數(shù)字處理技術(shù)的路線圖探討了當前和新興的數(shù)字處理驅(qū)動因素，以及處理范式中所需的創(chuàng)新。這些要求決定了數(shù)字處理、內(nèi)存、支持芯片、互聯(lián)、以及整體系統(tǒng)架構(gòu)所需的技術(shù)和架構(gòu)。

主要分為三部分

●芯片和互連架構(gòu)定義了設(shè)備、互連，以及化學和化學處理技術(shù)的要求。

●化學處理需要對物理和化學反應機制有深入的了解，整合到產(chǎn)品中。

●系統(tǒng)級集成數(shù)字處理系統(tǒng)所需的附加要求和解決方案，以及與整體安全性、功率轉(zhuǎn)換/傳遞、系統(tǒng)可靠性和運行時管理需求相關(guān)的系統(tǒng)級考慮。

主要障礙和挑戰(zhàn) 在實現(xiàn)異構(gòu)集成數(shù)字處理系統(tǒng)時，需要解決一些障礙和挑戰(zhàn)，包括：

●解決數(shù)據(jù)移動的成本問題，包括性能（延遲和帶寬）和隨著數(shù)據(jù)量和速率呈指數(shù)增長而增加的每比特傳輸?shù)目偰芰肯摹?/p>

●限制系統(tǒng)級別的總能量消耗，極大提高數(shù)字處理系統(tǒng)的能效，以處理數(shù)據(jù)洪流和對此類數(shù)據(jù)的必要處理。

●解決當前使用的架構(gòu)和系統(tǒng)中的系統(tǒng)級封裝（SiPs）所固有的縮放限制，這些限制受到總功率、功率分配、中間層和互連的影響。改善未來設(shè)備制造的物理和化學過程的基本理解，包括先進圖案制備、原子尺度薄膜沉積、刻蝕、區(qū)域選擇性沉積和其他選擇性材料處理。

●解決異構(gòu)集成數(shù)字處理系統(tǒng)日益增長的安全性和可靠性需求，包括監(jiān)視和解釋所有必要信息以確保安全和可靠操作。

●解決并改善端到端的可持續(xù)性，包括前期設(shè)計、設(shè)計、制造、使用和最終處理/回收。

●提供高級設(shè)計工具，允許將功能解聚為多芯片體系結(jié)構(gòu)，并在多個參數(shù)之間進行同時優(yōu)化；在需要探索的大型設(shè)計空間中進行優(yōu)化提出了需要基于機器學習的解決方案的挑戰(zhàn)。

接下來需要分三部分來講解

●第一部分討論應用需求如何推動數(shù)據(jù)處理范式

●第二部分討論了這在系統(tǒng)級別的體系結(jié)構(gòu)上產(chǎn)生的影響，以及相關(guān)的挑戰(zhàn)、實施和技術(shù)需求。

●第三部分系統(tǒng)級體系結(jié)構(gòu)需求轉(zhuǎn)化為設(shè)備、互連、材料和化學處理挑戰(zhàn)，以及有望的解決方案。

數(shù)字處理范式、系統(tǒng)級架構(gòu)和數(shù)字處理設(shè)備/材料的路線圖

1）基于計算為中心的系統(tǒng)集成（CCS）

利用在晶片上具有互聯(lián)連接的芯片片（chiplets）；高帶寬內(nèi)存（HBM）集成仍然受到限制；傳統(tǒng)加速器的使用持續(xù)增加。

◎隨著系統(tǒng)規(guī)模的擴大，邏輯對邏輯堆疊和新的內(nèi)存技術(shù)得到了越來越多的應用；在CCS中，物聯(lián)網(wǎng)產(chǎn)品越來越多地使用加速器、傳感器和通信芯片片。

◎成熟的編程庫標準被用來充分發(fā)揮高核心數(shù)的優(yōu)勢；CCS由于其通用性繼續(xù)被使用；安全性和可靠性特性的應用也在增加。

2）以內(nèi)存為中心的架構(gòu)，用于人工智能和機器學習應用的系統(tǒng)集成（SiPs）

◎內(nèi)存為中心的架構(gòu)逐漸滲透到主流市場；編程模型和軟件不斷發(fā)展；統(tǒng)一虛擬內(nèi)存（UVM）標準不斷完善。

◎模擬加速器技術(shù)成熟；模擬加速器的應用范圍擴大：初步在物聯(lián)網(wǎng)中應用于圖像處理

◎在物聯(lián)網(wǎng)產(chǎn)品中的應用范圍擴大。軟件和UVM的“標準”已經(jīng)制定。

3）集成芯片片的類型和數(shù)量

◎高端：多核心芯片片、圖形處理單元（GPU）、高帶寬內(nèi)存（HBM）、小型非易失性內(nèi)存（NVM）、在高端使用共封裝光子器件、更廣泛地使用互連標準、帶有2或3層3D SiPs + HBM2/HBM3和SRAM疊層；使用液冷技術(shù)，功耗上限提高至500瓦以上。

◎中端：類似于高端配置，但使用GDDR6+ DRAM，低端GPU。

嵌入式/IoT：較大的非易失性內(nèi)存（NVM）、SRAM，搭配射頻（RF）芯片片；每個封裝中的芯片片數(shù)量：4至10個。

◎高/中端：模擬人工智能（AI）和機器學習（ML）芯片片在生產(chǎn)中的SiPs中廣泛應用；神經(jīng)形態(tài)和處理器內(nèi)存（PIM）芯片片開始出現(xiàn)；在內(nèi)存層次結(jié)構(gòu)中使用非易失性內(nèi)存（NVM）；統(tǒng)一虛擬內(nèi)存（UVM）標準開始出現(xiàn)；3D設(shè)計的使用增加；封裝功耗上限接近1千瓦。

◎嵌入式/IoT：使用專用芯片片進行擴展；為物聯(lián)網(wǎng)設(shè)計的5G/6G芯片片；邊緣數(shù)據(jù)處理需求超越汽車/專業(yè)市場；每個封裝中的芯片片數(shù)量：10至30個。

DRAM內(nèi)存的嚴峻挑戰(zhàn)者出現(xiàn)；具有共封裝光子學芯片片的輸入/輸出解決方案；內(nèi)存層次結(jié)構(gòu)中廣泛使用非易失性內(nèi)存（NVM）芯片片；模擬ML加速器和其他專用芯片片逐漸滲透；芯片片數(shù)量繼續(xù)增加但趨于穩(wěn)定。

4）加速器芯片片和專用系統(tǒng)集成（SiPs）

◎GPU（全精度和可變精度）；早期的以內(nèi)存為中心的芯片片；早期的模擬加速器。低壽命的構(gòu)建，使用憶阻器；支持量子退火和量子計算的SiPs開始出現(xiàn)。

◎帶有NVM和模擬存儲技術(shù)以及低功耗ADC的模擬神經(jīng)網(wǎng)絡（NN）加速器；為量子計算和數(shù)據(jù)中心計算中的成熟加速器提供緊密的光子學集成。

◎神經(jīng)形態(tài)加速器或SiPs；較小的尺寸，集成了量子比特、門電路和測量與控制邏輯的通用量子計算芯片。

5）內(nèi)存技術(shù)，內(nèi)存層次和內(nèi)存一致性在SiPs中的應用

◎HBMs，疊加的SRAM高速緩存；邏輯上的緩存芯片片；帶有大型L4緩存的傳統(tǒng)和擴展層次結(jié)構(gòu)；標準的一致性協(xié)議，其中一些基于CXL，使用專有的UVM。

◎在內(nèi)存層次結(jié)構(gòu)中使用NVRAM，用于非傳統(tǒng)的用途；開放的UVM架構(gòu)和標準；先進的HBM技術(shù)；新的內(nèi)存技術(shù)變得更加經(jīng)濟實惠和可靠。

◎新的內(nèi)存芯片片與DRAM競爭；高效能NVM與SRAM競爭速度，并且具有與DRAM相媲美的密度；出現(xiàn)多顆粒度的UVM。

6）SiP的互連技術(shù)：

◎硅橋，具有大約1000到2000條線；有限的面對面粘合的3D連接；帶有2到3個金屬層的中間層；高端配置下，共封裝的光子學IO具有2到8個波長的波分復用（WDM）鏈路；用于電力傳遞的后端通孔；高端配置下使用PAM4編碼。

◎具有最多4000條線的硅橋；大規(guī)模生產(chǎn)的3D SiPs中通孔和翹邊間距減小至5到10微米；中間層最多5層；高端配置下PAM4編碼的使用增加；高端配置下出現(xiàn)PAM8編碼；生產(chǎn)中使用小尺寸光子學IO；更廣泛地用于SiP IO的密集WDM。

◎最多8000條線的硅橋；高端配置下出現(xiàn)PAM8編碼；高端配置下納米級面對面粘接；中間層最多7層；用于高端產(chǎn)品的密集WDM和封裝內(nèi)部光子學芯片片的IO正在生產(chǎn)中。

編輯：黃飛