在IEDM 2022(2022 IEEE国际电子器件会议)全体会议上发表演讲之前,英特尔副总裁兼技术开发总经理Ann Kelleher接受了《IEEE Spectrum》的采访,她表示,摩尔定律的下一波浪潮将依靠名为系统工艺协同优化(system technology co-optimization, STCO)的发展理念。
Kelleher认为,摩尔定律关乎功能集成度的提升,展望未来10到20年,可以看到一条充满创新潜力的道路,将延续每两年改进一次产品的节奏,其中将包括半导体制程和设计的常规发展,但系统工艺协同优化会发挥最大作用。
Kelleher称系统工艺协同优化为一种“由外向内”的发展模式,从产品需支持的工作负载及其软件开始,到系统架构,再到封装中必须包括的芯片类型,最后是半导体制程工艺。“所谓系统工艺协同优化,就是把所有环节共同优化,由此尽可能地改进最终产品。”Kelleher说。
系统工艺协同优化之所以成为当下的一个重要选项,很大程度上是因为先进封装技术,如3D集成,支持在单个封装内实现芯粒(小且具有特定功能的芯片)的高带宽连接。这意味着原来单芯片上的各个功能可以被分解到专门的芯粒上,而每个芯粒都可以采用最合适的的半导体制程技术进行制造。例如,Kelleher在其全体会议演讲中指出,高性能计算要求每个处理器内核都有大量缓存,但芯片制造商微缩SRAM(静态随机存取存储器)的能力并没有跟上逻辑单元微缩的步伐。因此,使用不同制程技术把SRAM缓存和计算内核分别制成单独的芯粒,并利用3D集成技术将它们组接起来,是一种有意义的做法。
Kelleher谈到,系统工艺协同优化在实际应用中的一个重要案例是位于极光(Aurora)超级计算机核心的Ponte Vecchio处理器。它由47个芯粒(以及8个用于热传导的空白芯片)组成,利用先进的平面连接(2.5D封装技术)和3D堆叠技术拼接在一起。Kelleher说:“它汇集了不同晶圆厂生产的芯片,并将它们有效地组合起来,以便系统能够执行所设计的工作负载。”
英特尔认为系统工艺协同优化是摩尔定律的下一个发展阶段。
英特尔在IEDM 2022上展示了3D混合键合研究成果,相比2021年公布的成果,其密度又提升了10倍。连接密度的增加意味着可以将更多芯片功能分解到独立的芯粒上,进而又提升了通过系统工艺协同优化实现成果改进的潜力。采用这项新技术,混合键合间距(即互连之间的距离)仅为3微米,借此可以将更多的缓存从处理器内核中分离。Kelleher认为,如果能将键合间距减少到2微米至100纳米之间,将有可能实现逻辑功能的分离。目前,逻辑功能必须位于同一块芯片上。
通过分解功能来优化系统,这种趋势正在深刻影响着对未来的半导体制造工艺。未来的半导体制程技术必须要应对3D封装环境的热应力,但互连技术的变化可能最大。Kelleher表示,英特尔有望在2024年推出一项名为PowerVia(通常指背面供电)的技术。PowerVia将供电网络移动到芯片下方,从而减小了逻辑单元的尺寸并降低了功耗。Kelleher介绍,它同时“提供了不同的机会,让我们能够探索如何在单个封装内进行互连” 。
系统工艺协同优化(STCO)通过同步优化从软件到制程技术的一切,更全面地改进计算机系统。
Kelleher强调,系统工艺协同优化仍处于起步阶段。EDA(电子设计自动化)工具已经解决了系统工艺协同优化的前身——也就是设计工艺协同优化(design technology co-optimization, DTCO)的挑战,侧重于逻辑单元级(logic-cell level)和功能块级(functional-block level)的优化。Kelleher介绍:“一些EDA工具供应商已经在进行系统工艺协同优化的相关工作了,未来的重点将落在帮助其实现的方法和工具上。”
随着系统工艺协同优化的发展,工程师们可能需要随着它一起进步。Kelleher说:“一般而言,工程师需要不断掌握器件知识,但也要开始了解其技术和器件的用例。随着系统工艺协同优化逐步深入发展,将需要更多的跨学科技能。”
英特尔的制程路线图
Kelleher还介绍了英特尔的最新制程路线图,将其与摩尔定律的推进以及自晶体管发明以来的器件的演进联系起来。Kelleher表示,自英特尔在不到两年前公布新的制程路线图开始,一切都在步入正轨。同时,她也补充了一些细节,比如哪些处理器将率先采用新技术。
英特尔正在按部就班地推进其制程技术路线图。
预计于2024年上半年投产的Intel 20A取得了技术上的重大飞跃。它引入了一种新的晶体管架构——RibbonFET(通常被称为全环绕栅极或纳米片晶体管)以及PowerVia背面供电技术。当被问到这项技术可能涉及的风险时,Kelleher解释了英特尔的战略。
Kelleher称:“这些并不需要同时完成,但我们看到了采用PowerVia来实现RibbonFET技术的显著优势。” 她解释道,两者的发展是并行的,这样可以减少延误的风险。英特尔正在使用FinFET(目前正在使用的晶体管架构)和PowerVia进行测试。 “进展非常顺利,我们能够加快研发步伐了。” Kelleher表示。
未来的晶体管
Kelleher发表演讲之际,正值IEEE电子器件协会庆祝晶体管发明75周年。在《IEEE Spectrum》杂志上,我们向专家们提问,在2047年,诞生100周年之际,晶体管会变成什么样子。Kelleher认为,晶体管技术是一项长寿技术,平面晶体管设计一直从上世纪60年代持续到2010年左右,而它的继任者FinFET仍然很强大。她表示:“现在,我们将采用RibbonFET,它可能会延续20年或更久......我预计我们将在某个时间点开始堆叠RibbonFET晶体管。然而,到那时晶体管的带(ribbon)可能会由2D半导体制成,而不是硅。”
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。