电子产品世界

 ISSCC 2024 上，台积电正式公布了其新的先进封装平台，该技术有望将晶体管数量从目前的 1000 亿提升到 1 万亿。

台积电业务开发资深副总裁张晓强（Kevin Zhang）在国际固态电路大会 ISSCC 2024 介绍公司最新技术，并分享未来技术演进、对于先进制程展望，以及各领域中所需要的最新半导体技术。

Kevin Zhang 指出，随着 ChatGPT、Wi-Fi 7 出现，已经需要大量半导体，我们也进入半导体高速成长期。在车用部分，汽车产业正经历一场革命，许多人说新的汽车将是定义软件，但他觉得是「硅定义汽车（silicon-defined automotive）」，因为软件需要在硅上运作，推动未来的自动驾驶能力。

本文整理了 Kevin Zhang 的演讲内容，以飨读者。

从高性能计算、AI 机器学习到通信，从交通到医疗保健，凡是目之所及都与半导体相关。Kevin Zhang 最开始从商业的角度谈了半导体。

正如我们今天所见，全球半导体收入大约在五千亿美元。业内都认为，到了本十年末，这个数字将翻一番。但 Kevin Zhang 在这里加上一个限定词：随着人工智能的激增。一万亿数字并不能反映出 Open AI 的 Sam Altman 计划投资半导体的数万亿。这个不算最新的预测。AMD 的 Lisa SU 认为，到 2028 年，仅人工智能市场就能够达到 4000 亿美元。

Kevin Zhang 说到：「没有人能够确切的知道人工智能将如何塑造这条增长曲线。只有一件事能够确定，我们正在进入半导体的加速增长期。」

如果更深入的了解这个潜在的万亿市场的高点，高性能计算将占据 40% 的份额，超过移动设备成为第一大领域。在几年前，如果说到与物联网结合，那是不可想象的。因为传统观点始终认为，边缘设备是用户消费数据的地方，但是到了现在有了 AI。

当谈到 AI，那不可避免的需要谈到 Chat GPT。自从一年半以前 Chat GPT 推出以来，我们已经看到半导体行业的格局正在发生变化。

看图上陡峭的曲线，这背后其实是对算力的永不满足。因此，英伟达首席执行官黄仁勋曾说到：「Chat GPT 是人工智能的 iphone 时刻。」我们可以使用不同的方式描述 AI，但确定的是，AI 需要大量先进的半导体，这个需求数超越人们的想象。

之后，Kevin Zhang 也谈到了无线通信。通信在生活中非常的重要，上图展示了三种通信技术：蜂窝、WI-FI、蓝牙。正如所见，所有高级标准都需要更高的数据速率，更先进的信号处理，这将继续推动加速采用先进的技术，例如 Wi-Fi 7。台积电今年也正在着手生产 Wi-Fi 7 的产品。从一开始，Wi-Fi 7 的产品就必须采用 7nm 技术才能够达到功耗性能目标。

在汽车领域，汽车正在经历一场根本性的革命。很多人认为新汽车将是软件定义汽车，但 Kevin Zhang 认为更好的术语是：「硅定义汽车（silicon-defined automotive）」。因为所有的软件都必须在硅上运行。无论是传感器、通信、网络都在推动最先进的半导体自主的向前发展技术。

在谈技术前，Kevin Zhang 还花费了时间谈到了半导体行业业务的创新——纯代工业务的出现，这项创新从根本上改变了半导体行业的格局。通过从传统的 IDM 模式中剔除非常复杂、成本高昂的晶圆制造，让无晶圆企业能够专注产品开发和创新。与代工厂的合作，共同极大的加速了行业的创新。

由于代工厂的引入，出现了很多新玩家。快进到 2030 年，如上图所见，超过 50% 的半导体收入由优秀的无晶圆公司、系统公司或云公司贡献。这些都是因为业务创新、代工厂的出现。

之后，Kevin Zhang 开始谈到了本次演讲的重点：先进技术。Kevin Zhang 认为，晶体管仍然是创新的核心，即硅创新（silicon innovation）。几十年来，晶体管经历了多次重大的演变。如上图可见，早期的晶体管创新主要集中在围绕几何减少，但现在情况不再如此。最近一代，一切都集中在晶体管架构的创新以及新材料的使用上。

比如说，16nm 将从平面晶体管转向 FinFET 晶体管。今天，台积电在 2nm 层面即将推出一种全新的晶体管：Nanosheet。可以极大的改善设备的漏电，提高传导能力，并且在更低的电压下更好的工作。这对于高性能计算来说非常重要。

图案化技术方面，7 纳米中，EUV 的引入为我们铺平了道路，推动几何缩放向前发展。很多人会问：下一步是什么？Kevin Zhang 表示，下一步需要利用 Nanosheet，经过几代人的努力获得最佳值，即这个新晶体管的极限。与此同时，台积电也在忙于制造全新的晶体管架构：CFET。本质上，是通过将 N-transistor、NMOS 和 PMOS 堆叠在一起，可以将密度大大提高近两倍。

在材料方面，台积电也致力于新材料，例如一种低维材料，通过使用这种新材料，我们可以实现更加节能的目标，远超当今的器件或者晶体管。

进一步了解 CFET 可以带来的好处，如上图可见，CFET（互补式场效晶体管 CFET）是将 nMOS 和 pMOS 垂直堆叠，可大幅改善零组件电流，使晶体管密度提升 1.5~2 倍。

这项技术将硅（Si）和锗（Ge）等不同材料从上下方堆叠，使 p 型和 n 型的场效晶体管更靠近。通过这种叠加方式，CFET 消除 n to p 分开的瓶颈，将运作单元活动区域（cell active area）面积减少 2 倍。

Kevin Zhang 展示了一张图片，指出这并不是仅仅在 PPT 上的想法。从上图可以看到，这是台积电实验室制造的真正集成设备，还有晶体管 IV 优美的曲线。就推动创新而言，这是晶体管架构的一个重要里程碑。

随着晶体管尺寸的缩小，继续缩小晶体管的几何形状变得越来越困难，成本也越来越高。设计师和工程师必须共同努力才能够实现产品层面效益的最佳缩放。因此，台积电经常将其成为设计技术联合组织，或 DTCO。

上图展示了一个基于 FinFET 技术的数学图书馆设计示例。通过使用 D-POP 技术，减少每个部分的鳍片数量，可以在减小几何尺寸的同时降低功耗。但是当每个设备达到两个鳍片式，设计人员会面临困境。

通过 DTCO，台积电的设计和技术团队共同努力，创新的提出了 FinFlex 的新想法。本质上，允许设计人员混合和匹配单鳍器件、双鳍器件或者双鳍器件和三鳍器件，因此我们可以同时实现最佳的性能、密度和功耗。

另一个很好的例子是 SRAM 位单元。上图展示了 SRAM 从 130nm 一直到今天的 3nm，实现了超过 100 倍的密度提升，这种规模化实际上是流程创新和协作结合的成果，采用更先进的设计技术。

说到 SRAM，就不得不谈到最低工作电压，或者说 Vmin。在过去很长时间，为了降低电压，必须采用更大的存储单元。通过应用创新的设计技术，我们可以实现超过 300 毫伏的 Vmin 改善，这对于低功耗运行非常重要。

技术扩展的本质是为了节能计算。整个半导体行业走了很长一段路。上图展示十年多的规模，台积电实现了超过 80 倍的能源效率。

关于 HPC 和 AI 方面，如果看看今天所有的人工智能加速器，无论是 GPU 还是 TPU 或者是定制的 ASIC，这些本质上是具有某种特定的集成方案。基本上，使用 CowoS 技术带来的先进芯片。如今主要是 5nm 技术和 HBM 在一起，Kevin Zhang 认为这还远远不够。

展望未来，这个平台需要大幅提升以满足高性能计算的需求。因此，这种配置的核心实际上是更高密度、低能耗的计算。需要去栈才能达到计算密度，需要多个最先进的芯片垂直堆叠在一起，以提供所需的计算密度。并且还需要大量的内存，因此需要加入更多的 HBM。这就是为什么，硅中介层和 CoWoS 必须进一步扩展。

这仍然不够，电力传输是一个问题，因此需要集成稳压器才能解决电力输送的挑战。I/O 和带宽互联密度也是一个问题，因此需要将硅光子学引入封装中，这就是未来的发展方向。

谈一谈 3D 堆叠，上图展示了互连密度。我们进行堆叠的原因是为了实现芯片到芯片之间的高密度互连。图中的曲线顶部曲线是 SoC，本质上是单片互连。底部曲线是常规封装能够达到的密度。中间部分是 CoWoS 封装。

谈到 3D 堆叠，Kevin Zhang 展示一张图，并表示为达到更高的互连密度（Interconnect Density），即 Chip To Chip 连结，透过 3D 堆叠可以使接合的 Pitch 一路缩小到几微米，实现单晶（Monolithic）的互连密度，「所以 3D 堆叠才是未来」。

谈到硅光子/共封装光学（CPO）方面，Kevin Zhang 指出，电子擅长运算，但光子在信号或通信时比较好。他以 50T 交换机举例，如果全都用电子并采用铜线材质的系统，会烧掉 2,400 W。

目前解决方案是采用插拔式模组（Pluggable），可省下 40% 功耗（> 1500W），但随着未来需要更高速信号、更大频宽，这远远不够，因此需要把硅光子技术把光子能力带进来。使用共封装光学的先进封装技术来正确实现光子功能。

在图示中，需要用先进堆叠技术，把光子芯片和电子芯片堆叠，可使功耗可再降低 50%，约 5 皮焦耳（picojoules per bit），使功耗约在 850W。

如今，使用最先进的晶体管技术，我们可以将大约 1000 亿个晶体管封装在同一个芯片中，但这还不足以解决未来的 AI 机器学习应用。必须利用先进的 3D 封装技术，才能够将晶体管的数量真正增加到一万亿个，以满足计算需求。

谈到蜂窝射频方面，他提到，当从 4G 向 5G 过渡时，为了将数据速率提高十倍，需要结合更多的数字电路，比如先进的 ADC、先进的信号处理能力。在这样做时，射频设计、射频收发器设计都可从 28nm 发展到 16nm 中收益。

如果展望未来，比如 6G，就需要覆盖更广泛的频率范围，与 FR3 一样需要提高数据速率。这就需要更先进的半导体，因此未来收发器的设计，如果使用 7nm、5nm 不必感到太过惊讶。

谈到汽车方面，从根本上看，最新的汽车技术需要大量运算能力，但功耗正成为问题，尤其是由电池供电的汽车。

Kevin Zhang 认为，车用半导体技术在导入上一直落后消费性或 HPC 几个世代，是因为非常需要严格的安全性要求，汽车应用的 DPPM（缺陷率）必须接近零，也因此晶圆厂、半导体制造和汽车设计人员必须更密切地合作，以加快这个速度。

台积电正在预先应用自动设计规则降低缺陷密度，Kevin Zhang 承诺到：「在不久之后，你们会看到 3nm 导入汽车。」

谈到 MCU 方面，MCU 在汽车转型为区域架构后变更重要，也需要先进半导体技术给 MCU 提供运算能力。传统 MCU 大都采用浮动闸极（floating gate）为基础的技术，但浮动闸极技术在 28 nm 以下就卡关，所幸业界已经投资新内存技术，包括新的非挥发性存储器如磁性随机存取存储器（MRAM）或电阻式存储器（RRAM）。

也因此，从 MCU 转移到 MRAM、RRAM 为基础的技术，有助于推动技术持续微缩，从 28 nm 缩小到 16 nm、甚至是 7 nm。

传感器和显示器方面，传感器技术从最简单的 2D 设计、单层设计，到现在 3D 晶圆堆叠的智能系统，基本上将信号处理层叠在传感层上。Kevin Zhang 也表示：「我们技术已经开始投资、研究多层设计的技术。」

进行三层或多层设计能追求画素最佳化，继续推动画素尺寸缩小同时兼顾解析度需求，也能同时达到最佳传感能力；另一个例子是 AR、VR，透过将不同层的存储器分开，再堆叠到其他逻辑芯片，可有效缩小尺寸，同时维持高效能需求。

最后 Kevin Zhang 分享自己的故事，他表示 7 年前离开当时最大的半导体公司，去了中国台湾。他离开的时候心想，他的半导体黄金时代已经过去了，去亚洲是要迎接职涯的日落时刻，但时间快转 7 年后，他表示：「我没看到日落，而是明亮的日出。随着 AI 出现，半导体将驱动许多新应用，触及人类生活每一个面向，并改变人类历史的轨迹，所以我看到明亮、黄金的全新时刻，我们最好的日子还在前头，让我们一起努力使其成真。」

关键词： 台积电