3nm工藝剛量產，業界就已經在討論2nm了，并且在調整相關的時間表。2nm工藝不僅對晶圓廠來說是一個重大挑戰，同樣也考驗著EDA公司，以及在此基礎上設計芯片的客戶。

近期，2nm節點的消息幾乎被討論的沸沸揚揚的chiplet所淹沒，但實際上它正在向量產邁進。它承諾給CPU、GPU、AI芯片，以及最終的智能手機AP的開發者帶來更多的晶體管、相對低的功耗（如果設計得當的話），以及更多的艱苦工作。

但現實情況是怎樣的？2nm何時到來？它與3nm有何不同？要使2nm工藝成為芯片設計師可用的工藝，需要具備哪些要素？

2nm在路上

2nm的時間表有點模糊。首先，2nm工藝并不是只有一種。Intel說到了兩種，TSMC也是如此。而日期則變化不定。Intel宣稱其第一個版本將在2024年底投入生產。TSMC表示會在2025年底，但有很多最新信息暗示實際可能會在2026年。Samsung則表示在2025年底。

EDA行業必須與所有這些公司合作，它可能是衡量真實情況的最佳標準。Synopsys的EDA總經理Shankar Krishnamoorthy表示，“0.9版本的PDK（process design kit）已經發布，一些領先的客戶正在進行評估。”

PDK是一套龐大的文件集，用于為設計工具定義工藝。0.9級別表明PDK中的數據是完整且大部分都是正確的，盡管也會出現意外。設計團隊應能使用0.9版PDK開始探索實現思路，并估算尺寸、速度和功率數據。考慮到2nm目標設計的尺寸和復雜性，如果不出現意外，距離首次流片還有兩年左右的時間。

2nm意味著什么？

從名稱上看，人們可能會認為2nm節點只是3nm的縮小版。但實際情況并非如此。兩者之間有重大差異。

其中最受關注的是一種全新類型的晶體管。3nm終結了FinFET的時代。為了制造出更小的晶體管，科學家和工程師轉向了一種完全不同的結構，所謂的GAA（gate-all-around）、nanosheet晶體管。

當然，Intel也有自己的名稱，即RibbonFET。在FinFET中，晶體管是一根豎立在邊緣的硅條。柵極（控制電流通過晶體管溝道的電極）就像馬鞍一樣懸掛在硅條的中心。在新型晶體管中，晶體管的主體是一系列極薄的硅片（Intel稱其厚度僅為三個原子）層疊在一起。在這些硅片的上方、下方和中間是薄薄的柵極材料，因此整個晶體管就像是一小片非常小的千層面。這樣，柵極材料就完全包圍了硅晶體管溝道，使柵極對溝道電流的控制能力更強。

設計人員可以改變疊層中nanosheet的數量、寬度、長度和厚度，從而使晶體管具有各種性能特點。快速、大電流、低功耗，或其中的某些混合特性。

第二個重大變化稱為背面電源分布。這種技術不是利用金屬互連堆棧的上層向芯片上的電路分配電源，而是在晶片背面制造電源線。然后，利用硅通孔將電源從背面連接到電路，硅通孔是在晶圓上從底面到頂面鉆的孔，然后用導電和絕緣材料的復雜插頭填充。

另一個變化更具革命性。由于晶體管非常小，連接晶體管和互連段的觸點以及互連段本身的前幾層必須比生產工藝中嘗試過的更小，更緊密。這會對EDA工具產生深遠的影響。

挑戰工具制造商

EDA的工作是使工藝對芯片設計師有用。也就是說，盡可能隱藏與芯片預期操作無關的工藝細節。在2nm工藝中，這一任務從那些新型晶體管開始，它們為EDA和芯片設計師帶來了挑戰和機遇。

Krishnamoorthy表示，一個主要的挑戰和機遇是2nm中可能的晶體管類型數量之多。工藝工程師可以提供快速或緩慢、低泄漏或高泄漏、能驅動大負載或小負載的晶體管，或者許多極端之間的組合。標準單元設計師（預定義的小塊，如邏輯門和寄存器，合成工具將它們組合起來創建一個功能）會想要向設計師提供所有這些選項。但這意味著合成工具必須從大量的單元中進行許多選擇。可能需要創建針對特定應用調整的庫，而不是為每個芯片設計的每個部分提供全部庫。

另一個問題將是局部布局效應。2nm中的元件非常微小、精致且緊密，它們可以在三個維度上相互影響，包括電氣、熱和機械影響。這意味著特定單元的性能，例如柵極，可能不僅取決于你從庫中選擇的單元，還取決于它旁邊的單元以及其上方的布線。由于單元設計師無法預知未來設計中某個特定單元周圍會有什么，他們必須將這種不確定性建模為一種變化，即單元速度和功耗的不可預測的正負變化。這些變化數據會在設計組裝過程中傳遞給分析工具，因此這些工具不能準確估計電路的運行速度，但可以估計最好和最壞的情況，以及電路是否有可能無法工作。

關于背面電源分布的一個相當極端的例子是，大電流將在芯片運行時穿過芯片背面并通過硅通孔上移。這將產生不均勻的發熱，可能以幾乎無法預測的方式改變晶體管的性能，除非對完成的芯片設計進行詳盡分析。因此，這些變化也必須考慮在內。

小線路，大問題

另一個挑戰來自于超小尺寸的互連特征。由于它們非常小，但又必須承載大電流，觸點、通孔和金屬段可能會造成額外的延遲和加熱。事實上，在大多數電路中，互連特性將主導電路性能，而晶體管的特性則相對次要。這意味著在組裝單元創建功能時，不僅你選擇的單元，而且你放置它們的位置以及你如何布線連接它們，都將影響功能的性能。

EDA行業通過消除以前在選擇單元、放置單元、互連布線和電路分析之間的獨立工具的界限來應對這一問題。今天，在如Synopsys的Fusion Compiler等工具中，所有這些功能都是并行進行的。合成工具將選擇一組單元，布線放置工具將進行試驗放置和互連，分析工具將報告估計的延遲和功耗，如果不滿足要求，可能會選擇新的單元，重新放置單元或移動布線，然后工具才會轉移到另一組單元。這非常耗費計算和內存資源，但卻是必要的。

Krishnamoorthy指出的另一個問題與設計分析的最后階段有關，即在設計發送到晶圓廠之前：設計規則檢查。在這個工具中，設計工具在晶圓上創建的實際圖案要根據一系列規則進行檢查，以確保工藝實際上可以生產設計所需的圖案。這個問題多年來一直在增長，但在2nm處變得尤為嚴重，即規則的數量呈指數級增長，個別規則的復雜性也在增加。這使得設計規則檢查變成了一項龐大的計算任務。

對于任務的總規模幾乎無法做出改變。但Krishnamoorthy表示，有可能僅對設計更改進行局部分析，而不必因為有人必須更改幾個柵極就重新評估整個芯片設計。考慮到在龐大設計項目過程中發生的許多小變更，局部分析可能會顯著影響整個設計時間表。

AI是否能發揮作用？

2nm帶來的幾個問題屬于特定類型的問題：工具必須在一個巨大的設計空間中找到最佳方案，這個空間大到無法窮盡搜索。例如，選擇特定功能的最佳單元版本可能就是這種情況。在運行合成、布局和布線時選擇最佳編譯器設置肯定也是這種情況。過去，設計團隊尋求優化的方式是向設計大師請教，然后并行運行許多實驗并比較結果，希望能試出一個成功的組合。

AI已經證明，它能夠極大地幫助解決這類問題，利用智能搜索代理至少可以在空間中實現局部最優，而無需進行窮舉式搜索。這可以為設計團隊節省數月的工作，嘗試不同的輸入組合以實現最佳設計，并且可以使團隊免于不得不選擇一組極差的次優選擇。如果這種技術能夠應用于單元選擇和布局等方面，它也能在合成時間上帶來類似的好處。

但Krishnamoorthy指出了另一個AI可以在2nm中大顯身手AI領域：生成模型。生成式AI已在編寫軟件功能、為硬件特定功能塊創建RTL代碼和生成測試平臺等領域展現出潛力。Krishnamoorthy建議，或許可以針對潛在架構的縮小領域，創建一個基本的生成式AI模型。然后，這個模型可以用特定客戶的實際設計數據進行增強，從而根據客戶的應用和設計風格對其進行調整。然后它可以用于生成RTL或測試平臺代碼。考慮到2nm工藝的目標設計在定義上將是巨大的，這將是一個巨大的幫助。

當然，挑戰也是存在的。必須有人創建基礎模型，并用客戶數據進一步訓練它，同時為客戶的IP和第三方IP供應商提供可靠的保護。例如，ARM在這些問題上的表現就十分有限。即便是訓練最好的生成模型也已知會偶爾出錯，有時是頻繁的小錯誤，有時是重大失誤。檢查生成模型工作的程序必須是徹底的，并且要內置于設計流程中。

翻開新篇章

因此，在許多方面，2nm將在半導體工藝以及EDA行業的歷史上翻開新的一頁。新型晶體管、新型電源分布、空前水平的電路交互、復雜度和設計規模，將聯合起來使EDA工具及其用戶的工作變得極為艱巨。但這些挑戰已經在EDA行業中產生了新的想法和新類型的工具。它們也可能迫使芯片設計團隊的組織方式和不斷發展的IC設計流程進行新的調整。因此，2nm將到來，而且人們還要學會利用它。

2nm節點將迫使EDA工具和芯片設計團隊的工作方式發生重大變化。它還可能鞏固AI工具在芯片設計過程中的新角色。

審核編輯：劉清