Chiplet能否實現(xiàn)彎道超車?國產(chǎn)半導體IP突圍還需要努力
在全球半導體產(chǎn)業(yè)發(fā)展歷程中,隨著芯片設(shè)計復雜程度不斷提升,研發(fā)費用逐步升高,同時伴隨著芯片種類的愈加豐富,衍生出的集成電路、邏輯或單元布局設(shè)計的具有特定功能、可重復使用的電路模塊——半導體IP逐漸與EDA并列成為支撐芯片設(shè)計的最重要的上游核心技術(shù)。簡化IC設(shè)計流程的IP復用理念極大地推動了芯片設(shè)計產(chǎn)業(yè)的繁榮。
隨著芯片設(shè)計復雜度不斷提高,設(shè)計難度大、成本高、風險大,在引入新工藝后,芯片的簽核流程也變得越來越復雜,引入IP不僅可以加速產(chǎn)品上市時間,還可以降低設(shè)計成本和風險。對此,深耕一站式IP長達16年的芯動科技形象地比喻道,芯片IP是芯片的基石,是芯片大廈的磚瓦,“小”IP,撬動“大”市場——IP對產(chǎn)業(yè)撬動作用高達600倍,但是由于其技術(shù)和生態(tài)壁壘,是芯片行業(yè)的“硬骨頭”,高速接口IP更成為后摩爾時代高性能芯片系統(tǒng)集成的關(guān)鍵。因此,當前首要的就是本土企業(yè)放下“國產(chǎn)IP技不如人”的偏見、加強彼此之間的合作,取長補短,形成1+1>2的國產(chǎn)生態(tài)共贏局面。
“摩爾定律放緩和對高性能計算的追求正在引領(lǐng)先進封裝時代的到來,這必將帶來對于像芯和半導體先進封裝仿真EDA解決方案的迫切需求,”Chipletz?CEO?Bryan?Black?評論道,“芯和半導體及其?Metis?電磁場仿真工具在仿真效率和內(nèi)存消耗方面提供了業(yè)界前所未有的性能優(yōu)勢,幫助我們順利應(yīng)對信號和電源完整性分析方面的獨特挑戰(zhàn)。”
“Chipletz?公司的Smart?Substrate??產(chǎn)品將成為2.5D/3DIC先進封裝的開發(fā)工程師工具包中的一個強有力補充,”芯和半導體CEO凌峰博士說,?“Smart?Substrate??能在一個封裝體內(nèi)實現(xiàn)來自不同供應(yīng)商的多個不同芯片的異構(gòu)集成,這對于?AI?工作負載、沉浸式消費者體驗和高性能計算市場尤其重要。芯和半導體很高興能夠在這項先進封裝技術(shù)的交付中發(fā)揮作用?!?
芯粒是不同功能芯片裸片的拼搭,某種意義上也是不同IP的拼搭。芯原作為中國大陸第一,全球第七的半導體IP供應(yīng)商,在各類處理器IP上有著深度布局,將通過“IP芯片化(IP as a Chiplet)”和“芯片平臺化(Chiplet as a Platform)”持續(xù)推進芯粒技術(shù)的發(fā)展和產(chǎn)業(yè)化落地。
芯原有六大核心處理器IP,分別為圖形處理器(GPU)IP、神經(jīng)網(wǎng)絡(luò)處理器(NPU)IP、視頻處理器(VPU)IP、數(shù)字信號處理器(DSP)IP、圖像信號處理器(ISP)IP和顯示處理器IP,此外還有1,400多個數(shù)模混合IP和射頻IP。芯原將這些處理器IP有機結(jié)合,推出了處理器IP 子系統(tǒng)、IP 平臺等,例如從攝像頭輸入一直到顯示輸出的整個智能像素處理IP平臺?;谪S富的IP儲備,芯原提出了IP芯片化(IP as a Chiplet,IaaC)的理念,旨在以芯粒實現(xiàn)特殊功能IP的“即插即用”,解決7nm、5nm及以下工藝中,性能與成本的平衡,并降低較大規(guī)模芯片的設(shè)計時間和風險。
· 新封裝領(lǐng)域,3D 封裝、SiP(System In a Package,系統(tǒng)級封裝)已實現(xiàn)規(guī)模商用,以 SiP等先進封裝為基礎(chǔ)的 Chiplet 模式未來市場規(guī)模有望快速增長,目前臺積電、AMD、Intel 等廠商已紛紛推出基于 Chiplet 的解決方案。
· 新材料領(lǐng)域,隨著 5G、新能源汽車等產(chǎn)業(yè)的發(fā)展,硅難以滿足對高頻、高功率、高壓的需求以 GaAs、GaN、SiC 為代表的第二代和第三代半導體迎來發(fā)展契機。
· 新架構(gòu)領(lǐng)域,以 RISC-V 為代表的開放指令集將取代傳統(tǒng)芯片設(shè)計模式,更高效應(yīng)對快速迭代、定制化與碎片化的芯片需求。為應(yīng)對大數(shù)據(jù)、人工智能等高算力的應(yīng)用要求,AI NPU 興起。存內(nèi)計算架構(gòu)將數(shù)據(jù)存儲單元和計算單元融合為一體,能顯著減少數(shù)據(jù)搬運,極大地提高計算并行度和能效。長期來看,量子、光子、類腦計算也有望取得突破。