VLSI技术创新推动AI发展
摩尔定律终结与创新需求
人工智能已经成为当今最具变革性的技术之一，建立在超大规模集成电路（VLSI）技术的基础之上。几十年来，摩尔定律一直是半导体技术进步的驱动力，每两年将晶体管密度翻倍，同时将成本减半。这一卓越的发展轨迹使得高性能计算机的开发成为现实，这些计算机能够执行每秒万亿次运算，并配备高密度、低成本的存储器系统。这两个关键要素为推动AI发展提供了必要的动力。
然而，正如英伟达的John Chen博士在2011年夏威夷国际技术合作伙伴会议上首次宣布的那样，由于工艺尺寸缩放的限制，摩尔定律已经开始放缓。如今，这一指导半导体行业五十年发展的基本原理已经有效终结。曾经依赖的卓越改进节奏不再可持续。矛盾的是，AI应用比以往任何时候都需要更多的晶体管和互连，这为行业带来了严峻挑战。VLSI创新的三大支柱
为了应对这一挑战，VLSI行业必须在三个基本领域培育创新：材料、器件和系统。这些创新代表着将培育未来VLSI园地的种子。
[*]材料创新专注于互连和晶体管的技术变革。对于互连线，工程师正在探索传统铜布线的替代方案，在直流应用中研究钌等材料是否能够在20纳米金属间距应用中替代铜。在交流场景中，目标是最小化电容损耗，空气间隙代表着实现最低介电常数的理论理想状态，尽管实际实施仍然面临挑战。晶体管创新的目标是通过二硫化钼等二维材料减少直流应用中的亚阈值泄漏。对于交流性能，重点转向在除了需要电荷存储的地方（如高K栅极介电材料或动态随机存取存储器的高K材料）之外的所有位置实施极低K介电材料。
[*]器件创新涵盖渐进式改进和变革性方法。从硅顶部有栅极的平面晶体管，到栅极环绕硅台面的FinFET结构，再到栅极围绕硅片的全环栅极配置，展示了持续的架构演进。互补场效应晶体管技术代表另一个突破，将n型和p型场效应晶体管堆叠，栅极相互连接以创建高效的反相器。
[*]系统级创新专注于通过架构优化改善以每秒万亿次运算衡量的处理能力。存储器局域性确保缓存存储器位于处理核心附近，以最小化存储器访问期间的能耗。适当精度匹配仅为特定任务提供所需的计算精度，而平衡指令集优化了精简指令集和复杂指令集计算架构之间的权衡。
图1：英伟达B200 Blackwell超级芯片代表当今最复杂的VLSI实现，采用台积电的芯片-晶圆-基板技术集成两个791平方毫米的硅芯片。
英伟达的B200多芯片模块体现了当前VLSI复杂性的顶峰。这一卓越成就集成了两个Blackwell芯片，每个芯片包含1040亿个晶体管，其中18%专用于静态随机存取存储器。当考虑到每个芯片包含2860亿个接触点、0.55万亿个通孔和109公里的金属互连线时，工程复杂性变得显而易见。
系统规格展现了非凡的能力：192千兆字节的高带宽存储器以每秒8太字节的速度运行，人工智能计算性能达到8位浮点运算的10千万亿次浮点运算，图形处理单元存储器带宽为每秒8太字节，NVLink连接为每个图形处理单元提供每秒1800千兆字节。整个系统耗散1000瓦功率，代表了性能与热管理之间的精心平衡优化。摩尔定律终结后的行业持续增长
尽管摩尔定律已经终结，半导体行业仍在继续增长。2024年半导体收入仅约6000亿美元，而全球国内生产总值超过100万亿美元。摩尔定律终结意味着芯片不再变得更便宜，但仍然便宜，仅占电子产品的约5%，而电子产品仅占全球国内生产总值的约10%。VLSI芯片级别的集成不仅在每瓦性能方面提供数量级改进，还有助于尺寸缩减，最重要的是有助于成本控制。实际上，价值/美元已成为半导体行业最大化的新指标。VLSI仍有很大增长空间，并且随着AI的发展将增长得更快。VLSI与AI的协同效应
VLSI与AI之间的关系通过平行处理相似性、人工智能辅助设计工具和强化循环展现出卓越的协同效应，其中更好的芯片使更智能的AI系统成为可能。集成电路处理包括光刻、蚀刻、沉积等都是并行完成的。用于AI计算的GPU拥有数千个处理核心、分布式片上存储器和大规模并行处理。
协同作用体现在光学邻近校正中，使用AI生成制造集成电路所需的掩模图案。使用AI辅助的电子设计自动化来自动化集成电路设计和布局中的布局布线。强化作用表现为检测和机器学习，AI发现缺陷、识别源头、消除缺陷源头、制造完美的集成电路、更强大的AI计算机、更智能的制造工具、更好的集成电路。
页:
[1]
