最近的一則新聞把一個原本在學術界的詞匯——“后摩爾”拉升到了公眾視野。什么是“后摩爾”？為什么“后摩爾”要提升到國家戰(zhàn)略程度？“后摩爾”技術包含哪些？本期矽說小編就來談一談我眼中的后摩爾，因為一直欠著大家一篇ISSCC 2021的review，正好有機會借著這個話題來一起討論下。
先插一個硬廣：第三屆華人芯片設計技術研討會（ICAC 2021）明天就要在深圳開幕了，屆時將網(wǎng)羅今年在ISSCC 2021上發(fā)表論文的大部分作者與報告，不出國門、不倒時差的ISSCC體驗就在5.20，千萬不要錯過。
接下來開始正文——
后摩爾定義：尺寸微縮的邊際效應遞減
歷史上的摩爾定律，一般分為兩個階段，第一個階段是從Gordon Moore提出摩爾定律開始，到2000年前后，這個階段一般稱為 Full Scaling或者恒定電場微縮階段，這個階段的摩爾定律是溫馨且甜蜜的童話，所有的性能指標都微縮，單位面積上的發(fā)熱量保持不變。PPA（Power/Performance/Area），無論哪個都在有條不紊提升。也正是這個時期開始，芯片廠商們意識到，押注摩爾定律穩(wěn)賺不賠，就像投資北上廣深的房價。
然而好景不長，由于晶體管的閾值電壓在到100nm以后幾乎無法下降，F(xiàn)ull scale的摩爾定律遇到了阻礙。于是一種新的摩爾定律產(chǎn)生——我們一般稱為恒定電壓微縮。雖然尺寸還在變小，速度還在變快，但是恒定電壓微縮下，單位面積下的發(fā)熱量是隨微縮節(jié)點平方率上升。換言之，這樣的摩爾定律一定帶來芯片發(fā)熱的爆炸。如果我們芯片充分利用微縮帶來益處，小小芯片很可能其發(fā)熱密度能趕上核電站甚至是火箭推進器。
問題來了，20nm以下的工藝發(fā)展，且不論能否造出來，假設CMOS器件制造無礙，能否繼續(xù)享受摩爾定律器件微縮帶來的芯片性能的上升紅利？由于發(fā)熱宛如小火爐現(xiàn)象，實際摩爾定律發(fā)展邊際效應已然遞減。而且，更現(xiàn)實的問題是設計成本。20nm以下的工藝采用FinFET/GAA等立體結構，無論數(shù)字還是模擬電路，設計難度指數(shù)級上升，設計成本更是讓一般的芯片公司望洋興嘆。一顆5nm SoC的設計成本是28nm的10倍之多。相比之下，帶來性能躍遷只有2、3倍。從經(jīng)濟的角度，除了少部分出貨量超過100KK的芯片，大部分芯片的微縮已經(jīng)停滯在了28nm節(jié)點上下。當然，這種停滯還可能源于某些國際政治的因素。比如某西方大國不讓我們的某實力大廠在某島的代工廠上流14nm以下的工藝等。還有就是，2nm以下的芯片能不能造出來，大家也沒啥譜。畢竟已經(jīng)是十幾個原子的事情了，現(xiàn)在基于量子力學的半導體物理理論管不管用還兩說呢。
總而言之，所謂“后摩爾”指的就是當摩爾定律對于大部分芯片設計公司來說已經(jīng)停滯時，有沒有什么顛覆性技術可以讓芯片在沒有尺寸微縮的前提下繼續(xù)保持PPA的提升。
簡單而言，可以從器件、架構、集成方法的角度來討論后摩爾的關鍵技術。
后摩爾器件：CMOS工藝的百尺竿頭
既然CMOS器件在先進節(jié)點已經(jīng)如此掙扎，那“后摩爾”時期，是否可以找一些能和CMOS工藝的兼容的新器件代替?zhèn)鹘y(tǒng)的MOS器件呢？這一想法的率先在存儲器中完成落地。
ISSCC 2021中，中科院微電子所在14nm FinFET工藝節(jié)點上，用憶阻器實現(xiàn)的阻變RAM（ReRAM）代替了傳統(tǒng)的基于Flash 浮柵MOS管。在CMOS兼容的工藝里，采用新原理器件實現(xiàn)了FinFet工藝的非易失存儲。相比之下，F(xiàn)lash工藝在28nm，甚至40nm就已經(jīng)達到了工藝微縮的極限。
不僅用于存儲，由于ReRAM的器件具有電阻特性，與電流、電壓可通過歐姆定律、基爾霍夫定律實現(xiàn)乘和累加的物理關系，因此可被廣泛用于并行模擬計算電路中，這種電路也被稱為存算一體。ISSCC 2021中，臺灣清華大學通過數(shù)模混合的計算電路，首次基于ReRAM的實現(xiàn)8位的存算一體電路，且能效保持在11TOPS/W。其電路模塊結構如下所示：
后摩爾架構：算法與電路的緊耦合契機
除了器件本身，“后摩爾”的另一潛力的來源是其專用性。傳統(tǒng)的通用電路性能飽和，所以這兩年“領域專用”的設計如火如荼。ISSCC自然也不能缺席。特別是在人工智能芯片領域。目前AI算法發(fā)展速度是每3.4個月算力翻倍，而摩爾定律最快也得1.5年單位面積上的尺寸翻倍。若要能稍稍趕上這一發(fā)展速度，就得聯(lián)合算法尋找新的契機。
在ISSCC的AI芯片Session中，幾乎所有芯片設計都緊緊擁抱了算法，基于協(xié)同設計催化出更好的性能。例如，IBM提出的基于混合8位浮點的AI訓練芯片。通過自定義FP8的數(shù)據(jù)格式，完成訓練。精度上，和標準32位浮點的訓練精度相差不超過1%，同時功耗又能保持在3TOPS/W以上，避免GPU百瓦級的耗電與發(fā)熱。
還有清華大學在ISSCC 2021報告的兩篇存算一體SoC的論文。
第一篇通過利用傳統(tǒng)Cache一致性機制中的Set Associative技術，存算一體系統(tǒng)芯片中的再發(fā)明，完成了對稀疏輸入的高效讀寫與計算，用更小的硬件代價完成更大規(guī)模的計算。
第二篇通過利用In-tensor decomposition train算法將最占據(jù)存儲空間的神經(jīng)網(wǎng)絡權重最大的三維卷積核 分解為多個小向量的乘積，通過僅存儲這些小向量的方式，結合量化和稀疏性優(yōu)化實現(xiàn)高性能片上存儲空間。
可見，上述方法的性能提升及其背后的新架構探索，都不適用于通用計算，但是通過算法與電路的更緊密結合，突破目前“摩爾時期”通用模塊的性能瓶頸的效果顯著。
后摩爾集成：3D視角重新定義芯片與互聯(lián)
摩爾定律的“初心”判斷標準是單位面積上的晶體管數(shù)量的增長速度。在過去的很多年里，摩爾定律關心的都是二維平面上CMOS器件的尺寸微縮。但在后摩爾時代，如果二維的增長飽和了，為什么不考慮三維呢？ISSCC 2021上有多篇從3D視角切入的芯片可以提供討論。
首先是來自Sony的智能CIS傳感芯片。由于人工智能應用的興起，進傳感器側的AI芯片一直是CIS領域的熱門話題。Sony通過三維封裝與Cu-Cu互聯(lián)，將一個CMOS圖像傳感器陣列與模擬前端、AI芯片集成在一個封裝內。利用Cu-Cu互聯(lián)高帶寬避免了額外的傳感器與處理器數(shù)據(jù)通信瓶頸。
此外，三維封裝的另一個火熱話題是Chiplet。雖然ISSCC 2021的論文中未有太多的Chiplet paper，但是在forum上，也披露了不少已發(fā)表的Chiplet高性能處理器的設計細節(jié)。
比如AMD 二代EPYC架構服務器處理器芯片中基于Chiplet、無源連接基板和有源硅互聯(lián)芯片的協(xié)同設計方法，闡述了其從芯片級到板級到系統(tǒng)級的考慮。
還有Nvidia的Chiplet多AI加速器MCM集成芯片，進一步討論了其互聯(lián)與軟件部署算法的系統(tǒng)設計考慮。這種場景下，芯片的設計視角需要跳脫單芯片的局部優(yōu)化，而走向超大規(guī)模算力集成下的軟硬件協(xié)同優(yōu)化。有可能，我們即將來到一個3D封裝重新定義單芯片的新格局。
在這一背景下，大廠們也開始積極布局面向Die-to-Die的互聯(lián)電路，Wireline session中Samsung、Cadence都有高性能片間互聯(lián)的新電路設計。但目前為止，還是經(jīng)典的Serdes的高能效設計，能否有顛覆性技術出現(xiàn)讓我們拭目以待。
其實還有很多ISSCC 的好paper難以窮舉，你眼中的后摩爾技術還有什么呢？
