抢先一步掀起红色风暴 英伟达被弯道超车
每颗 Ponte Vecchio 处理器实际上都是 使用英特尔Co-EMIB 连接在一起的两个Chiplet的镜像集，Co-EMIB 在两个 3D Chiplet堆栈之间形成高密度互连的桥梁，桥本身是嵌入封装有机基板中的一小块硅。硅上的互连线可以比有机基板上的互连线更窄。Ponte Vecchio 与封装基板的普通连接间隔为 100 微米，而 Co-EMIB 芯片中的连接密度几乎是其两倍，Co-EMIB 芯片还将高带宽存储器 (HBM) 和 Xe Link I/O Chiplet连接到“基础硅”（最大的Chiplet），其他芯片则堆叠在该“基础硅”上。
基础芯片还使用了英特尔的 3D 堆叠技术，称为 Foveros，该技术在两个芯片之间建立了密集的芯片到芯片垂直连接阵列。这些连接仅相距 36 微米，并通过“面对面”连接芯片来实现；也就是说，一个芯片的顶部粘合到另一个芯片的顶部。信号和电源通过TSV硅通孔进入该堆栈，硅通孔是相当宽的垂直互连，直接穿过大部分硅。Ponte Vecchio 上使用的 Foveros 技术是对用于制造英特尔Lakefield 移动处理器的技术的改进，信号连接密度增加了一倍。
做到这一点并不容易，英特尔院士Wilfred Gomes表示，这需要在产量管理、时钟电路、热调节和功率传输方面进行创新。例如，英特尔工程师选择为处理器提供高于正常水平的电压（1.8 伏），以便降低电流，简化封装，基片中的电路将电压降低到接近 0.7 伏，以便在计算芯片上使用，而且每个计算芯片都必须在基片中拥有自己的电源域。
对于英特尔来说，Ponte Vecchio将它目前已有的先进封装技术推到了巅峰，与AMD的MI300系列相比，也未逊色多少，可谓是如今先进封装的红蓝双星。
实际上，英特尔虽然在先进制程上略落后于台积电，但在先进封装却与台积电不相上下。英特尔表示，自己灵活的代工服务，允许客户混合搭配其晶圆制造和封装产品，作为老牌厂商的它，晶圆封装厂分散在世界各地，可以利用地理优势来扩大产能和服务。
英特尔CEO Pat Gelsinge在接受采访时也表示，英特尔拥有下一代内存架构的先进能力，以及3D 堆叠的优势，既能用于Chiplet，也能用于人工智能和高性能服务器的超大封装，未来我们将把这些技术应用到产品中，同时也将展示给代工厂（IFS）的客户、
为什么是Chiplet？
在看完AMD、英特尔以及台积电的技术历程后，相信许多人都会有一个疑问，为什么他们如此执着于3D封装和Chiplet呢？
原因源自半导体行业内部的需求，摩尔定律的出现，让不断提高的设备集成度能够继续适应相同的物理尺寸，光刻缩小可以使构建块缩小 30%，那么就可以在不增加芯片尺寸的情况下增加 42% 的电路。
但并非所有半导体器件都能享受这一红利，例如可以包含模拟电路的 I/O，其扩展速度约为逻辑的一半，这就让人不得不寻找新的出路。而且光刻缩小的成本也不便宜，采用 7nm 工艺加工的晶圆成本高于采用 14nm 工艺加工的晶圆成本，5nm 工艺的成本高于 7nm 工艺，依此类推……随着晶圆价格的上涨，Chiplet往往比单片更加经济实惠。
此外，由于新芯片设计需要设计和工程资源，并且由于新节点的复杂性不断增加，每个新工艺节点的新设计的典型成本也随之增加，这一的情况进一步激励人们创建可重复使用的设计。
Chiplet设计理念使这成为可能，因为只需改变芯片的数量和组合即可实现新的产品配置，通过将单个小芯片集成到 1、2、3 和 4 芯片配置中，可以从单个流片创建 4 种不同的处理器品种，而如果想把它们整合进一块芯片中，就需要 4 次单独的流片。
AMD 在其关于新款 Radeon RX 7900 系列 "Navi 31 "图形处理器的技术演示中，详细解释了为什么必须为高端图形处理器采用芯片组路线。
事实上，AMD 近十年里的 Radeon GPU 与CPU相比，不管是利润还是收入都不容乐观，在面临英伟达竞争的情况下，降低制造成本的必要性愈发突出，随着 GeForce "Ada Lovelace "一代的推出，英伟达继续押注在单片硅 GPU 上，即使是最大的 "AD102 "芯片也还是单片 GPU，这为 AMD 提供了一个降低 GPU 制造成本的机会。
Chiplet让AMD其能够和英伟达展开价格战，拿下更多的市场份额。最典型的例子是，AMD 对 Radeon RX 7900 XTX 和 RX 7900 XT 分别采用了相对激进的999美元和899美元定价，根据AMD 的官网数据，这两款产品有能力与英伟达 1199 美元的 RTX 4080 一决高下，在某些情况下，甚至有可能与 1599 美元的 RTX 4090 展开较量。
事实上，这就是Chiplet的最显著的优点之一，通过使用Chiplet，AMD可以快速提高良率并简化设计/验证，同时可以为每个小芯片选择最佳工艺。逻辑部分可以采用尖端工艺制造，大容量SRAM可以使用7nm左右的工艺制造，而I/O和外围电路可以使用12nm或28nm左右的工艺制造，从而减少了设计和制造成本。
[加西网正招聘多名全职sales 待遇优]
这条新闻还没有人评论喔，等着您的高见呢
基础芯片还使用了英特尔的 3D 堆叠技术，称为 Foveros，该技术在两个芯片之间建立了密集的芯片到芯片垂直连接阵列。这些连接仅相距 36 微米，并通过“面对面”连接芯片来实现；也就是说，一个芯片的顶部粘合到另一个芯片的顶部。信号和电源通过TSV硅通孔进入该堆栈，硅通孔是相当宽的垂直互连，直接穿过大部分硅。Ponte Vecchio 上使用的 Foveros 技术是对用于制造英特尔Lakefield 移动处理器的技术的改进，信号连接密度增加了一倍。
做到这一点并不容易，英特尔院士Wilfred Gomes表示，这需要在产量管理、时钟电路、热调节和功率传输方面进行创新。例如，英特尔工程师选择为处理器提供高于正常水平的电压（1.8 伏），以便降低电流，简化封装，基片中的电路将电压降低到接近 0.7 伏，以便在计算芯片上使用，而且每个计算芯片都必须在基片中拥有自己的电源域。
对于英特尔来说，Ponte Vecchio将它目前已有的先进封装技术推到了巅峰，与AMD的MI300系列相比，也未逊色多少，可谓是如今先进封装的红蓝双星。
实际上，英特尔虽然在先进制程上略落后于台积电，但在先进封装却与台积电不相上下。英特尔表示，自己灵活的代工服务，允许客户混合搭配其晶圆制造和封装产品，作为老牌厂商的它，晶圆封装厂分散在世界各地，可以利用地理优势来扩大产能和服务。
英特尔CEO Pat Gelsinge在接受采访时也表示，英特尔拥有下一代内存架构的先进能力，以及3D 堆叠的优势，既能用于Chiplet，也能用于人工智能和高性能服务器的超大封装，未来我们将把这些技术应用到产品中，同时也将展示给代工厂（IFS）的客户、
为什么是Chiplet？
在看完AMD、英特尔以及台积电的技术历程后，相信许多人都会有一个疑问，为什么他们如此执着于3D封装和Chiplet呢？
原因源自半导体行业内部的需求，摩尔定律的出现，让不断提高的设备集成度能够继续适应相同的物理尺寸，光刻缩小可以使构建块缩小 30%，那么就可以在不增加芯片尺寸的情况下增加 42% 的电路。
但并非所有半导体器件都能享受这一红利，例如可以包含模拟电路的 I/O，其扩展速度约为逻辑的一半，这就让人不得不寻找新的出路。而且光刻缩小的成本也不便宜，采用 7nm 工艺加工的晶圆成本高于采用 14nm 工艺加工的晶圆成本，5nm 工艺的成本高于 7nm 工艺，依此类推……随着晶圆价格的上涨，Chiplet往往比单片更加经济实惠。
此外，由于新芯片设计需要设计和工程资源，并且由于新节点的复杂性不断增加，每个新工艺节点的新设计的典型成本也随之增加，这一的情况进一步激励人们创建可重复使用的设计。
Chiplet设计理念使这成为可能，因为只需改变芯片的数量和组合即可实现新的产品配置，通过将单个小芯片集成到 1、2、3 和 4 芯片配置中，可以从单个流片创建 4 种不同的处理器品种，而如果想把它们整合进一块芯片中，就需要 4 次单独的流片。
AMD 在其关于新款 Radeon RX 7900 系列 "Navi 31 "图形处理器的技术演示中，详细解释了为什么必须为高端图形处理器采用芯片组路线。
事实上，AMD 近十年里的 Radeon GPU 与CPU相比，不管是利润还是收入都不容乐观，在面临英伟达竞争的情况下，降低制造成本的必要性愈发突出，随着 GeForce "Ada Lovelace "一代的推出，英伟达继续押注在单片硅 GPU 上，即使是最大的 "AD102 "芯片也还是单片 GPU，这为 AMD 提供了一个降低 GPU 制造成本的机会。
Chiplet让AMD其能够和英伟达展开价格战，拿下更多的市场份额。最典型的例子是，AMD 对 Radeon RX 7900 XTX 和 RX 7900 XT 分别采用了相对激进的999美元和899美元定价，根据AMD 的官网数据，这两款产品有能力与英伟达 1199 美元的 RTX 4080 一决高下，在某些情况下，甚至有可能与 1599 美元的 RTX 4090 展开较量。
事实上，这就是Chiplet的最显著的优点之一，通过使用Chiplet，AMD可以快速提高良率并简化设计/验证，同时可以为每个小芯片选择最佳工艺。逻辑部分可以采用尖端工艺制造，大容量SRAM可以使用7nm左右的工艺制造，而I/O和外围电路可以使用12nm或28nm左右的工艺制造，从而减少了设计和制造成本。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| Note: | _VIEW_NEWS_FULL |
推荐: