Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

半导体顶级会议ISSCC-17:为智能时代打造专属芯片

2 月初,人工智能盛会 AAAI-17 在美国旧金山举办的同时,ISSCC 2017 大会在城市另一边的万豪酒店同期举行。在「人工智能」一词席卷科技圈的时代,ISSCC 这一学术会议也不可避免地加入了人工智能、深度学习的元素。本届 ISSCC 会议的主题被定为:智能时代的智能芯片(INTELLIGENT CHIPS FOR A SMART WORLD)。


C4CasPaWEAAzxa_.jpg


ISSCC,全称 International Solid State Circuits Conference(国际固态电路会议),是由 IEEE 固态电路协会(SSCS)主办的最负盛名的半导体集成电路国际学术会议。它同时也是世界上规模最大、水平最高的固态电路国际会议,长期以来代表着全球固态电路领域研发趋势的领先风向,已成为国际公认的芯片领域的「奥林匹克运动会」。


本届 ISSCC 会议于 2017 年 2 月 5-9 日举行,为第 64 届。


近年来,ISSCC 大会上的论文涉及的集成电路领域包括九个方面:模拟电路(传统模拟电路、模拟电源管理)、数据转换器(ADC/DAC/TDC)、数字架构与系统(处理器、通信与多媒体电路、人工智能)、数字电路(时钟、数字电源管理)、IMMD(图像、MEMS、生物医学、显示)、存储器(存储单元、控制器)、射频与无线系统(收发机、毫米波、太赫兹)、有线通信(SerDes/2.5/3D 互联)以及前沿工艺设计(非硅集成电路、量子、柔性材料)。


大会议程


在上周日晚举行的 Tutorial 和 Student Session 上,IEEE SSCS(固态电路协会)进行了 Fellowship 颁奖,随后是 Student Research Preview 的 Poster 展览(这些都是 ISSCC 主 session 的遗珠)。周一上午为 Plenary Speech,由主办方邀请领域领头人物演讲。很多来自半导体业、或半导体相关行业的重要嘉宾参与其中。


3.jpg


本届请到的嘉宾包括:

  • 台积电的 VP Cliff Hou(演讲主题是结合封装和 SoC 技术的芯片新范式)

  • 德州仪器的 CTO Ahmad Bahai(演讲主题是集成电路业的持续创新模式)

  • 哈佛医学院教授 Jonathan Rothberg(演讲主题关于 DNA 测序)

  • TU Delft 的教授 Lieven Vandersypen(演讲主题关于量子计算)


周一下午到周三为一系列主 Session 论文报告,晚上有一些有趣的 evening session,周四为专业论坛。


在智能硬件的风潮中,很多研究机构推出了自己的新型芯片设计。2016 年 ISSCC 中,韩国科学技术院(KAIST)曾展示了自己的深度学习处理器,这种处理器已经广泛应用于很多领域,如用于 AR/HMD 用户的自然 UI/UX、辅助汽车驾驶和自主导航的微型机器人。以 65nm CMOS 实现了具有嵌入式深度学习引擎的低功耗自然 UI/UX 处理器,达到了比最新的 HMD 处理器还高 56.5%的能源效率,比同类最佳模式识别处理器的识别率还要高 2%。而麻省理工学院(MIT)提出了在 65nm CMOS 工艺中实现高能效的深度卷积神经网络(CNN)加速器。该测试芯片具有由可重构在片网络的 168 个处理元件空间阵列的特征,其通过开发数据再使用来处理多种形状并最小化数据运转。



围绕人工智能带来的新需求,硬件设计也需要转换思路。2 月 5 日上午,来自比利时鲁汶大学的 Marian Verhelst 的报告就介绍了为深度学习设计的处理器。


深度学习在图像识别领域上已经变得十分流行了。最近,将深度学习应用到其他模式识别任务(如语音处理、文本分析等)的应用也十分地受关注。深度学习是与计算复杂性相关联的,但目前它还只能在高能耗的服务器平台上运行。不过,我们已经看到了一种将深度学习网络应用嵌入式处理的新趋势。


在介绍深度学习和其实现的挑战后,该专题报告概述了能在嵌入式平台实现高效神经网络评估的处理架构。该报告与新兴的以实现为驱动的算法创新(implementation-driven algorithmic innovations)紧密交织,解释了新型深度学习算法对嵌入式硬件设计的影响。该报告同时介绍了嵌入式深度学习中的机遇和实现挑战,展示了深度学习处理器的研究的最新进展。


2 月 7 日的晚间活动主题则有关自动驾驶。来自电装国际美国公司的 Roger Berg、英飞凌的 Patrick Leteinturier、博世的 Markus Tremmel、戴姆勒的 Jürgen Dickmann 以及英伟达的 Sahin Kirtavit 参加了活动。


落后的中国半导体研究


在集成电路领域的盛会 ISSCC 上,中国大陆的录用论文数寥寥无几,与 AAAI-17 上过三成,与美国数量相当的盛况相比更显力量不足。据机器之心的老朋友矽说(公众号:silicon_talks)统计,大会每年录用论文数最多不超过三篇,甚至远远落后于港澳台地区:


2017 年,1 篇(北京 ADI)

2016 年,2 篇(上海 ADI,清华大学)

2015 年,0 篇

2014 年,3 篇(复旦大学、中科院计算所、清华大学)

2013 年,3 篇(复旦大学 2 篇,中科院计算所 1 篇)

2012 年,1 篇(复旦大学)

2011 年,3 篇(复旦大学、中科院/龙芯、清华大学)

2010 年,0 篇

2009 年,2 篇(复旦大学、清华大学)

2008 年,1 篇(清华大学)

2007 年,1 篇(上海鼎芯)

2006 年,1 篇(中科院半导体所)

2005 年,1 篇(上海新涛)


今年的 ISSCC 大会共有 208 篇论文入选,其中来自中国(中国大陆、香港和澳门)的论文共有 11 篇,完成机构为澳门大学 6 篇、香港科技大学 4 篇、亚德诺 (ADI)1 篇,分别属于无线通信、射频电路、数字结构和系统、数据转换、模拟电路等 5 个大领域。


商用芯片风向


作为芯片业界的顶级会议,今年的 ISSCC 吸引了来自全球的三千多名芯片设计师,它也成为了各家芯片公司展现最新技术的舞台。


英特尔率先推出了新硬件,这块被称为 Stratix X 的芯片使用了嵌入式多管芯互连桥(EMIB)将 FPGA 与四个外部收发器相连,由安装在 BGA 衬底中的硅晶片制成,它明显小于由台积电开发的 CoWoS 工艺中使用的硅衬底(后者被英特尔的竞争对手 Xilinx 和英伟达采用)。


EMIB.png


英特尔在两年多前发布了 EMIB 技术,并准备将其作为代工服务的技术。但到目前为止,该公司还没有公布 EMIB 有任何其他用户。14nm 的 Stratix X 将 280 万个逻辑元件组装成面积约为 560mm2 的芯片,运行速度以 GHz 计。


AMD 则在会上宣称自己的 Zen x86 处理器比英特尔的更加高效。AMD 发表的论文详细介绍了 Zen x86 与前一代芯片相比可将开关电容降低 15%的技术。同时,Zen 的推出标志着 AMD 首次引入了金属——绝缘体——金属电容,这有助于降低工作电压,并提供更高的每核心电压和频率控制。


Zen-comparison.png

AMD 表示,他们现在已有两个 8 核 CPU 设计,可在 3.4 GHz 的频率上进行多线程计算


与计算机 CPU 厂商的竞争相似,移动领域芯片的主要供应商台积电与三星也在 ISSCC 上展开了竞争——两家公司展示了各自的 7nm 芯片工艺。但从两家公司发表的论文来看,在应用于 iPhone7 的 10nm 工艺 cpu 量产以后,更加先进的 7nm 工艺芯片或许还需要几年的时间才能大量进入商业应用。


TSMC-7nm-SRAM.png

台积电的 SRAM 有望在今年量产


在 ISSCC 上,台积电描述了一个 256Mbit 的 SRAM 测试芯片,使用其 7nm 工艺达到了 0.027mm2 的位单元面积。「这让它有望成为今年最小 SRAM,」台积电董事张琮永博士说道。「新工艺生产的 SRAM 比台积电的 16nm 版本体积缩小了 0.34 倍。它使用七个金属层,总体模具尺寸为 42mm2。」


与获得了苹果大订单的台积电相比,三星的思路则是更多的研究和更少的发展。这家韩国科技巨头构建了一个 8 Mbit 的测试型 SRAM——它只是未来商用 7nm 产品的冰山一角。


该芯片不是用极紫外光刻技术(EUV)构建的。相反,三星使用了一个新的修复过程,并将它与 EUV 方式进行了对比,结论显而易见——EUV 更好。一般来说,修复不是一个生产过程,所以目前还无法得知三星的 7nm EUV 将会是何种形式。


专家们普遍认为,EUV 可能会在 2020 年开始大量应用。三星宣称,在今年年底,它将在其 7nm 工艺的芯片制造中开始应用 EUV 技术,但没有说明更进一步的细节。

入门芯片ISSCC 2017ISSCC硬件产业
暂无评论
暂无评论~