IEEE Symposium on VLSI Technology and Circuits（超大規(guī)模集成工藝與電路大會）是全球半導(dǎo)體行業(yè)與ISSCC齊名的最重要會議，每年都會有來自半導(dǎo)體業(yè)界和學(xué)術(shù)界最頂尖的研究成果發(fā)表，從這些研究成果中也可以看到全球半導(dǎo)體行業(yè)的發(fā)展。今年的VLSI會議剛剛于上周落下帷幕，本文將給大家?guī)磉@屆會議上的亮點總結(jié)。

　　Nvidia：AI與高性能計算是兩大主題

　　Nvidia作為數(shù)據(jù)中心和人工智能領(lǐng)域領(lǐng)跑的公司，事實上在VLSI這類集成電路相關(guān)的會議上發(fā)表論文并不多，而關(guān)于其人工智能芯片的對應(yīng)技術(shù)發(fā)表就更少了。而這次VLSI會議上，Nvidia則是發(fā)表了兩篇論文，其中一篇正是和人工智能相關(guān)，這也就成為了大眾關(guān)注的熱點。

　　這篇Nvidia發(fā)表的人工智能加速芯片相關(guān)的論文標(biāo)題為“A 17-95.6 TOPS/W Deep Learning Inference Accelerator with Per-Vector Scaled 4- bit Quantization for Transformers in 5nm”，其主要內(nèi)容是討論了如何針對下一代神經(jīng)網(wǎng)絡(luò)模型（即Transformer）做推理相關(guān)的優(yōu)化。人工智能領(lǐng)域，在以卷積神經(jīng)網(wǎng)絡(luò)為代表的模型占據(jù)主流地位十多年之后，下一代的神經(jīng)模型網(wǎng)絡(luò)即Transformer正在自然語言處理、圖像識別等任務(wù)上顯示出重要的潛力，有望在性能上超過卷積神經(jīng)網(wǎng)絡(luò)——事實上在自然語言處理領(lǐng)域，Transformer已經(jīng)是標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)模型了。同時，Transformer的計算量很大，也對推理加速芯片提出了新的要求。而在AI芯片推理加速領(lǐng)域，針對Transformer做優(yōu)化的工作并不如當(dāng)年針對卷積神經(jīng)網(wǎng)絡(luò)這么多，主要原因是卷積神經(jīng)網(wǎng)絡(luò)中可以通過各種數(shù)據(jù)復(fù)用技術(shù)來實現(xiàn)相當(dāng)高的效率提升，但是在Transformer模型上這些技術(shù)并不是很有用。

　　在Nvidia發(fā)表的這篇論文中，我們看到了Nvidia在這方面的研發(fā)思路，就是軟硬件結(jié)合。在神經(jīng)網(wǎng)絡(luò)加速芯片領(lǐng)域，一直有兩種思路，第一種是走純硬件優(yōu)化的道路，即完全通過數(shù)據(jù)流和電路的優(yōu)化，在完全不更改模型的情況下來實現(xiàn)計算的加速，這樣的優(yōu)化最后得到的模型輸出理論上應(yīng)該和原模型數(shù)學(xué)上完全等價，同時對于設(shè)計者來說也無需理解模型的訓(xùn)練和設(shè)計過程，只需懂硬件執(zhí)行即可。另一條道路則是軟硬件協(xié)同設(shè)計，即在設(shè)計加速芯片的同時也對模型做一定程度的更改，在對模型不產(chǎn)生重大精度損失的前提下讓模型對于硬件更有友好。這也就需要設(shè)計團(tuán)隊同時能精通模型和硬件，即對于團(tuán)隊有更高的要求。Nvidia的這篇論文走的就是后者，其主要的優(yōu)化在于首先對于Transformer做激進(jìn)的量化，把計算精度減少到4比特，從而大大減少對于內(nèi)存的壓力，也減少計算通路的面積以及能量消耗。另一個重要優(yōu)化則是算符的優(yōu)化，把本來硬件開銷很大的softmax操作用對于硬件較為友好的近似形式來取代，從而大大減少了開銷。通過這樣的軟硬件協(xié)同設(shè)計，尤其是擁有強(qiáng)大的算法團(tuán)隊，該Transformer加速芯片可以實現(xiàn)極高的能效比（95.6 TOPS/W），同時模型精度與原來的模型幾乎一致。

　　值得注意的是，在Nvidia下一代GPU Hopper架構(gòu)中，這樣的Transformer專屬加速模塊也是一個重要的新特性。我們認(rèn)為Nvidia在這篇論文中發(fā)表的優(yōu)化手段很有可能已經(jīng)在Hopper系列GPU中產(chǎn)品化。

　　除了這篇關(guān)于Transformer的加速芯片論文之外，Nvidia另一篇論文是關(guān)于超高速數(shù)據(jù)互聯(lián)電路，題為“A 0.297-pJ/bit 50.4-Gb/s/wire Inverter-Based Short-Reach Simultaneous Bidirectional Transceiver for Die-to-Die Interface in 5nm CMOS”，其主要是針對在Silicon Interposer上的短距離超高速數(shù)據(jù)互聯(lián)，可以實現(xiàn)同時雙向數(shù)據(jù)互傳。該論文也和Nvidia在高級封裝領(lǐng)域的一貫投入相吻合，主要針對的是使用高級封裝技術(shù)來實現(xiàn)計算的可擴(kuò)展性，從而為高性能計算的性能提升鋪平道路。

　　Intel：下一代半導(dǎo)體工藝與封裝技術(shù)

　　Intel在這次VLSI 2022會議上最大的亮點無疑是公布了下一代工藝Intel 4的細(xì)節(jié)（論文標(biāo)題為“Intel 4 CMOS Technology Featuring Advanced FinFET Transistors optimized for High Density and High-Performance Computing”）。Intel 4將會是Intel第一個使用EUV技術(shù)的工藝節(jié)點，而根據(jù)Intel公布的數(shù)據(jù)，使用EUV也為Intel 4帶來了顯著的提升，例如Intel 4的工藝步驟大大減少，光罩?jǐn)?shù)量相對上一代Intel 7下降了20%（這也表示大大降低了成本），同時Intel也表示EUV帶來了良率的提升（應(yīng)當(dāng)與工藝步驟減少相關(guān)）。

　　在集成度方面，Intel對于Intel 4的數(shù)字是集成度相當(dāng)于Intel 7提升兩倍，具體來說Fin之間的間距較少了12%，底層金屬間距減少了25%，標(biāo)準(zhǔn)單元的高度降低了41%，從面積上來說則是標(biāo)準(zhǔn)單元的面積減少了50%。當(dāng)然這主要是針對邏輯單元來說，SRAM的集成度提升在25%左右，并不到兩倍。

　　在性能方面，Intel 4相對上一代工藝Intel 7在相同功耗的情況下可以把性能（時鐘頻率）提高22%，而在相同時鐘頻率的情況下則可以把功耗減少40%。這樣的性能提升是一個很不錯的數(shù)字，我們認(rèn)為結(jié)合其集成度方面的提升，Intel 4是一個值得期待的工藝節(jié)點。有意思的是，Intel同時在本屆VLSI會議上發(fā)表了一款使用Intel 4工藝的芯片，論文題為“An 8-core RISC-V Processor with Compute near Last Level Cache in Intel 4 CMOS”，這里也可以看到Intel在RISC-V領(lǐng)域的投入，把最新的RISC-V生態(tài)搭配其最新的Intel 4工藝，可望在未來實現(xiàn)Intel在處理器領(lǐng)域的新戰(zhàn)略布局。除了RISC-V CPU之外，Intel還在本屆VLSI會議上發(fā)布了一系列使用Intel 4工藝的電路，包括AES加密引擎，SRAM IP和溫度傳感器等等。

　　除了下一代半導(dǎo)體工藝之外，Intel在VLSI 2022上最值得注意的成果是下一代封裝技術(shù)。相關(guān)方面有兩篇論文，一篇是使用光互連接口的FPGA，該研究成果把FPGA和光通信PHY使用芯片粒技術(shù)封裝在一起，從而可以實現(xiàn)5.12Tbps的超高速芯片間互聯(lián)，有機(jī)會能成為芯片粒之間超高帶寬數(shù)據(jù)互聯(lián)的新范式。除此之外，另一篇Intel的論文討論了一個高級封裝系統(tǒng)中的重要部分即電源管理，在該論文中Intel提出了一種專門為TSV 3D封裝系統(tǒng)設(shè)計的buck電源管理系統(tǒng)，通過利用高級封裝技術(shù)（如把電感集成在封裝里面）大大提升了電源輸出的性能。從這些論文我們也可以看到Intel在高級封裝技術(shù)領(lǐng)域的投入，未來可望會成為和半導(dǎo)體工藝一起成為Intel的新技術(shù)引擎。

　　三星：多條戰(zhàn)線全面布局

　　與Nvidia專注于人工智能和高性能計算，Intel主打下一代半導(dǎo)體工藝和高級封裝不同，三星在本屆VLSI會議上發(fā)表的研究成果可謂是契合其一向的戰(zhàn)略，即各條戰(zhàn)線全面布局。

　　首先，三星仍然以存儲器為投入最大的方向。在下一代DRAM的競爭中，三星一直處于領(lǐng)先的地位，在之前就宣布要率先發(fā)布HBM3接口的DRAM，而這次在VLSI 2022上，三星就發(fā)布了相關(guān)的研究成果，基于其最新一代10nm DRAM技術(shù)，結(jié)合TSV 3D封裝和優(yōu)化過的糾錯碼技術(shù)（ECC），其16 GB DRAM在HBM3接口上實現(xiàn)了1024 GB/s的超高帶寬，而這篇論文也可以看作是三星在內(nèi)存領(lǐng)域?qū)ζ淠芰Φ囊淮握故尽?/p>

　　除了DRAM之外，三星還在嵌入式Flash、先進(jìn)工藝的標(biāo)準(zhǔn)單元設(shè)計、圖像傳感器、無線收發(fā)機(jī)、LiDAR等領(lǐng)域有研究成果發(fā)表，由此充分可見其在半導(dǎo)體領(lǐng)域多中心戰(zhàn)略。

　　中國大陸：不可忽視的力量

　　隨著中國大陸半導(dǎo)體行業(yè)的發(fā)展，本屆VLSI大會上來自中國大陸的論文數(shù)量不容忽視。其中，最值得關(guān)注的是華為和中科院聯(lián)合完成的使用IGZO器件作為下一代DRAM的研究論文，標(biāo)題為“Vertical Channel-All-Around (CAA) IGZO FET less than 50nm CD with High Read Current of 32.8μA/μm (Vth +1V), Well-Performed Thermal Stability up to 120°C for Low Latency, High-Density 2T0C 3D DRAM Application”。該論文使用了垂直channel-all-around技術(shù)，可以實現(xiàn)超高集成度（有源面積小于50x50nm2），且具有很高的導(dǎo)通電流密度和非常好的亞閾值關(guān)斷特性。該研究將為下一代高密度、高性能3D DRAM鋪平道路。該論文也登上了VLSI 2022亮點論文的列表，表示該研究獲得了半導(dǎo)體業(yè)界的高度肯定。事實上，在IGZO領(lǐng)域中國大陸已經(jīng)走在了領(lǐng)先的位置；在IGZO總共五篇論文中，來自中國大陸的論文有三篇。除了前述的華為和中科院合作的IGZO DRAM論文外，另有一篇中科院和華為合作關(guān)于IGZO DRAM器件中TZI和BTI效應(yīng)建模的論文，以及一篇由中科院獨立研發(fā)使用了雙柵極結(jié)構(gòu)把IGZO晶體管溝道長度縮短至30nm并實現(xiàn)極佳器件性能（其中跨導(dǎo)和DIBL都打破了目前的世界記錄）。另外，中科院在用于人工智能的新存儲器領(lǐng)域也有很大收獲，有兩篇相關(guān)的基于新存儲器件的論文發(fā)表。除了中科院之外，中國大陸還有北大、清華、浙大、華東師范大學(xué)等來自高校的論文在本屆VLSI上發(fā)表。

　　除了科研單位之外，中國半導(dǎo)體業(yè)界這次也有不少論文在VLSI大會發(fā)表。除了前述來自華為的論文之外，還有來自?？莆⒌恼撐摹癏ighly Reliable 40nm Embedded Dual-Interface-Switching RRAM Technology for Display Driver IC Applications”。該論文主要提出了一種使用RRAM來取代傳統(tǒng)SRAM來完成AMOLED屏幕中實現(xiàn)屏幕矯正（demura），從而實現(xiàn)比傳統(tǒng)SRAM更低的成本，更高的性能和更好的能效比。睿科微是兆易創(chuàng)新和RAMBUS在合肥建立的合資公司，致力于將RRAM技術(shù)商業(yè)化，而這次在VLSI大會上發(fā)表的論文則顯示?？莆⒃谶@個技術(shù)方向上有了長足的發(fā)展，實現(xiàn)了重要的里程碑。

　　綜合來看，中國大陸無論是高校還是業(yè)界都在本屆VLSI大會上發(fā)表了高質(zhì)量的論文，這也是中國大陸半導(dǎo)體行業(yè)發(fā)展的重要標(biāo)志。