0
年关将至，IEEE（电气电子工程师学会）的旗舰杂志IEEE Spectrum盘点了2024年行业内的十大动向，涵盖主要的技术进步、头部半导体企业动态以及行业竞争格局等内容，雷峰网对文章编译如下：
1. 迈向万亿晶体管GPU
如果台积电高管的预测是正确的，那么万亿晶体管GPU将在十年内实现。
现阶段，用于人工智能训练的GPU性能已经达到极限，其晶体管数量大约是1000亿个。持续增加晶体管数量的趋势将需要多个芯片，通过2.5D或3D封装从而执行计算。
半导体技术已从2D封装转向3D封装，如台积电CoWoS技术可以突破光刻掩模版限制集成多芯片，已经被应用于英伟达Ampere和Hopper GPU，且从7nm到4nm技术转变使相同面积晶体管数量增加。
HBM等芯片堆叠技术对人工智能也很重要，未来3D SoIC技术有望提供更密集的垂直互连。AMD MI300A利用3D封装技术结合GPU、CPU及HBM处理人工智能工作负载，通过2.5D或3D封装技术集成多芯片可实现超1万亿晶体管 GPU，且垂直互连密度有望大幅提升。
GPU性能在过去15年内，每两年提高约三倍，未来先进封装技术和系统技术协同优化等将继续推动其提升。
2. 超亮激光器有望取代二氧化碳激光器
半导体激光存在过暗的缺陷，限制了其在材料加工和激光雷达等领域的应用，而其他类型的超亮激光如二氧化碳激光和光纤激光又存在体积大、成本高、能效低和难控制等问题。
京都大学团队研发的光子晶体面发射激光器（PCSEL）突破了传统半导体激光的亮度限制，其独特构造是在活性夹层之间增加了带纳米孔的光子晶体层，通过调节孔的间距和形状控制光在激光内的传播，使其仅在基模下振荡，从而产生强大且窄的光束，实现高亮度。2023年研制出亮度达1GW/cm²/sr的PCSEL，可切割钢铁。
高亮度PCSEL可用于制造更小更便宜的自动驾驶汽车和机器人传感器系统，实现片上光束转向，还有望取代芯片制造中的极紫外光刻机中的二氧化碳激光器，助力核聚变和太空光推进等，应用前景广阔。
3. 英特尔重启芯片制造
过去五年英特尔在先进芯片制造方面落后于台积电和三星，为重新领先，其在 2024 年底推出的桌面和笔记本 Arrow Lake处理器中采用两项新技术，即新的晶体管技术RibbonFET（纳米片晶体管）和首创的背面供电系统 PowerVia，希望借此超越竞争对手。
英特尔在过去二十年曾引领晶体管架构变革，但同样面临很多问题，如2018年10纳米CPU延迟交付、14纳米CPU缺货以及2020年7纳米节点也推迟。
RibbonFET将取代FinFET技术，其栅极能更好地控制电流，在英特尔20A处理节点引入时预计能效提升15%。PowerVia是更重大的改变，首次利用晶圆背面分离电源和处理，因电源线和信号线优化需求不同，这种解耦很重要。
大约五年前，英特尔决定同时引入两项技术，这是非常冒险的举措，此前英特尔较保守，现在情况反转。为降低 20A节点风险，英特尔增加内部节点将PowerVia与当前FinFET配对，测试表明单独添加PowerVia性能提升6%，但制造过程仍面临芯片正反面纳米级垂直连接器对准链接及保持硅片两面平坦等挑战，且成本改进趋缓，设计人员也需重新思考互连线和布局。
4. 佐治亚理工研发出世界首个石墨烯制成的的功能半导体
世界首个石墨烯半导体芯片基于外延石墨烯与碳化硅化学键合的碳晶体结构，名为半导体外延石墨烯（SEC），相比传统硅电子迁移率更高，能让晶体管在太赫兹频率下运行，速度比当前硅基晶体管快10倍。
半导体中硅在速度等方面已接近极限，石墨烯导电性更好，但此前由于缺带隙（能量间隙）难用于电子器件，以往化学方法制造带隙有迁移率低等问题，机械变形制造带隙虽有成果但带隙小且迁移率信息不足，SEC在无缺陷碳化硅平台制得大面积半导体且碳化硅与传统微电子加工方法兼容。
5. 英特尔代工技术的巅峰
英特尔将获得更多客户的希望寄托于其18A工艺，该工艺结合了纳米片晶体管和背面供电。但关于客户计划用这项技术构建什么产品，目前还没有很多细节。
在Clearwater Forest服务器 CPU 中，纳米片晶体管将带来更高的性能和更低的功耗，使得芯片在处理复杂计算任务时能够更加高效地运行，满足数据中心对高性能计算的不断增长的需求。背面供电技术则能够优化电源传输，减少信号干扰，进一步提升芯片的稳定性和可靠性。
6. 全球芯片公司挑战英伟达
有人能打败英伟达吗？这是很多媒体2024年的关键选题，我们的答案是：很有可能。这完全取决于你想在什么方面击败英伟达。以下是对英伟达潜在竞争对手公司的梳理：
AMD：拥有广泛的GPU产品线，且是高带宽内存的早期支持者，其即将推出的Instinct MI325X备受期待，不过软件生态ROCm与CUDA相比太落后。
Intel：Intel2018年推出的OneAPI可跨多类硬件加速AI任务，但后续硬件发布计划不明。其计划推出的Falcon Shores芯片架构和性能细节尚未公布，预计2025年末发布。
Qualcomm：AI战略侧重特定任务的推理和能效，在智能手机、平板电脑、AI 辅助驾驶等领域广泛应用，但缺乏用于 AI 训练的大型前沿芯片。
Broadcom：在网络通信芯片方面技术强、市场份额高，能提供高速稳定网络连接助力AI数据传输，产品线丰富、供应链管理强，但AI核心计算能力相比专业厂商较弱，在深度学习硬件优化和软件生态建设上相对滞后。
Groq：专注于AI推理性能，其架构紧密结合内存和计算资源，使用14纳米技术的芯片在运行Meta Llama 380 亿参数模型时推理速度超1250 tokens/秒，性能出色，但目前应用限于推理。
Cerebras：Wafer Scale Engine系列芯片规模巨大，WSE - 3有4万亿晶体管，远超英伟达 B200。但受制于芯片尺寸、成本和专业性，应用领域较窄，主要面向特定客户如美国国防部等。
超大规模云计算公司：包括亚马逊、谷歌、微软等，为满足自身及云计算客户需求自行设计芯片，如谷歌的 TPU、亚马逊的Trainium和微软的Maia等。虽不直接向客户销售硬件，但通过云服务提供使用途径，与英伟达等形成竞争。
7. 印度向半导体行业投资152亿美元
2024年，印度政府批准了一项对半导体行业的重大投资，投资额度达到1.26万亿印度卢比（约152亿美元），希望通过此举加强印度在半导体领域的独立程度。主要项目包括建立印度首个先进芯片代工厂和两座封装测试设施，这些项目计划将在100天内开始动工。
台湾晶圆代工厂力积电（PSMC）董事长Frank Hong称：“一方面，印度拥有庞大且不断增长的国内需求，另一方面，全球客户正在关注印度的供应链弹性，现在是印度进入半导体制造业的最佳时机。”
印度首个先进芯片代工厂是台湾力积电和印度塔塔电子110亿美元的合资项目，能生产28、40、55和110纳米芯片，月产能5万片晶圆，其技术虽非最前沿，但应用广泛且针对芯片短缺的核心领域，预计将创造超2万个技术岗位。
在封装测试设施方面，塔塔电子将投资32.5亿美元建厂，计划拓展先进封装技术，预计2025年投产，创造2.7万个就业岗位；日本瑞萨电子、泰国Stars Microelectronics和印度 CG Power and Industrial Solutions合资9亿美元建厂，提供引线键合和倒装芯片技术，CG占股92%，此外美光公司也在此有建设计划。
印度此前吸引芯片企业举措失败后改进了激励政策，现在印度半导体市场增长迅速，预计2026年增长至640亿美元，2030年达1100亿美元（占全球 10%）。
8. 混合键合在3D芯片中扮演重要角色
混合键合技术将两个或更多芯片堆叠在同一封装内，从而增加处理器和内存中的晶体管数量。
在五月的IEEE电子元件与技术会议（ECTC）上，全球研究团队展示了对混合键合技术的多项改进成果，其能在每平方毫米硅片上实现约700万连接。混合键合在先进封装行业增长迅猛，预计2029年市场规模将达380亿美元。
研究人员将继续攻克混合键合连接间距问题，台积电等计划引入背面供电技术助力提升，未来甚至可能实现电路块跨晶圆“折叠”及不同材料间的混合键合，其发展前景广阔且速度很快。
9. 摩尔定律的未来：粒子加速器
英特尔、三星、台积电和日本Rapidus等公司在增加芯片每平方毫米晶体管数量时，都依赖复杂昂贵的极紫外（EUV）光刻技术。
当前EUV系统由ASML制造，其虽使芯片制造进入新阶段，但存在诸多问题，如光源亮度低、未来精细图案制作需更高功率光源、污染、波长纯度、反射镜收集系统性能及高运营成本。
日本高能加速器研究机构（KEK）的研究人员认为利用粒子加速器的自由电子激光（FEL）可以降低EUV光刻的成本，而且更加高效，能量回收型直线加速器（ERL）有望让FEL更经济性地产生数十千瓦EUV功率，驱动下一代光刻机，降低芯片制造成本。
10. 下一波晶圆级处理器浪潮
在台积电北美技术研讨会上，其公布了半导体和芯片封装技术路线图。芯片封装技术促使处理器向更大硅片规模发展，可能催生晶圆级系统。过去芯片制造商靠缩小晶体管和互连尺寸提升处理器逻辑密度的方法已乏力，行业转向先进封装技术，台积电已为Cerebras制造晶圆级AI处理器。
2027年，晶圆级系统将实现类似Si-IF技术，UCLA团队正在实现提升互连密度、添加如电容、电感和氮化镓功率晶体管等功能。AI训练是晶圆级技术的首要应用，但还有其他应用，如伊利诺伊大学香槟分校团队设计的用于数据中心的晶圆级网络交换机，可大幅减少大型数据中心所需高级网络交换机数量。
本文由雷峰网(公众号：雷峰网)编译自：https://spectrum.ieee.org/top-semiconductor-stories-2024
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
