智能应用 影音
EVmember
ST Microsite

后摩尔定律时代(二)-发散的研发

新物质的研发方向发散,且与传统半导体技能相去甚远,半导体产业需要新的研发思考。Intel

相关阅读:后摩尔定律时代(一)-多元的价值创造方式

DARPA的ERI将新物质开发、设计与芯片架构列为后摩尔定律时代可能为半导体产业持续增加价值的方向。DARPA在其官方邀请函中明确列出想要解决的问题以及最近的进展,要集思广益的当然是二者之外的创造性想法。

新物质开发是在既存的矽中心体制上加入新物质的功能区块以提升整体的性能-这是抽象的、官方的说法,白话版的具体例子就是发生中的嵌入式非挥发性存储器,不管存储器里头用的是什麽-MRAM、NRAM、RRAM等,对于半导体来讲都是新材料,而存储器就是一种功能区块。报导还说要穷尽周期表广泛的查找,这是对专业的误解。周期表中的每一个单一元素对其物性都早已有周详的了解。真正要用查找周期表的方法是单一元素的特殊结构(如nanotube)、二维材料(如graphene)、二元化合物(binary compounds;由2种元素键结之化合物)、三元化合物(ternary compound)等,这些新物质到目前还不断的展现令人惊讶的特性。

设计的目标是要大幅降低因制程微缩而日益增加的设计人力、资源投入。DARPA以其资助的一个计划为例-仅仅以3个设计工程师便完成了于16nm FinFET制程上45亿晶体管的SoC产品-来说明这个方向是可能的。这很容易的就让人想到用机器学习来处理由电路合成、芯片布图规划、布局和布线、物理验证和设计验证的一连串步骤。

芯片架构希望芯片针对特定应用高度特化,譬如同时设计硬件以及其上的应用软件以优化硬件的表现,具体的例子如以芯片智能编译器执行实时系统重新配置(systems reconfigured on the fly by smart compilers)。现在的进展有专注于人工智能应用的GPU以及TPU。

设计与芯片架构的可能方向当然不仅于此,但机器学习显然是共同的焦点:用机器学习来辅助芯片设计,而芯片设计朝向机器学习的应用。这样的方向可以降低芯片设计的NRE,增加芯片的效能。这是线路设计于摩尔定律之外的价值创造方向。引进人工智能能力显然是设计业拓展研发的方向。

至于新物质的研发对半导体制造的冲击远比设计与芯片架构的新方向对于设计业要大。类似「穷尽周期表广泛的查找」的方法开发新物质的确是这方面研发的方法,欧盟的三元化合物计划以及新加坡The NUS Centre for Advanced 2D Materials and Graphene Research Centre研发二维物质都是这样做的:先以高速电脑用第一原理计算出新物质的能带(band structure),了解其电、磁、光、热等特性,然后在候选物质中选择适合特定目的的材料,最后才做实验验证,这个方法及知识显然不在现行半导体制造研发体系之内。从现在代工业竞争的轴心之一eMRAM(这也是DARPA ERI会议举的具体新物质开发的例子)来看,这个叙述看的特别真切-所有代工厂的MRAM技术都是自外并购或授权的。

新物质的研发方向发散,且与传统半导体技能相去甚远,公司即使再大,也不可能涵盖所有研发方向,半导体产业需要新的研发思考!

现为DIGITIMES顾问,1988年获物理学博士学位,任教于中央大学,后转往科技产业发展。曾任茂德科技董事及副总、普天茂德科技总经理、康帝科技总经理等职位。曾于 Taiwan Semicon 任谘询委员,主持黄光论坛。2001~2002 获选为台湾半导体产业协会监事、监事长。