今年國際固態(tài)半導(dǎo)體電路會議（ISSCC）剛剛落下帷幕。ISSCC一向是半導(dǎo)體工業(yè)界巨頭展示最新研發(fā)成果的平臺之一，在今年的會議上也是如此，我們從不少巨頭發(fā)布的研究成果中看到了他們下一步的投入方向，從中也可以看到整體半導(dǎo)體行業(yè)的未來發(fā)展動向。

　　韓國半導(dǎo)體巨頭：注重前瞻性人工智能芯片的產(chǎn)業(yè)化

　　在本屆ISSCC上，除了DRAM等傳統(tǒng)強項之外，韓國半導(dǎo)體巨頭三星和SK Hynix最引人注目的方向可以說是人工智能相關(guān)芯片。雖然說人工智能芯片目前已經(jīng)有許多大公司在積極投入，但是大多數(shù)大公司的做法往往是要么在自己已有的相關(guān)IP上做進一步迭代更新以滿足人工智能的需求（例如高通將Hexagon DSP進一步拓展適配人工智能算法，Cadence將Tensilica迭代加速機器學(xué)習(xí)算法等），這么做往往是針對于這一代人工智能算法的需求做產(chǎn)品，而沒有太多前瞻性；要么是和高校一起做研發(fā)，這樣通常比較偏科研性質(zhì)。而三星和SK Hynix的主要不同在于，在本屆ISSCC上發(fā)表的人工智能芯片都是自主研發(fā)，并且有明確的產(chǎn)品化方案（或者已經(jīng)在進行產(chǎn)品化），這樣兼顧下一代技術(shù)探索同時又有明確產(chǎn)品化可以說是三星在人工智能芯片的獨特之處。

　　在今年的ISSCC上，三星發(fā)表了一篇是關(guān)于移動端NPU的論文，目前已經(jīng)使用在其4nm Exynos SoC中；而SK Hynix則發(fā)表了關(guān)于基于GDDR-6的DRAM存內(nèi)計算的論文，并且官方宣布將會和韓國的AI芯片公司Sapeon合作進一步推廣GDDR存內(nèi)計算生態(tài)。

　　三星的NPU論文的主要關(guān)注點在于進一步優(yōu)化數(shù)據(jù)流以提升計算單元利用率、優(yōu)化計算單元以覆蓋不同的計算精度、提供不同的工作模式以滿足不同功耗和性能的需求。其中第一點是幾乎所有NPU都要解決的問題，而在計算單元優(yōu)化方面，三星的NPU可以覆蓋INT4、INT8和FP16幾種精度，這些計算精度基本上能覆蓋移動端人工智能算法所有的需求（例如INT4針對較為簡單的網(wǎng)絡(luò)，而FP16針對較為復(fù)雜對于精度要求更高的網(wǎng)絡(luò)）。另一方面，該NPU有高性能模式和低功耗模式兩種工作模式，從而滿足移動端不同應(yīng)用場景之間的切換。從這兩點來看，可以說該NPU的設(shè)計確實是在覆蓋手機芯片在日常應(yīng)用中的痛點，其優(yōu)化的方向有非常明確的實際應(yīng)用場景，可以說已經(jīng)是經(jīng)過許多實戰(zhàn)的打磨。我們認為，三星的論文標志著它的NPU技術(shù)說明它在產(chǎn)業(yè)化上已經(jīng)有了很深厚的積累。

　　       韓國的另一個半導(dǎo)體巨頭SK Hynix則在今年的ISSCC上發(fā)表了基于GDDR接口的DRAM存內(nèi)計算。在人工智能應(yīng)用中，內(nèi)存訪問決定了許多模型的運行速度，因此越來越多公司和機構(gòu)在探索存內(nèi)計算，即將計算直接在存儲器中運行，這樣就省去了內(nèi)存訪問的開銷?；贒RAM的存內(nèi)計算則非常尤其適合云端和邊緣端的人工智能算法，而這次SK Hynix發(fā)表在ISSCC 2022的DRAM存內(nèi)計算（Accelerator in Memory, AiM）研究中，使用了將計算單元集成在DRAM存儲芯片中的架構(gòu)并完成了4Gb AiM芯片，通過DRAM控制器，該DRAM既可以做存內(nèi)計算，又可以當作正常的DRAM來使用。論文測量結(jié)果顯示，AiM相對傳統(tǒng)的GPU+HBM2在常用機器學(xué)習(xí)模型中可以實現(xiàn)高達10倍的性能提升。我們認為，DRAM中的存內(nèi)計算有可能會成為DRAM行業(yè)下一步的新方向，有可能會成為一個新的DRAM品類——值得注意的是，DRAM巨頭三星在去年也發(fā)布了類似的DRAM存內(nèi)計算研究和計劃，我們預(yù)計該方向?qū)谖磥慝@得更多的關(guān)注和投入。

　　臺積電：SRAM/下一代存儲器存內(nèi)計算成亮點

　　臺積電在人工智能方面的投入也很可觀。作為全球最大的代工廠，臺積電在人工智能領(lǐng)域的投入在本屆ISSCC上主要體現(xiàn)為帶有存內(nèi)計算的片上存儲器IP，包括SRAM和下一代存儲器（RRAM，STT-MRAM）等。在本屆ISSCC上，臺積電共合作發(fā)表了六篇關(guān)于存內(nèi)計算存儲器IP的論文，其中有一篇的作者全部來自臺積電，其余五篇則是臺積電和臺清大和佐治亞理工等高校合作。

　　臺積電對于基于SRAM和下一代片上存儲器存內(nèi)計算研發(fā)投入的邏輯在于，基于芯片上存儲器的存內(nèi)計算正在目前的人工智能應(yīng)用，尤其是低功耗物聯(lián)網(wǎng)人工智能應(yīng)用中得到越來越多的關(guān)注。如前面我們分析過的，內(nèi)存訪問是人工智能模型運行速度和能效比的決定因素，物聯(lián)網(wǎng)應(yīng)用對于能效比非常敏感，物聯(lián)網(wǎng)人工智能模型通常較小有機會可以放入SRAM和下一代片上存儲中，因此存內(nèi)計算非常適合這些應(yīng)用（相對而言，DRAM存內(nèi)計算更適合需要運行大人工智能模型的云端應(yīng)用）。SRAM一向是半導(dǎo)體工藝的一個重要基準（通常SRAM密度是衡量半導(dǎo)體工藝的一個重要參數(shù)），因此臺積電抓住下一代SRAM IP將對于鞏固其代工廠龍頭地位有重要作用。除此之外，RRAM這樣的下一代新興存儲器也在繼續(xù)發(fā)展壯大，因此對于臺積電來說也希望能抓住這樣的機會。帶有存內(nèi)計算的SRAM和下一代存儲器也就成為了臺積電能提供帶有差異化IP的一個重要機會，因此我們看到臺積電在ISSCC上的眾多相關(guān)研究發(fā)表——這些發(fā)表的論文背后都是臺積電真金白銀的投入。

　　回到技術(shù)方面，本次由臺積電作為唯一作者機構(gòu)在ISSCC上發(fā)表的SRAM論文是基于其5nm工藝，其64kb的IP可以實現(xiàn)在不同計算精度（INT4 – INT8）下實現(xiàn)非常高的計算密度（55.3-221.2 TOPS/mm2）和能效比（70 – 254 TOPS/W），這也證明了臺積電在SRAM存內(nèi)計算領(lǐng)域的深厚積累（與此相對的是，三星的人工智能芯片領(lǐng)域的領(lǐng)先領(lǐng)域主要在NPU和DDR存內(nèi)計算）。而在下一代存儲器方面，臺積電也在和臺清大、佐治亞理工等高校合作發(fā)表了多項新技術(shù)，涉及RRAM、STT-MRAM、相變存儲器等多種新存儲器，可見臺積電也是在多個新存儲器領(lǐng)域做了投入，希望能覆蓋到未來真正的主流下一代存儲器。

　　量子計算：下一代計算新范式

　　除了傳統(tǒng)應(yīng)用芯片之外，量子計算也是本屆ISSCC的一個亮點。谷歌和IBM作為在量子計算領(lǐng)域投入最多的巨頭，也在本屆ISSCC上發(fā)表了相應(yīng)的研究，其中IBM發(fā)表了一篇綜述研究，以及一篇用于量子計算控制的芯片；而谷歌則發(fā)表了一款關(guān)于其Sycamore量子計算芯片的綜述。

　　量子計算機到底應(yīng)用在哪里？IBM在ISSCC上發(fā)表的研究中指出，量子計算的主要目的并不是取代傳統(tǒng)通用計算機，而是在一些專門的問題中（如質(zhì)因數(shù)分解，化學(xué)相關(guān)模擬計算、優(yōu)化問題）等獲得遠高于傳統(tǒng)計算機算法的處理速度，這是由于量子計算的獨特特性所決定的。

　　量子計算和集成電路芯片有什么關(guān)系？目前看來，量子計算的核心量子位（QuBit）可以使用基于可調(diào)頻率的諧振電路，這些量子位可以使用特殊半導(dǎo)體工藝在超低溫下實現(xiàn)；除此之外，另一個容易被忽略的和半導(dǎo)體芯片相關(guān)的部分是量子計算處理器的控制和讀出芯片。量子位的控制需要能產(chǎn)生高頻率的調(diào)制射頻信號，而在讀出部分則需要將相關(guān)信號以較高的采樣率讀出。事實上，這些控制和讀出都和目前已有的射頻電路由較為相似的結(jié)構(gòu)（如正交變頻和可變增益等）和需求（例如高信噪比，高靈敏度等等）。谷歌在其論文中指出，控制和讀出芯片將會是量子計算機跨向下一步（即進一步增加量子位數(shù)）的關(guān)鍵，也可以說當量子計算機成為主流時，相關(guān)的控制和讀出芯片也可望會成為一個新的芯片品類市場。