2023年，生成式人工智能在全球范圍內(nèi)掀起熱潮，大模型的競爭愈發(fā)激烈。在2024年，人工智能將進一步帶動芯片算力、存力（存儲性能）和能效的提升，推動半導(dǎo)體在架構(gòu)和先進封裝等環(huán)節(jié)的創(chuàng)新，并帶來新的市場增量。

芯片架構(gòu)邁向多元化

ChatGPT的出現(xiàn)拓寬了AI芯片的市場空間，AI大模型訓(xùn)練需求激增，因此高算力芯片成為半導(dǎo)體產(chǎn)業(yè)鏈本輪復(fù)蘇的主要驅(qū)動力。在AI浪潮中，英偉達2023年的數(shù)據(jù)中心業(yè)務(wù)憑借著A100、H100等GPU（圖形處理器）產(chǎn)品實現(xiàn)了217%的同比增長，截止2024年3月6日，其市值突破2.1億美元。

作為當前進行AI運算的主流處理器，GPU自身具備強大的并行計算能力，但在近幾年的市場驗證中，也暴露出成本較高、交付周期較長以及功耗偏高等問題。一方面，英偉達正在努力縮短交付周期；另一方面，各類企業(yè)正在創(chuàng)新芯片架構(gòu)，以期對AI處理器的功耗和成本進行優(yōu)化。

因此，ASIC這類適用于特定場景的芯片開始被谷歌、微軟等云服務(wù)廠商關(guān)注。

谷歌自2016年開始研發(fā)專用于機器學(xué)習(xí)的TPU（張量處理器），并將其作為AlphaGo的算力底座。TPU采用低精度計算，在保證深度學(xué)習(xí)效果的同時降低功耗，并提升運算效率。谷歌于今年1月發(fā)布的TPU v5p版本在大模型訓(xùn)練中的效率相較于v4提升了2.8倍。據(jù)悉，該系列芯片也將應(yīng)用于谷歌Gemini AI大模型的訓(xùn)練。

2月19日，由前谷歌TPU核心研發(fā)團隊的工程師組建的初創(chuàng)公司Groq也開放了自家產(chǎn)品LPU（語言處理器）的體驗入口。在架構(gòu)方面，Groq的LPU使用了TSP（張量流處理器）來加速人工智能、機器學(xué)習(xí)和高性能計算中的復(fù)雜工作負載。Groq相關(guān)發(fā)言人稱，該處理器的推理能力是英偉達H100的10倍。

此外，在AI從云端向終端滲透的過程中，諸多廠商認為NPU（神經(jīng)網(wǎng)絡(luò)處理單元）是更加適合AI運算的技術(shù)路線。高通的AI PC芯片X Elite和英特爾酷睿Ultra處理器中均集成了NPU以提升電腦端的AI性能。

高通AI引擎集成了CPU、GPU、NPU等多種處理器（圖片來源：高通）

架構(gòu)的多點開花既體現(xiàn)出各大企業(yè)對于通用芯片和專用芯片的取舍，也意味著更多芯片品類的供應(yīng)商及其上下游企業(yè)有機會分享AI時代的紅利。

“在過去幾年，GPU由于其完善的開發(fā)生態(tài)仍然是AI計算的主要選擇。然而，隨著模型參數(shù)不斷增大，芯片對于計算能效的要求相應(yīng)提升，專用處理器在某些特定AI應(yīng)用場景中的優(yōu)勢將會十分明顯。綜合考慮應(yīng)用場景、成本等多方面因素，未來AI計算的硬件芯片選擇將是多技術(shù)路線并存的?！北本┐髮W(xué)集成電路學(xué)院研究員賈天宇告訴《中國電子報》記者。

AI性能帶動先進封裝

在上游芯片設(shè)計企業(yè)迎來AI帶來“潑天的富貴”的同時，下游的封裝技術(shù)也獲得了增量空間。

“生成式AI模型需要數(shù)百萬或數(shù)億級別參數(shù)才能進行推理，對芯片的處理速度、容量、帶寬都提出了更高的要求，這將推動以Chiplet（芯粒）為代表的先進封裝技術(shù)進一步發(fā)展，帶來封裝行業(yè)的生態(tài)變化?！敝须娍齐娮友b備集團有限公司董事長景璀告訴《中國電子報》記者。

芯片的算力與晶體管數(shù)量呈正相關(guān)。由于摩爾定律的放緩，芯片的面積已經(jīng)縮小到接近物理極限，即便臺積電、英特爾IFS、三星電子等制造廠商紛紛公布3nm及更先進制程，也面臨著提升成品良率的挑戰(zhàn)。因此，先進封裝技術(shù)以及SIP（系統(tǒng)級封裝）等新的封裝方式將會是延續(xù)摩爾定律的有效途徑。

英特爾IFS“四年五個制程節(jié)點”路線圖（圖片來源：英特爾）

其中，Chiplet技術(shù)可謂“掌上明珠”。

一方面，Chiplet頗受芯片設(shè)計企業(yè)青睞。憑借高靈活性，Chiplet既實現(xiàn)了對不同架構(gòu)、不同工藝材料的堆疊，也省去了前道的復(fù)雜制造工藝，對設(shè)計企業(yè)而言更具性價比。有機構(gòu)統(tǒng)計，有將近30%的高性能CPU和GPU采用了Chiplet設(shè)計，包括英偉達、AMD等算力芯片供應(yīng)商。

另一方面，Chiplet的火熱也推動了制造和封測企業(yè)在技術(shù)上的不斷創(chuàng)新。英特爾聯(lián)合多個公司確立了UCIe（通用芯粒互連通道）標準，用于芯片內(nèi)部的計算區(qū)塊通信，并推出EMIB和Foveros等封裝技術(shù)，以便將芯粒無縫集成至封裝中。

臺積電此前與賽靈思合作開發(fā)CoWoS封裝技術(shù)?；贑hiplet，CoWoS通過互聯(lián)硅中介層互聯(lián)實現(xiàn)多芯片封裝、高密度互連并降低功耗。隨著GPU站上AI風(fēng)口，臺積電CoWoS產(chǎn)能也迅速告急。在臺積電1月18日舉辦的財報會議上，總裁魏哲家表示AI芯片對先進封裝的需求十分強勁，目前產(chǎn)能仍無法應(yīng)對客戶強勁需求，供不應(yīng)求的狀況可能延續(xù)到2025年。

存儲原廠比拼產(chǎn)能與封裝技術(shù)

算力是訓(xùn)練大模型的重要支撐，而存儲性能則與大模型的推理效率緊密相關(guān)。在大模型云集、AI應(yīng)用逐漸落地的背景下，推理能力被越來越多的芯片和云服務(wù)廠商強調(diào)。因此，在GPU產(chǎn)品中會配置多塊HBM（高帶寬存儲）以削弱芯片在AI計算中的內(nèi)存墻效應(yīng)，進一步降低延遲。

HBM在2024年的競爭將會更加激烈。

美光CEO Sanjay Mehrotra在2023年底的財報會議上透露，AI芯片對HBM的需求旺盛，美光2024年的HBM產(chǎn)能預(yù)計已全部售罄——于2024年初量產(chǎn)的HBM3E有望為美光創(chuàng)造數(shù)億美元的營收。

無獨有偶，2月，SK海力士副總裁金基泰發(fā)文表示，雖然2024年才剛開始，但今年SK海力士旗下的HBM已經(jīng)全部售罄。同時，公司為了保持HBM的市場領(lǐng)先地位，已開始為2025年做準備。三星電子緊隨其后，在2月27日正式推出12層堆疊HBM3E，比前代產(chǎn)品的帶寬提升50%，預(yù)計將于下半年投入量產(chǎn)。

三星電子的HBM3E 12H（圖片來源：三星電子）

普遍來講，存儲芯片的堆疊層數(shù)越高，其性能越強，但發(fā)熱和良率等問題也越明顯。因此，與算力芯片類似，先進封裝及其相關(guān)技術(shù)也成為了存儲芯片提升性能的重要手段。

除了HBM中常見的封裝技術(shù)TSV（硅通孔）之外，三星電子努力消除堆疊層之間NCF（非導(dǎo)電薄膜）材料的厚度。據(jù)悉，三星電子12層堆疊的HBM3E采用了熱壓非導(dǎo)電薄膜技術(shù)，將芯片間隙壓縮至最小7微米，使得12層與此前8層堆疊產(chǎn)品的高度保持一致。

SK海力士自研了MR-MUF（批量回流模制底部填充）技術(shù)，區(qū)別于在每層芯片上鋪薄膜材料，該技術(shù)在通過在堆疊的芯片之間注入保護材料，以提升工藝效率和散熱性。SK海力士副社長孫皓榮表示：“為了實現(xiàn)不同的人工智能應(yīng)用，人工智能存儲器的特性也應(yīng)該多元化。我們的目標是以各種先進封裝技術(shù)來應(yīng)對這些變化。”

材料和架構(gòu)創(chuàng)新助力低功耗

AI芯片除了通過調(diào)整架構(gòu)和先進封裝技術(shù)提升算力和存力，還需考慮功耗因素。

一方面，在數(shù)據(jù)中心里，AI服務(wù)器的功耗逐漸增加將催生新的解決方案。據(jù)了解，英偉達H100的功耗達到了700W，而之后將推出的B100功耗還會再增加40%，這驅(qū)使現(xiàn)有的制冷技術(shù)進一步優(yōu)化。英偉達CEO黃仁勛此前透露公司的下一代產(chǎn)品將會采用液冷方案，戴爾公司首席運營官JeffClarke也表示“工程團隊為（英偉達）這款新產(chǎn)品做好了準備，為GPU帶來高功耗所需的散熱解決方案”。

由于發(fā)展AI需要大量算力支撐，這也使得對電力的需求飆升，此時寬禁帶半導(dǎo)體和儲能也將發(fā)揮作用。“大型計算基礎(chǔ)設(shè)施的運行需要更高功率、更高能效的電力電子設(shè)備去支撐，這對碳化硅、氮化鎵等寬禁帶半導(dǎo)體市場將是一個新的增長點?！鄙钲诨景雽?dǎo)體有限公司總經(jīng)理和巍巍告訴《中國電子報》記者，“另外，未來AI技術(shù)的發(fā)展將高度依賴于能源，特別是光伏和儲能技術(shù)的進步，這也與半導(dǎo)體行業(yè)息息相關(guān)?！?/p>

另一方面，AI正在經(jīng)歷從云到端的滲透，端側(cè)更加重視低功耗的需求。存內(nèi)計算將有可能成為在邊緣側(cè)進行AI計算的全新范式。

“相較于云端的大算力GPU，終端智能計算芯片在保障性能的同時更追求低功耗、低成本。存算一體類的新技術(shù)具有低功耗的優(yōu)勢，未來有望在廣泛的邊緣智能計算中發(fā)揮作用?！辟Z天宇表示。

當前存內(nèi)計算已經(jīng)應(yīng)用于視覺、健康等智能移動終端設(shè)備中，未來也有望在邊緣側(cè)、自動駕駛乃至數(shù)據(jù)中心得到應(yīng)用。有機構(gòu)報告顯示，2023年存內(nèi)計算的市場規(guī)模有近177億美元，2030年將達到526億美元，年復(fù)合增長率16.8%。

存內(nèi)計算市場規(guī)模預(yù)測（圖片來源：SNS Insider）

對于存內(nèi)計算而言，市場前景與技術(shù)挑戰(zhàn)并存。知存科技創(chuàng)始人兼CEO王紹迪向《中國電子報》記者表示：“以手機端跑AI大模型為例，現(xiàn)在手機中16GB的LPDDR5已經(jīng)超過70美金，70GB/s的帶寬（對比云端服務(wù)器帶寬近1TB/s）在短時間內(nèi)也不易提升，同時帶寬的擴大必然會引發(fā)功耗升高。存內(nèi)計算相比傳統(tǒng)架構(gòu)AI芯片在成本、容量、帶寬和功耗各項能效上都具有很大優(yōu)勢，雖然短時間內(nèi)滿足邊緣側(cè)的模型算力需求并且達到很好的應(yīng)用效果仍有很大挑戰(zhàn)，但這是一件非常值得去做的事?！?/p>