英特尔新成立的芯片代工业务近日表示,已经完成全球首台商用High Numerical Aperture Extreme Ultraviolet光刻扫描仪的组装,实现了芯片制造行业的一个重要里程碑。
这是一个令人费解的名字,据说是有史以来最先进的半导体制造设备,将比当前处理器更先进、更强大的未来几代计算机芯片铺平道路。
英特尔表示,TWINSCAN EXE: 5000 High NA EUV工具是由荷兰芯片制造设备制造商ASML Holding NV制造的,然后在英特尔位于美国俄勒冈州希尔斯伯勒的研发工厂进行组装,目前正在该工厂进行校准,一旦完成,将在推进Intel Foundry未来工艺路线图方面发挥关键作用。英特尔公司表示,该机器通过改变用于将打印图像投影到硅晶圆上的光学设计,极大地提高了下一代芯片的分辨率和功能扩展。
下一代EUV
高数值孔径EUV光刻被广泛视为EUV光刻的下一代发展方向,EUV光刻是一种用于半导体行业制造集成电路的技术。EUV是一种光刻技术,依靠地球上自然不存在的极紫外光在硅晶圆上创建复杂的图案。
据英特尔称,这种极紫外光是由强大的激光撞击加热到近22万摄氏度的锡滴而产生的,这个温度几乎比太阳平均表面温度高40倍。光从包含了所需电路图案模板的掩模上反射,然后通过使用一些有史以来最精确的镜子的光学系统,将这些电路蚀刻到硅片上。
数值孔径是衡量EUV机器收集和聚焦光线的能力的一项指标。这个高数值孔径的EUV技术采用了更先进的光学设计将图案投影到硅晶圆上,从而实现分辨率和晶体管尺寸上的进步。
英特尔即将推出的14A工艺
英特尔在2月份宣布将代工业务剥离为一个独立的实体,当时就详细介绍了即将推出的Intel 14制造工艺。
英特尔TWINSCAN EXE: 5000 High NA EUV机器的尺寸与双层巴士大致相同,据称耗资3.5亿美金。它于去年年底抵达英特尔的研发中心,从那时起,英特尔一直在有条不紊地进行组装,现在已上线,将能够生产比任何现有光刻系统更小的晶体管,从而使英特尔能够实现自己最先进的制造工艺。
目前,环栅Intel 18A节点是英特尔最先进的制造工艺,但这将被Intel 14A工艺取代,预计2027年投入生产。
Intel 14A工艺将使激光束能够在硅上雕刻晶体管,分辨率仅为8纳米,比Intel 18A工艺的13.5纳米有了显着提高。此外英特尔表示,这种High NA EUV机器还将减少处理器缺陷并增加芯片生产次数。
英特尔院士兼光刻、硬件和解决方案总监Mark Phillips表示:“随着High NA EUV的加入,英特尔将拥有业界最全面的光刻工具组合,从而能够在本世纪下半叶推动超越Intel 18A实现未来的先进工艺能力。”
提高晶体管密度
更先进的Intel 14A工艺将带来比现有处理器功能更强大的处理器,为AI和其他新兴高性能计算应用取得重大进步铺平道路。
ASML已经在其位于荷兰维荷芬的研发工厂实验室中展示了在硅晶圆上打印10纳米密集线条,这代表着在芯片上打印出有史以来最为精细的线条,并有助于验证Intel 14A工艺的雄心。
英特尔表示,通过使用Intel 14A工艺,将能够在比现有EUV机器制造的芯片小1.7倍的硅芯片上进行打印操作,为2D特性缩放打开了一扇大门,从而让密度提高2.9倍,扩展了“摩尔定律”假设,即芯片上晶体管的数量每两年就会增加一倍。此外,High NA EUV支持更高的成像对比度,每次曝光所需的光线更少,从而减少了打印每层所需的时间,加速了晶圆的输出。
英特尔表示,TWINSCAN EXE:5000系统是用43个货运集装箱运往美国,然后装在250多个板条箱内运输到位于俄勒冈州的工厂。这些集装箱被装载到多架货机上运往西雅图,然后再装载到20辆卡车上,完成最后一段旅程。
更先进的机器已经在路上了
当英特尔的专家忙着校准新机器的时候,英特尔已经在计划为下一个套件进行类似的物流操作——TWINSCAN EXE:5200B系统,该系统有望进一步提高生产率,每小时能够蚀刻200多个晶圆。
然而,英特尔可能无法抢到新一代EUV机器率先上线的机会。去年12月,纽约州、IBM、美光和其他几个组织宣布计划在奥尔巴尼建立一个最先进的半导体研究实验室,托管了类似的系统。
这些公司也计划购入一套Twinscan EXE:5200系统,该系统将用于实现设想的2纳米芯片制造工艺,该工艺甚至比Intel14A更先进,但尚不清楚何时投入生产。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。