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
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。