中國芯片未來發展，這些問題是關鍵
加入技術交流群
01.引言
02.集成電路器件與集成前沿技術
▲圖1 集成電路的發展趨勢
在邏輯器件與集成方面，FinFET成為先進集成電路制造工藝進入后摩爾時代采用的主流三維器件，已經成功地推動了從22nm到5nm甚至3nm等集成電路工藝節點的發展 [1-3]。圍柵晶體管可以進一步增強柵極控制能力，有望較好地克服當前技術的物理縮放比例和性能限制，從而在溝道厚度及寬度控制方面相比較FinFET具有更好的優勢。三星電子在2003年提出多橋–通道場效應晶體管（multi-bridge-channel field-effect transistor, MBCFET）的水平圍柵器件方案 [4]，并于2022年成功應用于3nm技術節點的大規模量產 [5]。IBM、IMEC、三星等公司和研究機構利用超晶格犧牲層方法研制的多層堆疊納米片/納米線圍柵器件，通過突破內側墻隔離技術、原子層金屬填充技術、犧牲層去除技術等挑戰，進一步提高了器件性能和集成密度 [6,7]。通過新的信號控制和處理方式，利用新原理器件來突破功耗瓶頸也成為微納電子器件的前沿和熱點。隧穿場效應晶體管（tunneling field-effect transistor, TFET）采用量子力學帶帶隧穿作為導通機制，可以實現超陡亞閾擺幅，突破傳統MOSFET（metal-oxide-semiconductor field-effect transistor）器件的理論極限值。國內外許多著名半導體公司、研究機構和大學都積極開展了關于TFET的研究。北京大學以TFET工作機制為突破口，提出并研制了梳狀柵雜質分凝隧穿場效應晶體管，該晶體管的最小亞閾擺幅是目前報道的硅基隧穿器件中的最低值（29mV/Dec），并且其工藝能夠和多個技術代技術兼容，在大生產線上進行了集成和電路應用驗證 [8,9]。人工智能的熱潮讓研究者加強了對底層器件的關注，通過新的信息處理方式研制神經形態等新型信息器件，模擬實現生物大腦的神經元及其連接的信息處理功能，進而推動類腦計算等領域的發展。比如阻變隨機存儲器（resistive random-access memory, RRAM）從2008年由惠普實驗室首次實驗證實之后，由于結構簡單、集成密度高并且具有斷電仍然能夠保持存儲狀態的優勢，成為突觸神經形態器件的重要候選技術，并得到了眾多研究者的關注。通過材料特性的調控、綜合電子/離子等輸運機制及熱/電/磁場等多激勵手段，研究者們已經基于RRAM、相變隨機存儲器（phase-change random-access memory, PCRAM）等器件研制了可以成功模擬尖峰時間相關的可塑性（spiking timing dependent plasticity, STDP）、長時/短時可塑性和信號時空整合與發放等突觸和神經元功能的神經形態器件，并通過小規模的集成與互連，初步驗證了一些類腦或者智能信息的處理功能 [10-13]，但是如果要構建大規模的類腦神經網絡或者類腦芯片，則需要產業提供強力的工程支撐和大規模集成的方案指導。總的來說，集成電路器件與集成面臨如下兩個關鍵挑戰:(1) 芯片集成度無法通過傳統器件結構與尺寸微縮方式持續提升。采用傳統器件結構和尺寸微縮方式提升芯片集成度將面臨熱產生原子的隨機漲落、量子效應限制靜電控制能力、 高密度圖形化衍射極限等難題。同時，我國目前先進工藝發展受到限制，不僅缺少極紫外（extreme ultra-violet, EUV）光刻設備，也面臨一系列器件結構機理與集成工藝瓶頸亟待探明與突破，如半導體低溫結晶原理與技術、垂直三維堆疊的散熱問題、圍柵器件的金半接觸電阻調控機理、與硅基工藝兼容的超薄高遷移率溝道材料生長原理等。(2) 芯片的算力受到功耗限制無法持續提升。亟需探索電輸運的能量耗散本質，解決存算分離的數據搬運能耗問題、平面集成的互連延遲瓶頸、載流子信息承載與運算操作的能耗極限問題、納米尺度下器件中信號的漲落與噪聲問題等。2.2 集成電路器件與集成的前沿展望集成電路器件與集成前沿技術的發展需要從“新器件–新材料–新工藝–新架構"等不同層次出發，研究相關領域的基礎科學和前沿技術問題，尋找變革性技術實現突破。先進工藝是集成電路發展的關鍵，因此應首先持續推進EUV等先進圖形化技術及系列關鍵技術的探索和研發，另一方面，可積極探索無EUV路徑依賴的新工藝/新器件技術。通過新結構、新原理、新材料、新工藝、新架構的全面結合和協同創新，深入開展微納電子核心器件與集成的基礎及應用研究，通過設計技術協同優化（design technology co-optimization, DTCO）[14] 以及系統技術協同優化（system technology co-optimization, STCO）方法 [15]，突破器件結構機理與集成工藝瓶頸。整合創新鏈，整體設計提高芯片性能的關鍵技術路徑，突破集成電路新器件與集成前沿核心技術，推動5～2nm及以下先進技術節點的研發和量產，助力我國在微納電子核心器件、集成技術，以及先進電子材料領域達到國際先進水平，并為未來集成電路發展開展前沿新技術探索，支撐我國集成電路產業和技術的可持續發展。在不同的設計制造層次之中，先進的封裝技術正在逐步成為推動系統性能持續提升的關鍵因素，也滿足了電子產品“輕、薄、短、小"以及系統化集成的需求。鑒于中國在發展先進制程方面面臨一定的外部限制，因此，優先發展先進的封裝技術，作為一種有效補充和部分替代的策略，應成為我們未來發展的重要邏輯之一。先進封裝技術的發展正聚焦于兩個核心方向：晶圓級封裝和系統級封裝。(1) 晶圓級封裝。此方向的技術發展專注于優化晶圓制程。通過晶圓重構工藝和重布線技術，在更為緊湊的封裝面積內實現更多引腳的容納。這不僅滿足了封裝的“窄間距、高密度”要求，還通過形成金屬凸點與外部實現了有效互聯。(2) 系統級封裝。此方向著重于模組領域的拓展。系統級封裝技術努力實現多功能芯片的集成，如處理器、存儲器及其他元器件，進而在一顆芯片中集成這些先前分散在印刷電路板（printed circuit board, PCB）板上的組件。這種整合有助于壓縮模塊體積和縮短電氣連接距離，從而提高芯片系統的整體功能性和設計靈活性。近年來，Chiplet技術作為先進封裝技術的一種創新突破，也受到了廣泛的關注。這種技術通過利用先進封裝手段，將多個具有不同功能的異構芯片裸片整合集成于一個特定功能的系統芯片中，預示著異質整合有望成為未來芯片設計的主流方向。Chiplet異質集成涉及的典型先進封裝技術包括TSV、超高密扇出、嵌入式多芯片互連橋接（embedded multi-die interconnect bridge, EMIB）， 以及混合鍵合等 [16-19]。在封裝方面，我國需發展先進封裝工藝，根據明確的產業應用需求，研發適合的封裝工藝，特別是聚焦于攻克核心封裝工藝的難題。對于需要在前端平臺進行加工的工藝部分，應明確前后工藝的分工，并實施前后工藝的協同設計和優化迭代。此外，還應發展核心封裝材料和設備，建立完整的“材料–封裝–應用”產業鏈。根據產業應用的需求，參考國外進口材料的標準，由材料廠商開發相應的封裝材料，并進行性能的測試評估和比較。接著，在國內先進封裝平臺上，進行多輪材料的迭代使用，最終實現對進口材料的國產化替代。封裝廠商應明確需求，與裝備廠商合作，共同研發關鍵封裝裝備。在國內先進封裝平臺上，加速國產裝備的測試和優化迭代過程。03.模擬與射頻電路前沿技術
▲圖2 模擬與射頻集成電路發展趨勢
寬帶高速高精度模數轉換器是模擬電路設計與制造的戰略制高點，也是瓦森納協議（Wassenaar arrangement）嚴格控制對我國出口的核心關鍵器件。由于寬帶高速無線通信和一體化雷達與電子戰系統的發展，寬帶射頻直采及轉化處理、高速模擬信號采樣轉換成為重要的技術發展方向。此外，高精度和高靈敏度的生物與導航傳感應用需求，以及納伏級微弱信號采樣與數據轉換處理需求也十分迫切。隨著集成電路工藝節點不斷微縮，使用納米級集成電路工藝制備高速模擬集成電路面臨一系列新挑戰。一方面，先進制程下電源電壓下降，信噪比下降，受高速時鐘抖動等噪聲的影響愈加嚴重 [20-23]，直接影響模數轉換器的性能與精度。另一方面，納米工藝下高性能放大器對高質量信號處理至關重要 [24-26]，而先進制程下，運放有效輸出擺幅有限，放大信號的線性度被嚴重限制，放大器精確度下降，同時，最大模擬信號帶寬和工藝約束下的本征頻率上限差距逐漸增大。隨著集成電路工藝截止工作頻率不斷提升，射頻毫米波的主流工藝變成硅基工藝，尤其是在毫米波相控陣芯片領域提供了高集成度和低成本的解決方案，并在低軌衛星通信和毫米波車載雷達等領域實現了規模化應用。近年來我國在射頻集成電路設計領域快速發展，研究成果處于領先水平。針對下一代硅基毫米波太赫茲相控陣技術應用，射頻集成電路面臨超寬帶、超大規模陣列和多波束等一系列技術難題，尤其是在基于自主工藝的模型、關鍵電路和系統應用等方面仍然存在挑戰。在超寬帶技術方面，如何平衡射頻性能、寬帶能力和成本始終是未來核心挑戰。在超大規模陣列方面，如何保證通道一致性是一個重點研發方向和挑戰。在多波束方面，****或通信系統的多波束架構面臨功耗及成本開銷大的難題，同時模擬全連接多波束架構連線復雜度高，未來如何實現低開銷高效率的多波束架構是重要的發展方向。高密度電源管理是高算力芯片的核心支撐，人工智能時代，系統層面對于電源管理芯片提出了更高要求，并對功率、電流、轉換比、效率都提出了全方位的要求，現有處理器中輸入輸出接口中超過一半甚至70%的針腳用于供電 [27,28]，電源管理芯片在整個系統中的重要性日益突出。目前電源管理芯片正面臨著從二維、平面到三維、立體功率轉換器的技術變革。英特爾等國外領先企業已布局大量埋置等集成化電感專利，相關核心技術專利墻正在形成 [29,30]。而我國在電源管理芯片方面，整體仍處于追趕態勢。工業界缺少頂層電源架構的工程師，高校層面主要關注創新架構，距離實際落地應用仍有一定差距。3.2 模擬與射頻電路的前沿展望為了應對以上應用需求和技術挑戰，面向高性能模數轉換器，亟需發展混合架構高精度低延時新策略和高度可重構模數轉換器，利用新架構、新電路、新器件挖掘自主可控工藝極限特性，實現性能指標的跨代工藝超越。在新架構方面，因為晶體管的截止頻率隨著工藝制程的發展不斷提升，如28nm晶體管的截止頻率已超過300GHz [31]，所以基于高度數字化模數轉換器架構可以充分挖掘工藝極限性能，并對數字預處理、模擬信號鏈和射頻信號鏈等電路進行高度一體化集成，摒棄原有模數轉換器產品形態，可為核心模擬器件自主可控提供支撐。在新電路方面，可編程模擬電路有望使用一個芯片覆蓋眾多應用，通過軟件定義架構，對電路功能、電路精度、電路速度進行可重構設計，在系統、架構及軟件上加大對模擬電路的支持，實現跨架構系統可重構及面向多場景、多模態的高精度應用，從而降低研發成本，提高研發速度。在新器件方面，化合物工藝器件的截止頻率遠高于傳統硅基工藝器件，因此充分結合化合物半導體和硅基集成電路工藝是重要的發展趨勢。例如，探索化合物和硅基半導體的微系統集成模數轉換器，其中超寬帶采樣保持結構化合物的工藝實現，信號量化及轉換采用硅基集成電路工藝完成運算交織，從而通過微系統異質異構集成實現超高速模數轉換器，滿足高端儀器、T級光傳輸等發展需求。面向射頻毫米波電路，需按照芯片器件的模型、關鍵電路，以及系統3個層級進行布局。在射頻毫米波電路中，電路性能對模型精度極其敏感 [32-34]，而目前針對毫米波和太赫茲器件建模還存在精度不足等限制，尤其針對現在自主工藝構建獨立自主的模型庫，極大限制了自主可控射頻毫米波集成電路發展。同時，在射頻毫米波關鍵電路方面還將面臨大帶寬、高效率和多波束等挑戰，亟需在電路架構和設計上進行創新和突破，以滿足新一代無線系統應用需求。在系統層面, 需要在未來6G通信、太赫茲通感一體、量子調控等方面開展積極布局。面向高效率高集成度的電源管理電路，從平面二維供電轉換成立體三維集成供電，這是電源管理芯片的主要發展趨勢。首先，在高密度方面，三維化方案需集成部分無源器件，開關頻率越高，越可以減小無源器件的尺寸，提升集成密度。但高頻意味著效率的降低。需要設計電源轉換器的創新架構，以在高頻約束下實現更高的效率。其次，在速度響應方面，針對如何實現超寬帶的環路響應的問題，需要開展創新控制方法研究，采用多路互相協調、互相幫助的方案突破DC-DC環路快速響應的理論極限。在基礎元器件方面，需要突破國外公司相關的電容電感技術專利，解決三維集成方案中的散熱問題，探索開關電感電容混合型DC-DC架構，突破性能指標解耦設計難題。最后，在系統集成方面，高集成度的電源管理芯片，不僅需要芯片設計創新、工藝上元器件的支持，還需要解決三維封裝里面的散熱問題，因此要更強地在不同領域之間形成合力的工作。建議開展基于Chiplet架構的電源芯片架構和設計研究，開展性能指標解偶設計、基于Chiplet架構的創新功率轉換器架構設計、數字化全集成穩壓電源設計、分布式、 多路輸出的設計，實現創新功率轉換器架構和數字化的全集成穩壓電源。04.集成電路設計方法前沿技術
▲圖3 EDA工具發展路線圖
在集成電路誕生初期，單個集成電路僅有數個元器件，集成電路設計人員可以使用手工布局連線的方式完成芯片設計。隨著集成電路的快速發展，單個集成電路芯片上的元器件數量極速增長，依靠人力資源手工完成芯片設計耗時長、成本大。20世紀70年代，集成電路物理級的布局布線需求推動了第一代EDA工具的誕生。20世紀80年代中期，第二代EDA工具在物理級設計的基礎上向邏輯門級進行遷移，出現了一系列邏輯門級電路模擬工具、標準單元的版圖設計與驗證工具。第三代EDA工具發展于20世紀90年代，VHDL、Verilog等多種硬件描述語言（hardware description language, HDL）相繼誕生，EDA工具逐步實現從系統級到寄存器傳輸級（register transfer level, RTL）、門級、電路級，最終至物理級的設計自動化，芯片設計流程變得更加自動化與標準化。隨著先進工藝的發展，集成電路特征尺寸不斷降低，電路規模與集成度爆炸式增長，今天一顆處理器芯片的晶體管數量可達數千億個。此外，先進集成封裝技術與先進計算方式帶來了一系列EDA新問題，芯片規模與EDA問題的求解時間急劇增長，集成電路設計周期通常可達數個月的時間，嚴重影響芯片設計的迭代效率。在集成電路設計方面，體系架構、電路與器件的高度融合、密切結合是未來推動集成電路發展的重要方式。現有EDA工具往往側重于特定層級與設計問題的優化求解，如邏輯綜合工具主要求解數字電路RTL級到門級的映射優化問題，布局布線工具主要在物理級優化標準單元的布局與互聯。因此, 現有電路設計方法難以支撐跨層次聯合設計，分層優化無法達到架構、電路、器件跨層優化的性能水平。從產業發展的角度看，EDA市場主要被美國的新思科技（Synopsys）、鏗騰電子（Cadence），以及德國西門子（Siemens）所壟斷，三家公司的全球總市場占有率超過60%。而在我國EDA行業的市場份額中，本土EDA工具占比小于15%，與EDA巨頭公司相差甚遠 [35]。市場份額的顯著差距源于如下問題。首先，國產EDA工具覆蓋率低。國外EDA公司不僅有流程全覆蓋的工具鏈，而且具備完整的EDA工具生態。而國內EDA公司仍聚焦在點工具上，對集成電路完整設計鏈條的覆蓋率低。其次，我國EDA工具缺少先進工藝制程的支撐，生態不健全。工藝制程決定了電路設計的問題定義與約束條件，缺少先進工藝的支持將導致EDA研究者難以面向最新的半導體技術開展優化方法研究，從而造成EDA工具無法支持先進電路設計。這些問題嚴重影響了我國EDA工具的市場競爭力，并造成我國集成電路產業在EDA方面面臨嚴重的“卡脖子”問題。4.2 電路設計方法的前沿展望4.2.1 基于人工智能的無人工干預芯片自動生成過去，傳統芯片的設計流程主要以人為核心，通過EDA等自動化工具的輔助，基于功能模塊拼接成完整芯片。隨著人工智能技術的快速發展，其將有望全面替代人類的工作，重塑傳統芯片設計的全流程。將傳統的人工手動設計與EDA自動化工具結合的半自動設計流程，重塑為基于人工智能技術、無人干預的機器自動迭代設計。基于人工智能的芯片自動生成方法將顛覆傳統設計流程、全面釋放廣闊的設計優化空間，從非精確的整體邏輯出發，通過自動調試、自動修復，不斷逼近正確邏輯。將原有的分層分立的模塊化設計空間全面打通，轉變為跨層貫通的全局設計空間，將“從局部到整體”的設計流程改變為“從整體到局部”的設計流程。過去我們認為芯片問題急不得，芯片技術往往要5～10年才能走完基礎研究到工程應用之路。然而，當今人工智能技術（如AlphaGo和ChatGPT）從嶄露頭角到一騎絕塵通常僅需1～2年的時間，因此，基于人工智能的芯片自動生成技術的競爭慢不得。面向后摩爾時代超大規模和超高精度的挑戰，我國急需面向人工智能全自動芯片生成的全流程進行布局：(1) 針對國產芯片設計高端人力資源匱乏的壁壘桎梏，突破基于人工智能技術的自動邏輯功能設計、性能優化和評估驗證技術。(2) 建設可提供流片支持和實驗數據共享的人工智能芯片自動生成公共創新平臺和開放系統軟件部署平臺，牽引上述科技創新的體系化快速發展，實現對原始創新的快速系統集成與應用驗證。4.2.2 “系統–架構–電路–器件–工藝"跨層次協同優化集成電路跨層次協同優化的設計范式亦被稱為左移融合模型，即將器件、工藝等層級的后序設計與系統、架構、電路的前序設計階段融合在一起。現有的集成電路分層設計范式具有設計階段相互解耦、各階段設計簡單的優勢。然而, 不同設計層級相互影響，設計過程中需要大量反饋迭代，開發周期長，全局優化不足。跨層次協同優化的左移融合模型，其優勢在于開發周期短，全局優化充分，且有望實現集成電路設計的降本增效。當前芯片驗證的人力和成本開銷已經超過了芯片設計階段，左移融合模型可以在早期階段進行測試及分析，盡早發現和預防這些問題，從而提高芯片質量和設計效率。美國新思科技、鏗騰電子等EDA公司近年來開展了多階段融合的嘗試，并推出了相關產品，如新思科技的Fusion Compiler工具可以實現從RTL級硬件描述語言到GDSII （graphic design system II）版圖文件的跨層級協同優化 [36]。面向左移融合的跨層次協同優化，我國需建立EDA創新合作機制，實現國產EDA工具的串鏈，加強EDA行業標準制定，設計標準化、規范化工具接口，實現面向集成電路全流程設計的自主可控智能化電路設計工具鏈。4.2.3 人工智能輔助的電路設計方法人工智能大數據時代，機器學習算法等人工智能技術在眾多復雜問題上（如人臉識別、目標檢測、自動駕駛等）取得了巨大的進步，具有了超越人類水平的能力，有效解決了決策、分類、檢測及設計空間搜索等問題。EDA應用中的眾多問題可以被表征為決策問題、分類問題與檢測問題，使用人工智能算法解決EDA問題，有望提高大數據時代智能芯片的設計效率。目前，國內外主要的EDA公司均在已有工具中引入了人工智能方法提高EDA工具的求解優化效率。例如，美國鏗騰電子在布局布線工具Innovus中，使用機器學習方法進行時序預測 [37]。由于機器學習算法依賴于大量的訓練數據，因此鏗騰電子使用了大量芯片設計數據，在云計算平臺上進行模型訓練，將訓練好的機器學習模型與其他傳統模型一并整合到Innovus中，用于提高設計效率。在學術界，我國高校開展了諸多基于人工智能的電路自動化設計方法前沿探索 [38-40]。此外，我國具有良好的人工智能基礎，在基礎設施方面，算力總規模全球第二，達到每秒1.97萬億億次浮點運算（197EFLOPS）；在行業應用方面，人工智能在我國制造、交通、醫療、金融等重要行業中的滲透度接近40%；在數據方面，2022年我國數據產量規模占全球數據總產量的10.5%。上述人工智能產業基礎有望支撐我國新一代EDA工具的研發。面向人工智能大數據新時代的電路設計方法，我國需建立一系列開源開放的新平臺，包括開源電路IP平臺、電路設計數據平臺，以及云端EDA點工具平臺等。促進開源EDA工具與商業EDA工具的相輔相成，打造開放的EDA生態。05.計算架構前沿技術
▲圖4 器件特征轉變
在通信方面，光通信新器件是典型代表。光通信可以將多個波長的光進行調制，通信帶寬可達Tbps級別，頻率可以提升至太赫茲量級 [45]。在計算方面，量子計算、生物計算器件受到廣泛關注。量子計算器件在特定問題上相較于傳統計算甚至有解出和解不出的區別，而生物計算如DNA計算理論上可以提供超高的并行度。在存儲方面，RRAM、鐵電隨機存儲器（ferroelectric random-access memory, FeRAM）、磁性隨機存儲器（magnetic random-access memory, MRAM）等新型存儲都取得了諸多成果 [46]，在某些特性上較傳統存儲器更好，也為存算一體體系結構設計打開了新的設計空間。5.2 計算架構的前沿展望總體來看，體系結構發展已經進入黃金時代，各種專用架構層出不窮。然而, 以大模型為代表的智能應用仍然是計算中最重要且最被廣泛應用的負載。因此，加速大模型的訓練和推理的體系結構成為目前計算機系統結構發展的熱點。另外，能夠提供新特性的新型器件也是體系結構設計的熱點。目前，體系結構設計總體上有兩個趨勢，一個是縱向設計融合，一個是橫向設計融合。縱向設計融合指的是，隨著芯片制造半導體工藝發展陷入停滯，體系結構設計不得不從過去分層設計優化，邁向縱向的跨層次聯合優化設計，如DTCO，深挖應用、架構、器件到工藝的聯合優化，從而提供更高效的芯片設計。橫向設計融合指的是，隨著智能應用場景開始慢慢固化，體系結構設計開始從過去對應用分階段分步驟的設計考量，邁向對應用各個階段的聯合設計優化。例如在感–存–算一體化芯片中，從對視覺感知到存儲到最后的計算都在一個芯片上完成；又例如Chiplet多芯粒集成，可將不同功能芯粒聯合成一個芯片。面向上述兩個趨勢，主要研究方向包括如下幾點:(1) 跨層次一體化設計。在橫向設計融合和縱向設計融合發展趨勢下，不同的設計層次、不同材質的器件、不同的集成方式都成為可能，這也使得體系結構需要在橫向和縱向的聯合空間進行設計和優化，從而在單位面積內集成更多更高效的算力。而目前，聯合設計工具缺失、異質集成方式多樣，都使得跨層次一體化設計挑戰重重。(2) 專用和通用的兼容。體系結構設計面臨的一個事實是芯片制造成本仍然很高，周期仍然很長。例如，一款典型CPU需要500名工程師花費2年時間才能設計完成。一個體系結構設計不得不考慮設計成本和設計周期的影響，也就是說體系結構設計需要具有一定的通用性，否則很有可能在經過一年到兩年的設計生產周期后，制造出的芯片已經無法支撐當前主流應用，或者所制造出的芯片只有很少的市場應用，連成本都無法收回。因此體系結構設計需要盡可能提高設計效率。06.集成電路發展意見和建議
原文鏈接：
https://www.sciengine.com/SSI/doi/10.1360/SSI-2023-0356
*博客內容為網友個人發布，僅代表博主個人觀點，如有侵權請聯系工作人員刪除。
