主化进程。