集成電路行業(yè)觀察（下）

      在上期集成電路行業(yè)觀察（上）中說過了柵極長度被稱為關(guān)鍵工藝節(jié)點，而光刻出的最細(xì)線條寬度決定了柵極的極限長度，因此，可以說光刻機(jī)是在半導(dǎo)體領(lǐng)域最重要的一臺超精細(xì)設(shè)備了。關(guān)于光刻機(jī)的詳細(xì)介紹參見卡住中國芯片發(fā)展脖子的設(shè)備——EUV；左圖為光刻機(jī)的關(guān)鍵系統(tǒng)及組件。如此精細(xì)化的結(jié)構(gòu)造成了極高的制成技術(shù)設(shè)備壁壘，國際上最先進(jìn)的極紫外光刻機(jī)廠商是荷蘭的阿斯麥。而目前我國在低端光刻機(jī)國產(chǎn)化進(jìn)程上，雖然取得了一定的成果，但是在極紫外光刻機(jī)EUV方面還和荷蘭存在極大差距。據(jù)悉，華為已參與到14nm光刻機(jī)的自研中，這樣復(fù)雜的光學(xué)、材料學(xué)、模組學(xué)、機(jī)械制動學(xué)的機(jī)械我們拭目以待。

      在 2015 年，一張“鴿子為什么這么大”的照片火遍全網(wǎng)，其本質(zhì)原因就 是單圖像傳感器難以體現(xiàn)深度（物體遠(yuǎn)近）信息，顯得圖中的鴿子格外巨大?！敖筮h(yuǎn)小”這個事實，在肉眼視角中不值一提，是一個常識；然而僅僅憑 借一張照片，在失去深度信息的前提下，“遠(yuǎn)”和“近”便難以分辨了，因此出現(xiàn)了這個笑話。在 AIoT 時代，機(jī)器學(xué)習(xí)、圖像識別等技術(shù)開始廣泛應(yīng)用， 如果在輸入端沒有深度的信息，AI 對世界的認(rèn)知就會失真，進(jìn)而輸出錯誤的 判斷。在精細(xì)化遇到瓶頸的情況下，為了更好地還原、接近人眼感受到的世界，圖像傳感器的發(fā)展趨勢是三維化。

      那么3D傳感有哪些應(yīng)用場景呢？在消費(fèi)電子中以手機(jī)為主，在醫(yī)療、工業(yè)、軍事、智能家居領(lǐng)域也開始滲透。全球消費(fèi)電子用 3D 傳感市場空間已超過 50 億元，預(yù)計 2025 年可達(dá)150 億元。AR 生態(tài)是 3D 傳感從可選走向必選、市場空間從百億邁向千億的關(guān)鍵。若 不搭載該技術(shù)，則 AR 無法體現(xiàn)近大遠(yuǎn)小特征，虛擬與現(xiàn)實的 3D 交互將失 真。目前各大終端廠商正積極探索 AR 生態(tài)，并應(yīng)用 3D 傳感技術(shù)于其中。這個技術(shù)也是元宇宙的一個底層基礎(chǔ)性硬件。  

      雙目視覺的深度信息識別原理是利用相差。如下圖所示，一個物體在兩 臺相機(jī)中成像的位置是不一樣的（此處使用小孔成像近似）。通過位置差信息、兩臺相機(jī)之間的距離（基線長度）即可計算出物體距離相機(jī)的距離。在 實際應(yīng)用中，還有各種相差修正等參數(shù)；同時，比對兩幅圖像，并識別出“一 個物體”。是其中最難、算力消耗最大的一步。整體應(yīng)用較少。

       結(jié)構(gòu)光是通過點陣投影器投射預(yù)先編碼好的紅外點陣，通過攝像頭拍攝后與標(biāo)定的參數(shù)進(jìn)行比對，計算變形的比例后即可還原出物體深度。其本質(zhì) 與雙目視覺相似，也是通過投射光和接受光的光路視差，對基線長度也有要求。由于每個點陣投影器投出的點數(shù)是恒定的，因此距離越遠(yuǎn)單位面積的點 密度越低，算法的還原效果越差。因此結(jié)構(gòu)光技術(shù)不適用于遠(yuǎn)距離場景。

       I-ToF 傳感器使用積分的方式將光信號轉(zhuǎn)為電信號，通過編碼脈沖并 對返回電荷積分的方式間接求得飛行的時間（如下圖），其精度會受到脈沖 周期的限制；D-ToF 則可通過單光子雪崩二極管（SPAD）精確地記錄光子發(fā) 射和返回的時刻，因此其精度不隨距離增長而下降。而dToF方案相對iToF來說，標(biāo)定相對簡單，功耗低，理論精度更高且精度不隨距離下降，成像質(zhì)量更高，同時更適用于戶外場景。但在具體實現(xiàn)上，dToF相較于iToF來說難度要大許多，其難點在于要檢測的光信號是一個脈沖信號，在低功耗、高時間精準(zhǔn)度要求下檢測微弱光學(xué)回波信號，因此對探測器性能要求非常高。dToF常見檢測器是單光子雪崩二極管SPAD，也就是說SPAD直接決定了dToF的性能。

      不同技術(shù)路線決定不同距離下的精度，進(jìn)而決定應(yīng)用場景。雙目視覺精度取決于基線長度，消費(fèi)電子要求小模組，其精度低、應(yīng)用少；結(jié)構(gòu)光的精度取決于點陣密度，適用于對安全性要求高而測量距離較低的場景，例如人臉識別、AOI 檢測等；ToF 的精度取決于其單位測量時間，D-ToF 精度不隨距離增長而降低，是遠(yuǎn)距離應(yīng)用的關(guān)鍵技術(shù)，應(yīng)用場景例如 3D 建模、游戲、導(dǎo)航、汽車避障、自動駕駛、手勢捕捉、導(dǎo)航、AR 等各個方面。

      單從技術(shù)方面看，dToF取代iToF存在很強(qiáng)的邏輯必然性。現(xiàn)在iToF實際應(yīng)用中暴露出三個自身難以解決的問題：一是全系統(tǒng)能耗太大（因為采用連續(xù)波或?qū)捗}沖激光），二是準(zhǔn)度易受干擾（如透明物體干擾、多光路干擾、反射率對比度干擾），三是抗環(huán)境光能力差限制了戶外應(yīng)用。這三個問題顯著限制了iToF的應(yīng)用。而dToF則從根本上解決了以上三個問題，實際應(yīng)用的性能天花板要遠(yuǎn)高于iToF。然而任何一項新技術(shù)的發(fā)展都不只取決于技術(shù)原理，產(chǎn)業(yè)鏈的成熟度、全產(chǎn)業(yè)鏈成本、可靠性等因素以及市場的宏觀局勢都會影響技術(shù)演進(jìn)。當(dāng)前的dToF產(chǎn)業(yè)鏈成熟度尚不如iToF，因此未來dToF是否取代iToF會取決于很多因素。3D ToF的應(yīng)用場景非常多，對于某些特定應(yīng)用場景，iToF跟dToF也會各自有一些優(yōu)勢。

      2020年10月發(fā)布的新款iPhone機(jī)型中有兩款(iPhone12 pro和iPhone 12 pro max)都搭載了激光雷達(dá)掃描儀，以拓展智能手機(jī)實現(xiàn)增強(qiáng)現(xiàn)實(AR)場景和自動對焦的能力。這對于智能手機(jī)未來作為視頻內(nèi)容創(chuàng)作平臺和AR應(yīng)用平臺的大趨勢來說有著關(guān)鍵性的推進(jìn)作用。

      據(jù)悉，安卓手機(jī)陣營正在積極跟進(jìn)這一潮流，華米OV明確表示了自己在3D感知以及AR領(lǐng)域的布局。然而，當(dāng)前安卓手機(jī)廠商能夠獲得的3D傳感器仍僅限于iToF傳感器或有限點距離傳感器，均與iPhone搭載的基于單光子探測器(SPAD)陣列的dToF傳感器存在代差。

據(jù)悉，蘋果在該項技術(shù)上存在巨大技術(shù)優(yōu)勢，目前手機(jī)市場能提供關(guān)鍵芯片的供應(yīng)商我了解到只有靈明光子和南京芯世界兩家初創(chuàng)公司。但其余蘋果的供應(yīng)商在供應(yīng)鏈能力方面還是小巫見大巫了。與此同時，蘋果的dToF 3D傳感技術(shù)也使服務(wù)型機(jī)器人、AR頭顯等其它需要3D傳感方案的行業(yè)看到了一種更新、更先進(jìn)的技術(shù)，全科技行業(yè)對于dToF 3D傳感器的需求正在蓄勢，極有可能在未來一兩年內(nèi)出現(xiàn)爆發(fā)性的需求增長。

      在Gartner曲線當(dāng)中，3D傳感這個技術(shù)已經(jīng)越過了第一輪投資過熱階段，預(yù)計2~5年將會逐步進(jìn)入成熟期走向市場，所以是一個非常適合創(chuàng)業(yè)或者是投資的一個關(guān)鍵領(lǐng)域。

      由于摩爾定律發(fā)展極度放緩甚至停止，傳統(tǒng)通過做小來提高算力、降低成本的方式不再有效。另一方面，現(xiàn)有手機(jī)、個人電腦以及近年火熱的云計算服務(wù)器，它們內(nèi)部芯片都采用了1946年由馮諾伊曼提出的經(jīng)典計算體系結(jié)構(gòu)，其性能提升也達(dá)到了一個極限。但是在未來AIOT的世代，數(shù)據(jù)呈現(xiàn)爆發(fā)時增長，除了在軟件側(cè)通過量化、剪枝、稀疏化等方法提高運(yùn)算速度外，如何從硬件及電路協(xié)同設(shè)計方面提出新的架構(gòu)，來提高算力也是十分剛需的。

      所謂馮諾依曼架構(gòu)就是處理器和數(shù)據(jù)存儲器是分開的，比如電腦中的CPU和內(nèi)存硬盤，從硬盤中讀取數(shù)據(jù)，運(yùn)輸?shù)紺PU中計算處理，把處理后的數(shù)據(jù)放回緩存區(qū)或硬盤中。這樣運(yùn)算速度受到存儲器帶寬的影響，沒法再進(jìn)一步提升，不管處理器多快，存儲器的速度沒法再進(jìn)一步提升。這也就是經(jīng)典的存儲墻的問題。

      另外一方面，數(shù)據(jù)搬運(yùn)的功耗過大。存儲器容量越來越大，從中間取出一個數(shù)的功耗也越來越大，基本是運(yùn)算的百倍。這就是典型的“功耗墻”問題。

      而所謂“存算一體”是直接把存儲單元變成了運(yùn)算單元，利用了存儲器中的模擬計算。存算一體可以理解為一種計算器，一個類似于CPU的計算芯片，實際上是用存儲器去完成計算。即將龐大的參數(shù)矩陣固定在存儲器中，使乘加運(yùn)算通過模擬或數(shù)字的方式發(fā)生在存儲器中。有可能帶來理論千倍的能效比。這對于時延要求較高、功耗（能效比）要求較高、短時間內(nèi)需要有大量數(shù)據(jù)進(jìn)行處理的端側(cè)場景是天然適用的。

      據(jù)統(tǒng)計，在全球訓(xùn)練芯片應(yīng)用上，2017年99%為云端市場，邊緣市場僅1%，而預(yù)計2023年邊緣市場占比24%，云端市場占比76%；在推理芯片應(yīng)用上，2017年云端市場占94%，邊緣市場占6%，2022年75%的邊緣設(shè)備將配有AI功能，邊緣市場將增長至43%，預(yù)計2025年邊緣側(cè)芯片將超過云端芯片，份額達(dá)到200億-300億美元。是一個相對很大的市場了。

      目前，存算一體芯片主要用來做基于人工智能的運(yùn)算。人工智能的特點是向量和矩陣的計算量占比非常大，像可穿戴設(shè)備、手機(jī)、VR眼鏡、智能駕駛以及數(shù)據(jù)中心，不同的場景需要算力不一樣。

      一般一個2M的存儲就可以提供足夠多的算法一定算力完成向量矩陣運(yùn)算，比當(dāng)前的芯片效率要高出50~100倍左右，用于可穿戴設(shè)備功耗可以很低，長待機(jī)。PC和移動終端需要大概32M、64M的存儲空間存儲算法，算力可以到16Tops~32Tops，實時性可以很高，另外在移動終端功耗限制下，可以很低功耗的去完成視覺信號處理這些AI算法。

      智能眼鏡對低功耗需求很強(qiáng)，它的電池很小散熱很差，但又需要很多人工智能方法進(jìn)行交互，包括手勢識別、語音識別、肌肉肌電的識別、眼動識別等，對AI的算力需求很高，基本需要到100多兆存儲空間，同時算力也很大。而自動駕駛對存算一體的要求是一個很高的場景，它除了算力要達(dá)標(biāo)外，可靠性也要達(dá)標(biāo)，穩(wěn)定程度也是要達(dá)標(biāo)，算力也很大，實時性對容錯率也很低，我認(rèn)為可能需要4~5年左右才能把存算一體芯片開發(fā)到可以滿足智能駕駛的使用。而對于數(shù)據(jù)中心的成本，一個是在芯片采購方面，另一半兒的成本實際是在降溫上，如果存算一體能夠在提供同樣大小算力情況下，把芯片的成本降低，功耗降低，實際上在數(shù)據(jù)中心有很大的優(yōu)勢。

      另外，存算一體化減小了數(shù)據(jù)搬運(yùn)的能耗，提升里運(yùn)算效率。通過性能功耗的總結(jié)可以發(fā)現(xiàn)，斯坦福團(tuán)隊提出的基于開關(guān)電容的數(shù)?；旌系拇嫠阋惑w架構(gòu)能夠?qū)崿F(xiàn)86%的識別準(zhǔn)確率和3.8微焦的單次識別能耗。

      常見的實現(xiàn)存算一體化的硬件載體有浮柵晶體管和新型相變存儲器RRAM。其中浮柵晶體管，優(yōu)點是電流變化范圍大（pA~uA），使存算空間大、密度高、電流小、功耗低，而且已有30年的發(fā)展歷史，工藝成熟，可以與CMOS兼容。缺點是編程速度慢（微秒級）, 可擦寫次數(shù)少；憶阻器是一種有記憶功能的非線性電阻，電阻可變范圍大，不需要反復(fù)移動數(shù)據(jù)，可以并行處理大量信號，編程時間為10-1000ns，可擦寫次數(shù)達(dá)106-1012，適合機(jī)器學(xué)習(xí)系統(tǒng)，但工藝未成熟，目前未能量產(chǎn)。

       目前產(chǎn)業(yè)界最多的存算一體發(fā)展方向是把存儲單元變成一個做乘法加法運(yùn)算的東西，相當(dāng)于有多少個存儲單元就可以做多少個乘法加法運(yùn)算。如圖所示，以典型的存算一體化架構(gòu)為例，向量以電壓形式驅(qū)動陣列字線（行），利用電壓乘以電導(dǎo)等于電流，并且電流在位線（列）自然匯聚相加的電流定律，一次讀操作即可完成向量與矩陣的乘加操作。這種方法不但提高了矩陣乘法的并行度，而且避免了反復(fù)讀取權(quán)重，進(jìn)一步提高了架構(gòu)的能效比。

      另一方面，存算一體硬件FLASH和RRAM的摩爾定律還沒有像MOSFET那樣卷，還有一定的節(jié)點縮減空間。這對于Fab廠是一個很好的價值空間點。

      在更高精度方向有一個方向是做工藝優(yōu)化，過去存算一體都是直接拿存儲器的加工工藝實現(xiàn)，并沒有針對存算一體去優(yōu)化精度。近幾年尤其近一年有非常多的存儲公司成立，資本也投入了很大，我相信未來幾年會有工藝上的優(yōu)化，尤其在代工廠層面會針對存算一體做優(yōu)化。另外一個是數(shù)?；旌线\(yùn)算是一種提高計算精度的架構(gòu)，它的問題是通用性。

      在實現(xiàn)更高算力的方向先進(jìn)封裝是更好的一種方式，比如現(xiàn)在非?；鸬?.5D封裝，可以把多個不同工藝的芯片放在一個大的硅基或者其他有機(jī)物基板上，可以理解成一個大芯片上承載了很多小芯片，并且這些不同的小芯片都采用不同的工藝。采用不同工藝的意義非常大，如果沒有這種先進(jìn)的2.5D封裝，意味著做一個大芯片時，所有的東西都要采用同一個工藝，像邏輯工藝必須在10納米以下才能跑的非?？?，成本很高，良率相對降低，收益不是那么大。最新AMD的芯片也都大量采用2.5D封裝，它的邏輯芯片以及緩存、其他模擬單元都采用不同的工藝，預(yù)計兩年后在很多小公司或者消費(fèi)電子產(chǎn)品上也可以采用這種技術(shù)。它的挑戰(zhàn)是未來兩三年內(nèi)要解決怎么形成一個標(biāo)準(zhǔn)的測試方法，尤其形成測試工具，現(xiàn)在沒有很好的一個產(chǎn)業(yè)鏈，沒有封裝、測試，也沒有標(biāo)準(zhǔn)化接口。

      3D堆疊也是過去十年主要發(fā)展的一種先進(jìn)封裝，可以提升多層的存儲。目前3D堆疊在存儲器上用的最多，比如顯卡、固態(tài)硬盤，也有堆疊兩三個不同存儲器的。它的挑戰(zhàn)是如果標(biāo)準(zhǔn)品像存儲器用這種方案是一個比較標(biāo)準(zhǔn)的，成本不會增高，但像一些非標(biāo)準(zhǔn)的場景下，采用這種方式，有可能會增加很多研發(fā)成本及生產(chǎn)成本。

      剛剛也說過了新型存儲器在電阻可變范圍、編程時間、可擦寫次數(shù)等方面都比現(xiàn)在的SRAM、FLASH更有優(yōu)勢。因此加大對于RRAM的材料、工藝、器件研究也是硬件端的一個很好的方向。