在2024年IEEE国际电子器件会议(IEDM 2024)上,英特尔代工展示了多项技术突破,助力推动半导体行业在下一个十年及更长远的发展。具体而言,在新材料方面,减成法钌互连技术(subtractive Ruthenium)最高可将线间电容降低25%,有助于改善芯片内互连。英特尔代工还率先汇报了一种用于先进封装的异构集成解决方案,能够将吞吐量提升高达100倍,实现超快速的芯片间封装(chip-to-chip assembly)。此外,为了进一步推动全环绕栅极(GAA)的微缩,英特尔代工展示了硅基RibbionFET CMOS (互补金属氧化物半导体)技术,以及用于微缩的2D场效应晶体管(2D FETs)的栅氧化层(gate oxide)模块,以提高设备性能。
随着行业朝着到2030年在单个芯片上实现一万亿个晶体管的目标前进,晶体管和互连微缩技术的突破以及未来的先进封装能力正变得非常关键,以满足人们对能效更高、性能更强且成本效益更高的计算应用(如AI)的需求。
我们还需要探索新型的材料,来增强英特尔代工的PowerVia背面供电技术在缓解互连瓶颈,实现晶体管的进一步微缩中的作用。这对于持续推进摩尔定律、推动面向AI时代的半导体创新至关重要。
英特尔代工已经探索出数条路径,以解决采用铜材料的晶体管在开发未来制程节点时可预见的互连微缩限制,改进现有封装技术,并继续为GAA及其它相关技术定义和规划晶体管路线图:
在300毫米GaN(氮化镓)技术方面,英特尔代工也在继续推进其开拓性的研究。GaN是一种新兴的用于功率器件和射频(RF)器件的材料,相较于硅,它的性能更强,也能承受更高的电压和温度。在300毫米GaN-on-TRSOI(富陷阱绝缘体上硅)衬底(substrate)上,英特尔代工制造了业界领先的高性能微缩增强型GaN MOSHEMT(金属氧化物半导体高电子迁移率晶体管)。GaN-on-TRSOI等工艺上较为先进的衬底,可以通过减少信号损失,提高信号线性度和基于衬底背部处理的先进集成方案,为功率器件和射频器件等应用带来更强的性能。
此外,在IEDM 2024上,英特尔代工还分享了对先进封装和晶体管微缩技术未来发展的愿景,以满足包括AI在内的各类应用需求,以下三个关键的创新着力点将有助于AI在未来十年朝着能效更高的方向发展:
同时,英特尔代工还发出了行动号召,开发关键性和突破性的创新,持续推进晶体管微缩,推动实现“万亿晶体管时代”。英特尔代工概述了对能够在超低电压(低于300毫伏)下运行的晶体管的研发,将如何有助于解决日益严重的热瓶颈,并大幅改善功耗和散热。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。