在 ISSCC 2024 上，台積電正式公布了其新的先進封裝平台，該技術有望将晶體管數量從目前的 1000 億提升到 1 萬億。
台積電業務開發資深副總裁張曉強（Kevin Zhang）在國際固态電路大會 ISSCC 2024 介紹公司最新技術，并分享未來技術演進、對于先進制程展望，以及各領域中所需要的最新半導體技術。
Kevin Zhang 指出，随着 ChatGPT、Wi-Fi 7 出現，已經需要大量半導體，我們也進入半導體高速成長期。在車用部分，汽車産業正經曆一場革命，許多人說新的汽車将是定義軟件，但他覺得是 " 矽定義汽車（silicon-defined automotive）"，因爲軟件需要在矽上運作，推動未來的自動駕駛能力。
本文整理了 Kevin Zhang 的演講内容，以飨讀者。
從高性能計算、AI 機器學習到通信，從交通到醫療保健，凡是目之所及都與半導體相關。Kevin Zhang 最開始從商業的角度談了半導體。
正如我們今天所見，全球半導體收入大約在五千億美元。業内都認爲，到了本十年末，這個數字将翻一番。但 Kevin Zhang 在這裏加上一個限定詞：随着人工智能的激增。一萬億數字并不能反映出 Open AI 的 Sam Altman 計劃投資半導體的數萬億。這個不算最新的預測。AMD 的 Lisa SU 認爲，到 2028 年，僅人工智能市場就能夠達到 4000 億美元。
Kevin Zhang 說到：" 沒有人能夠确切的知道人工智能将如何塑造這條增長曲線。隻有一件事能夠确定，我們正在進入半導體的加速增長期。"
如果更深入的了解這個潛在的萬億市場的高點，高性能計算将占據 40% 的份額，超過移動設備成爲第一大領域。在幾年前，如果說到與物聯網結合，那是不可想象的。因爲傳統觀點始終認爲，邊緣設備是用戶消費數據的地方，但是到了現在有了 AI。
當談到 AI，那不可避免的需要談到 Chat GPT。自從一年半以前 Chat GPT 推出以來，我們已經看到半導體行業的格局正在發生變化。
看圖上陡峭的曲線，這背後其實是對算力的永不滿足。因此，英偉達首席執行官黃仁勳曾說到："Chat GPT 是人工智能的 iphone 時刻。" 我們可以使用不同的方式描述 AI，但确定的是，AI 需要大量先進的半導體，這個需求數超越人們的想象。
之後，Kevin Zhang 也談到了無線通信。通信在生活中非常的重要，上圖展示了三種通信技術：蜂窩、WI-FI、藍牙。正如所見，所有高級标準都需要更高的數據速率，更先進的信号處理，這将繼續推動加速采用先進的技術，例如 Wi-Fi 7。台積電今年也正在着手生産 Wi-Fi 7 的産品。從一開始，Wi-Fi 7 的産品就必須采用 7nm 技術才能夠達到功耗性能目标。
在汽車領域，汽車正在經曆一場根本性的革命。很多人認爲新汽車将是軟件定義汽車，但 Kevin Zhang 認爲更好的術語是：" 矽定義汽車（silicon-defined automotive）"。因爲所有的軟件都必須在矽上運行。無論是傳感器、通信、網絡都在推動最先進的半導體自主的向前發展技術。
在談技術前，Kevin Zhang 還花費了時間談到了半導體行業業務的創新——純代工業務的出現，這項創新從根本上改變了半導體行業的格局。通過從傳統的 IDM 模式中剔除非常複雜、成本高昂的晶圓制造，讓無晶圓企業能夠專注産品開發和創新。與代工廠的合作，共同極大的加速了行業的創新。
由于代工廠的引入，出現了很多新玩家。快進到 2030 年，如上圖所見，超過 50% 的半導體收入由優秀的無晶圓公司、系統公司或雲公司貢獻。這些都是因爲業務創新、代工廠的出現。
之後，Kevin Zhang 開始談到了本次演講的重點：先進技術。Kevin Zhang 認爲，晶體管仍然是創新的核心，即矽創新（silicon innovation）。幾十年來，晶體管經曆了多次重大的演變。如上圖可見，早期的晶體管創新主要集中在圍繞幾何減少，但現在情況不再如此。最近一代，一切都集中在晶體管架構的創新以及新材料的使用上。
比如說，16nm 将從平面晶體管轉向 FinFET 晶體管。今天，台積電在 2nm 層面即将推出一種全新的晶體管：Nanosheet。可以極大的改善設備的漏電，提高傳導能力，并且在更低的電壓下更好的工作。這對于高性能計算來說非常重要。
圖案化技術方面，7 納米中，EUV 的引入爲我們鋪平了道路，推動幾何縮放向前發展。很多人會問：下一步是什麽？Kevin Zhang 表示，下一步需要利用 Nanosheet，經過幾代人的努力獲得最佳值，即這個新晶體管的極限。與此同時，台積電也在忙于制造全新的晶體管架構：CFET。本質上，是通過将 N-transistor、NMOS 和 PMOS 堆疊在一起，可以将密度大大提高近兩倍。
在材料方面，台積電也緻力于新材料，例如一種低維材料，通過使用這種新材料，我們可以實現更加節能的目标，遠超當今的器件或者晶體管。
進一步了解 CFET 可以帶來的好處，如上圖可見，CFET（互補式場效晶體管 CFET）是将 nMOS 和 pMOS 垂直堆疊，可大幅改善零組件電流，使晶體管密度提升 1.5~2 倍。
這項技術将矽（Si）和鍺（Ge）等不同材料從上下方堆疊，使 p 型和 n 型的場效晶體管更靠近。通過這種疊加方式，CFET 消除 n to p 分開的瓶頸，将運作單元活動區域（cell active area）面積減少 2 倍。
Kevin Zhang 展示了一張圖片，指出這并不是僅僅在 PPT 上的想法。從上圖可以看到，這是台積電實驗室制造的真正集成設備，還有晶體管 IV 優美的曲線。就推動創新而言，這是晶體管架構的一個重要裏程碑。
随着晶體管尺寸的縮小，繼續縮小晶體管的幾何形狀變得越來越困難，成本也越來越高。設計師和工程師必須共同努力才能夠實現産品層面效益的最佳縮放。因此，台積電經常将其成爲設計技術聯合組織，或 DTCO。
上圖展示了一個基于 FinFET 技術的數學圖書館設計示例。通過使用 D-POP 技術，減少每個部分的鳍片數量，可以在減小幾何尺寸的同時降低功耗。但是當每個設備達到兩個鳍片式，設計人員會面臨困境。
通過 DTCO，台積電的設計和技術團隊共同努力，創新的提出了 FinFlex 的新想法。本質上，允許設計人員混合和匹配單鳍器件、雙鳍器件或者雙鳍器件和三鳍器件，因此我們可以同時實現最佳的性能、密度和功耗。
另一個很好的例子是 SRAM 位單元。上圖展示了 SRAM 從 130nm 一直到今天的 3nm，實現了超過 100 倍的密度提升，這種規模化實際上是流程創新和協作結合的成果，采用更先進的設計技術。
說到 SRAM，就不得不談到最低工作電壓，或者說 Vmin。在過去很長時間，爲了降低電壓，必須采用更大的存儲單元。通過應用創新的設計技術，我們可以實現超過 300 毫伏的 Vmin 改善，這對于低功耗運行非常重要。
技術擴展的本質是爲了節能計算。整個半導體行業走了很長一段路。上圖展示十年多的規模，台積電實現了超過 80 倍的能源效率。
關于 HPC 和 AI 方面，如果看看今天所有的人工智能加速器，無論是 GPU 還是 TPU 或者是定制的 ASIC，這些本質上是具有某種特定的集成方案。基本上，使用 CowoS 技術帶來的先進芯片。如今主要是 5nm 技術和 HBM 在一起，Kevin Zhang 認爲這還遠遠不夠。
展望未來，這個平台需要大幅提升以滿足高性能計算的需求。因此，這種配置的核心實際上是更高密度、低能耗的計算。需要去棧才能達到計算密度，需要多個最先進的芯片垂直堆疊在一起，以提供所需的計算密度。并且還需要大量的内存，因此需要加入更多的 HBM。這就是爲什麽，矽中介層和 CoWoS 必須進一步擴展。
這仍然不夠，電力傳輸是一個問題，因此需要集成穩壓器才能解決電力輸送的挑戰。I/O 和帶寬互聯密度也是一個問題，因此需要将矽光子學引入封裝中，這就是未來的發展方向。
談一談 3D 堆疊，上圖展示了互連密度。我們進行堆疊的原因是爲了實現芯片到芯片之間的高密度互連。圖中的曲線頂部曲線是 SoC，本質上是單片互連。底部曲線是常規封裝能夠達到的密度。中間部分是 CoWoS 封裝。
談到 3D 堆疊，Kevin Zhang 展示一張圖，并表示爲達到更高的互連密度（Interconnect Density），即 Chip To Chip 連結，透過 3D 堆疊可以使接合的 Pitch 一路縮小到幾微米，實現單晶（Monolithic）的互連密度，" 所以 3D 堆疊才是未來 "。
談到矽光子 / 共封裝光學（CPO）方面，Kevin Zhang 指出，電子擅長運算，但光子在信号或通信時比較好。他以 50T 交換機舉例，如果全都用電子并采用銅線材質的系統，會燒掉 2,400 W。
目前解決方案是采用插拔式模組（Pluggable），可省下 40% 功耗（> 1500W），但随着未來需要更高速信号、更大頻寬，這遠遠不夠，因此需要把矽光子技術把光子能力帶進來。使用共封裝光學的先進封裝技術來正确實現光子功能。
在圖示中，需要用先進堆疊技術，把光子芯片和電子芯片堆疊，可使功耗可再降低 50%，約 5 皮焦耳（picojoules per bit），使功耗約在 850W。
如今，使用最先進的晶體管技術，我們可以将大約 1000 億個晶體管封裝在同一個芯片中，但這還不足以解決未來的 AI 機器學習應用。必須利用先進的 3D 封裝技術，才能夠将晶體管的數量真正增加到一萬億個，以滿足計算需求。
談到蜂窩射頻方面，他提到，當從 4G 向 5G 過渡時，爲了将數據速率提高十倍，需要結合更多的數字電路，比如先進的 ADC、先進的信号處理能力。在這樣做時，射頻設計、射頻收發器設計都可從 28nm 發展到 16nm 中收益。
如果展望未來，比如 6G，就需要覆蓋更廣泛的頻率範圍，與 FR3 一樣需要提高數據速率。這就需要更先進的半導體，因此未來收發器的設計，如果使用 7nm、5nm 不必感到太過驚訝。
談到汽車方面，從根本上看，最新的汽車技術需要大量運算能力，但功耗正成爲問題，尤其是由電池供電的汽車。
Kevin Zhang 認爲，車用半導體技術在導入上一直落後消費性或 HPC 幾個世代，是因爲非常需要嚴格的安全性要求，汽車應用的 DPPM（缺陷率）必須接近零，也因此晶圓廠、半導體制造和汽車設計人員必須更密切地合作，以加快這個速度。
台積電正在預先應用自動設計規則降低缺陷密度，Kevin Zhang 承諾到：" 在不久之後，你們會看到 3nm 導入汽車。"
談到 MCU 方面，MCU 在汽車轉型爲區域架構後變更重要，也需要先進半導體技術給 MCU 提供運算能力。傳統 MCU 大都采用浮動閘極（floating gate）爲基礎的技術，但浮動閘極技術在 28 nm 以下就卡關，所幸業界已經投資新内存技術，包括新的非揮發性存儲器如磁性随機存取存儲器（MRAM）或電阻式存儲器（RRAM）。
也因此，從 MCU 轉移到 MRAM、RRAM 爲基礎的技術，有助于推動技術持續微縮，從 28 nm 縮小到 16 nm、甚至是 7 nm。
傳感器和顯示器方面，傳感器技術從最簡單的 2D 設計、單層設計，到現在 3D 晶圓堆疊的智能系統，基本上将信号處理層疊在傳感層上。Kevin Zhang 也表示：" 我們技術已經開始投資、研究多層設計的技術。"
進行三層或多層設計能追求畫素最佳化，繼續推動畫素尺寸縮小同時兼顧解析度需求，也能同時達到最佳傳感能力；另一個例子是 AR、VR，透過将不同層的存儲器分開，再堆疊到其他邏輯芯片，可有效縮小尺寸，同時維持高效能需求。
最後 Kevin Zhang 分享自己的故事，他表示 7 年前離開當時最大的半導體公司，去了中國台灣。他離開的時候心想，他的半導體黃金時代已經過去了，去亞洲是要迎接職涯的日落時刻，但時間快轉 7 年後，他表示：" 我沒看到日落，而是明亮的日出。随着 AI 出現，半導體将驅動許多新應用，觸及人類生活每一個面向，并改變人類曆史的軌迹，所以我看到明亮、黃金的全新時刻，我們最好的日子還在前頭，讓我們一起努力使其成真。"
