走進奇異摩爾 調研Chiplet技術

奇異摩爾董事長說：

未來，是一個算力為贏的時代。半導體先進制程面臨物理極限，摩爾定律產生的經濟效益邊際逐漸失效，客戶更多從系統層面，而非單純從芯片角度提出產品需求。以Chiplet為核心技術的異構堆疊，通過把大芯片分成面積更小的單元模塊，選擇最適合的半導體制程工藝，從而實現媲美乃至超越傳統SOC的性能和各項表現。例如當下席卷全球的AIGC對話模型需要大量的訓練數據模型和算法，耗費大量的算力。

潤欣科技在AIOT所需的無線連接及處理芯片、MEMS傳感器芯片的應用設計、供應商資源和客戶資源上有著多年的積累，與奇異摩爾的2.5D及3DIC Chiplet?異構集成通用芯粒產品和專用設計平臺形成優勢互補。本次雙方合作的目的，是將基于各自的客戶和技術優勢，持續打造端到端定制化的Chiplet芯片設計服務平臺，提供包含ASIC定制、算法設計、行業組合方案、Chiplet封測和芯片交付，并為客戶提供多樣化的IP、功能芯粒選擇和異構設計服務。

未來，奇異摩爾與潤欣科技的合作將進一步完善從芯片架構設計、芯粒組合到定制芯片量產交付的Chiplet產業生態，加速在智慧城市、汽車電子、生物穿戴等多個領域的產業落地。

答投資者問：

國內Chiplet主要規劃采用什么制程？28nm堆疊能達到14nm性能嗎？

?

目前階段開始有同構集成。國際上已經有異構集成CPU+GPU+NPU的Chiplet，其他功能芯片則采用次先進工藝制程的芯粒，感存算一體屬于3DIC的Chiplet這樣的方案可以靈活堆出算力高達200tops，奇異摩爾提供base die，潤欣提供芯粒，再加上潤欣的軟件sdk。以目前產業界的設計方案為例，如高速運動相機需要近100tops算力，又要小型化；自動駕駛根據場景不同從150t到2000t算力。

同構或異構堆疊在硬件效率上可以做到內核數及效率成倍提升。

同構

異構

異構芯片堆疊之后的散熱問題怎樣？

?

發熱主要是因為大規模數據搬運和運算。以前數據進來，要做大量的數據搬運，并且用相同的算力單元去處理它，效率特別低，就開始發熱了。Chiplet能更好的支持數據調度的算法，就是用最合適的單元去處理數據，處理數據的部分才發熱，不產生多余的熱量。以前大規模SOC是同構的，很難做到分類處理。Chiplet是基于異構方案加上數據調度的算法，這樣發熱少且提高了運算的效率。

異構堆疊包含了數據轉換、傳輸、計算和內存使用，Chiplet能夠更好地支持數據在傳感、存儲和計算芯片之間的調度和使用，最合適的單元去處理數據。異構堆疊加上數據調度的算法，能夠提高運算的效率。

什么樣的行業和產品應用會需要用到Chiplet設計？

?

應用很廣泛，AI，智慧城市、自動駕駛、智慧家居中的服務機器人。在市場和技術發展的早期，Chiplet的好處是在通用方案上關于客戶的需求做堆疊。

比如新能源車的自動駕駛，需要OTA的更新，就是一個通用的平臺。算力可以不斷堆疊，根據客戶需求更新迭代軟件。

Chiplet在高算力芯片的應用？

?

服務器芯片已經廣泛使用了Chiplet，例如AMD 96核產品，就是12顆die，每顆8個核，都是6nm。而國內連7nm都沒法做，只能做14nm。這樣的高算力場景必須用Chiplet才能滿足需求。

Chiplet兩個方式，一個同構擴展，一個模塊化。

同構：例如4個7nm，單顆算力30個tops，4個一堆120tops，是同構。最多4個，超過只有系統性能會急劇下降。

模塊化：4個7nm，中間一個IO Die是14nm，外接4個DDR，類似這里有AMD的Zen架構。不同的模塊不需要都用到先進制程，可以采用最合適的制程生產。芯片面積做小，高算力芯片做便宜。

不同的模塊不需要都用到先進制程，可以采用最合適的制程生產。芯片面積做小，高算力芯片做便宜。

除了硬件算力，數據調度和內存使用是關鍵，核心是軟件部分。目前是場景應用的軟件比較難適配，方案比較重要。

對于RISCV的看法？

?

更有靈活性，更友好，更可以擴展，整個產業還需要發展，內存管理單元MMU，部分細節安全的部分還需要完善，還是有很長的路，主要是免費，AI就是讓算力和東西更加的便宜。以往國外的架構及內核授權，EDA軟件在芯片設計中占比較高的成本，加上流片費用成本較高。

直觀來說14nm+14nm面積比7nm大很多？

?

最終決定的是算力，通過異構架構、3D近存和高效的軟件調度，可以用更小的面積實現同樣的性能。Chiplet架構下的14nm，不一定比原本采用SoC設計的7nm大很多。

奇異摩爾跟潤欣合作做什么產品，應用在哪些領域？

?

應用在AIOT領域的MEMS傳感器，存內運算，無線芯片堆疊，和項目合作方簽有NDA，不方便詳細介紹。

關于芯片堆疊的市場數據？

?

根據芯原股份和Yole的數據，到2035年大部分的芯片交付將采用Chiplet。今年開始有兩位數的CAGR的增長。

奇異摩爾選擇潤欣的原因？

?

潤欣對于奇異摩爾，最重要是平臺芯粒庫的供應商資源和客戶，半導體發展的未來市場定位：服務器，新能源車及自動駕駛，AI智能穿戴，物聯網。大量的高端應用面向客戶需求定制，多SKU的配合，需要潤欣這樣的具備芯片定制和解決方案設計能力的合作伙伴。從內存、電源管理、ADC、微處理器、傳感器等小芯粒的堆疊方案，奇異摩爾需要更多的IC資源和市場差異化，實現柔性交付。

跟潤欣合作Chiplet時間點？

?

目前已經有基于PMUT超聲波傳感檢測和離線語音方面的客戶需求，初步預計年底前有低端產品量產。

方案形成除了奇異摩爾、潤欣、客戶以外，還需要哪些產業資源?

?

KDG KNOWN GOOD DIE已知良好芯片，潤欣有很多這樣的KGD，目前堆疊芯片是采用成熟的芯片，原來交付是模組或者wafer，奇異摩爾幫助潤欣把die堆疊起來，然后潤欣提供給有定制需求的客戶。對于客戶來說，KNOWN GOOD DIE，每個應用場景的量都不一樣，以前來說是三個不同的IC，現在用Chiplet，三個場景的方案都能復制黏貼。例如采用AR、VR眼鏡實現在線翻譯，采用生物傳感技術的CGM等。產業鏈還有一個關鍵資源是先進封測能力。

會有芯片公司專門提供Chiplet定制的芯粒嗎？

?

不會有特制芯粒這個說法，是繼續賣IP還是賣KGD，參與到這個領域的芯片公司會越來越多，以前是wifi就用wifi，藍牙就用藍牙。假設AI場景需要WIFI7+AI，肯定需要Chiplet，而不是買IP再做一顆。

底座具體是什么？是通用的么？

?

底座是active silicon interposer或者叫Base Die。以前有的是passive silicon interposer，沒有功能模塊，只做物理連接，速度快IO多。而active interposer是一種芯粒，把不適合先進制程的模塊做在其中。底座是通用的，只需要和客戶把架構和接口對齊就好，采用通用的通訊協議。

底座大小？

?

從150平方毫米到600平方毫米都可以做，AIOT是150平方毫米，數據中心是600平方毫米，采用次先進工藝和分布式設計，所以良率不會低。

奇異摩爾的價值量體現？

?

軟件是潤欣基于客戶的需求的修改，數據調度跟客戶需求要匹配，數據調度的頻次等。奇異摩爾主要是提供堆疊的方案。奇異摩爾的優勢是團隊之前做過，做的比較早，有核心的IP，有先發的優勢。細節比如高速相機，需要小型化，需要硅基。

個性，長尾的應用需要不同的Chiplet方案，這樣成本怎么控制？

?

制造這邊是上下兼容，投設備肯定是按照最大規模準備，做減法。特別是晶圓代工廠，臺積電在準備1nm的東西，做一個最復雜，然后做通用。封裝管腳會不同，原來是C4 bump，現在是die to wafer，或者wafer on wafer。

品類多，每個Chiplet量都不大，行業成本會不會很難降低？

?

不會的，自動化設備，可以按照批次或者貼的次數收費。對于機器設備，需要持續的產能利用。

編輯：黃飛

?