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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。