每两年2倍的速度发展的摩尔定律即将走到极限,摩尔定律能否继续“续命”?
扫描二维码
随时随地手机看文章
随着芯片的制程工艺进入5nm时代,摩尔定律的极限时刻被提及,我们也能很明显的感受的到,现阶段芯片厂商对于全新制程工艺的研发,已经陷入了一定的困境当中,技术突破的时间也被进一步拉大,这一度让我们相信,芯片的研发或许真的已经达到了摩尔定律极限。
就在很多芯片厂商处于困惑之中时,就在近日IBM宣布已经成功研制了2nm的芯片,也成功打破了现阶段的摩尔定律极限,芯片的技术迭代肯定会有上限,但至少不会是现在,芯片的技术研发还有着很大的进步空间。
很多人可能会好奇,作为计算机企业的IBM,在很早之前就已经出售了芯片研发部门,为何如今还会具备这样的实力呢?其实真正的原因在于合作上,IBM选对了合作伙伴,三星以及AMD都是其合作伙伴。
虽然早早宣布退出芯片市场,但IBM对于芯片技术的研发却从未中断,多年下来拥有了良好的基础实力,配合上AMD以及三星先进的技术,在一众优秀企业的通力配合之下,终究完成了对于2nm芯片研发的壮举。
半导体长年按照大约2年性能翻倍的“摩尔定律”进化。其原动力是减小晶体管等的尺寸,以提高集成度的微细化技术。近年对于“摩尔定律”可行性的争论在半导体业界时有发生,但半导体大厂英特尔仍是摩尔定律的坚定支持者。
本周,在半导体行业会议IEDM 2022(2022年IEEE国际电子器件会议)上,英特尔发布多篇论文,包括2D材料、3D封装技术、存储器技术等多项技术进展。该公司还表示,将在未来十年内持续推进摩尔定律,预计到2030年可实现在单个封装中集成一万亿个晶体管。
“目前我们可以在单个封装放入1千亿个晶体管,还有10倍需要增加。”12月8日,英特尔中国研究院院长宋继强在接受界面新闻等采访中称,他表示,从2023年到2030年,晶体管密度要在8年时间里翻10倍,即实现2的3次方的提升,是一个比较激进的目标。
同时,目前半导体晶体管结构正从FinFET(鳍式场效应晶体管)向GAAFET(环绕栅极晶体管)架构发展,相较于目前先进制程所采用的FinFET(鳍式场效应晶体管),GAAFET架构有着更好的静电特性,在尺寸相同的情况下,可以达到更高的频率,功耗也更低,因此是当前3纳米等高端工艺的核心技术。宋继强指出,在GAAFET架构下进一步微缩,会出现漏电流及不易控制通断等问题,用传统的硅材料去做通道材料面临诸多挑战。
宋继强称,要达到单个封装中集成一万亿个晶体管的目标,一方面要继续依靠晶体管微缩,例如用超薄的2D材料做更高效的GAA的晶体管。另一方面还需要依赖3D封装技术,能够进一步提升整个设备中的晶体管总量。
“在摩尔定律失效的当下,如果我们真想提高计算机性能,‘黄氏定律’就是一项重要指标,且在可预见的未来都将一直适用。”在近日举办的GTC中国峰会上,英伟达首席科学家Bill Dally做出上述发言。
所谓黄氏定律,是以英伟达首席执行官黄仁勋(Jensen Huang)名字命名的定律,其预测GPU将推动AI性能实现逐年翻倍。目前来看,虽然或多或少受到硬件与软件影响,但黄氏定律将稳定发展,小至个人数码产品中的脸部或语音识别,大至自动驾驶汽车、数据中心等,都受益于黄氏定律。
在半导体的开发竞争中,业界普遍认为,以每两年2倍的速度发展的摩尔定律即将走到极限。在芯片主战场转向于AI领域的背景下,由英伟达提出的黄氏定律得到重视,显示英伟达在AI计算领域的领先地位。
当前AI计算无处不在,进一步向个人设备、边缘领域拓展。以智能手机为例,内置芯片搭载的神经网络引擎就为各项机器学习任务奠定了基础,如面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。
“在整个GPU芯片设计历史过程中,随着工艺的发展,我们自然而然会放进去更多的计算单元。”英伟达中国区工程和解决方案高级总监赖俊杰告诉界面新闻记者。同时,英伟达依靠架构上的创新,从而使GPU发展速度和性能提升呈现几倍、甚至几十倍的结果。在GPU市场,英伟达GPU芯片的应用早已扩展到了游戏、图形计算之外,在数据中心的加速计算、AI取得主要市场份额。
不过,虽然基本上是以AI为核心,但系统运作时仍然少不了CPU参与。而Bill Dally坦承,当工程师大幅提升某部分的运算时,其他无法再加快的部分就会成为瓶颈。
Bill Dally于2009年加入英伟达,此前担任斯坦福大学计算机科学系主任,致力于数据科学、人工智能和图形学的研究,拥有120多项专利。在英伟达,Bill Dally负责领导一支200多人的科学研究团队。
Bill Dally称,英伟达的目标是通过GPU技术的改进,每年将使AI推理性能成倍提升。在GTC大会上,英伟达推出一款超高能效加速系统MAGNet,可以让AI推理能力达到每秒100万亿次的效率,比目前的商用芯片高出一个数量级。