事件：國家科技體制改革和創(chuàng)新體系建設領導小組第十八次會議5月14日在北京召開。會議專題討論了面向后摩爾時代的集成電路潛在顛覆性技術。
芯片微縮工藝在傳統(tǒng)摩爾定律范式下已經(jīng)運行了半個世紀,目前即將走向盡頭,,這是硅的物質(zhì)極限所決定的,也是全新的AIoT計算架構(gòu)的要求,未來將在材料和封裝上創(chuàng)新,具體體現(xiàn)在五大方向:
1、成熟工藝(八寸片、功率半導體):
IGBT和MOS管屬于開關電源,是工業(yè)之米,必選消費品,廣泛的應用在消費電子,家電,汽車和工業(yè)領域。在消費電子領域,隨著5G的推廣以及電池能量密度的局限性,快充的需求在逐年增長,所以快充中需要的MOS管的需求也隨之釋放。這些年新能源汽車的興起,對IGBT在內(nèi)的功率半導體需求大度增加,同時也拉動MOS管和各類的二極管的需求。隨著節(jié)能環(huán)保,碳中和的概念被提出,在光伏,風電等領域國產(chǎn)替代的加速,也拉動國內(nèi)功率半導體的需求大幅增加。
在目前的國際貿(mào)易大環(huán)境下,國內(nèi)功率半導體公司迎來非常好的發(fā)展環(huán)境。目前功率半導體領域還是英飛凌,意法半導體,三菱電機和富士電機等歐洲日本企業(yè)來主導,但隨著國內(nèi)企業(yè)的崛起,未來在硅基領域,國內(nèi)企業(yè)有望實現(xiàn)份額的顯著提升。
功率半導體很多工藝平臺主要在8寸,并且8寸和12寸工藝上差別不大,從線寬角度看,12寸功率半導體也僅僅是90nm,只有做到功率IC才會往65nm線寬去發(fā)展。這意味著國內(nèi)絕大多數(shù)半導體設備和材料公司都可以為功率半導體產(chǎn)線提供設備和材料,從而最大限度的解決了卡脖子瓶頸問題,這是功率半導體發(fā)展的基礎。同時隨著國內(nèi)新勢力造車,以及中國的人口優(yōu)勢,在未來新能源汽車滲透率逐年提升的行業(yè)背景下,國內(nèi)功率半導體公司將迎來黃金發(fā)展期。
2、第三代半導體(SiC、GaN):
全球第三代半導體產(chǎn)業(yè)格局呈現(xiàn)美、歐、日三足鼎立格局,其中美國一家獨大。隨著中美貿(mào)易戰(zhàn)的不斷升級,半導體芯片領域成為了中美必爭之地,伴隨著華為被列入實體清單,高端裝備等領域的國產(chǎn)化勢在必行。此外,SiC材料和器件在軍工國防領域的重要作用,也越來越突出。我國GaN產(chǎn)品逐步從小批量研發(fā)、向規(guī)?；?、商業(yè)化生產(chǎn)發(fā)展,目前GaN單晶襯底實現(xiàn)2-3英寸小批量產(chǎn)業(yè)化,4英寸已經(jīng)實現(xiàn)樣品生產(chǎn)。對于GaN異質(zhì)外延襯底已經(jīng)實現(xiàn)6英寸產(chǎn)業(yè)化,8英寸正在進行產(chǎn)品研發(fā)。GaN材料應用范圍從LED向射頻、功率器件不斷擴展。
器件發(fā)展,材料先行,IDM模式將繼續(xù)成為行業(yè)主流。SiC將會取代Si作為大部分功率器件的材料,但不會完全替代,因為數(shù)字芯片并不適合采用SiC對Si進行替代,因此SiC預計占整個半導體行業(yè)10%左右。SiC主要應用在功率半導體上,IDM模式能夠確保產(chǎn)品良率、控制成本。目前國內(nèi)外差距沒有一、二代半導體明顯。先發(fā)優(yōu)勢是半導體行業(yè)的特點,Cree高市占率也印證了先發(fā)優(yōu)勢的重要性。相較于Si,國產(chǎn)廠商對SiC研究起步時間與國外廠商相差不多,因此國產(chǎn)廠商有希望追上國外廠商,完成國產(chǎn)替代。
3、先進封裝(SiP、SOIC、CoWoS):
先進封裝之所以能夠成為持續(xù)優(yōu)化芯片性能和成本的關鍵創(chuàng)新路徑,主要在于以下兩點:
1．小型化:通過單個封裝體內(nèi)多次堆疊,實現(xiàn)了存儲容量的倍增,進而提高芯片面積與封裝面積的比值。3D封裝首先突破傳統(tǒng)的平面封裝的概念,組裝效率高達200%以上。
2．高集成:以系統(tǒng)級封裝SiP實現(xiàn)數(shù)字和非數(shù)字功能、硅和非硅材料和器件、CMOS和非CMOS電路等光電、MEMS、生物芯片等集成在一個封裝內(nèi),完成子系統(tǒng)或系統(tǒng)。
SiP將不同用途的芯片整合于同一個系統(tǒng)中,在系統(tǒng)微型化中提供更多功能,而且還使得原有電子電路減少70%-80%。先進封裝技術引領封裝行業(yè)發(fā)展趨勢,是未來低功耗、高性能、小型化終端應用的必然選擇。
布局競速,龍頭競相卡位先進封裝。先進封裝對延續(xù)摩爾定律生命周期的重要性,也引起了晶圓廠商和IDM廠商的重視,為搶占技術高地,全球主要封測廠、晶圓廠、IDM都在加緊布局先進封裝。
臺積電引入CoWoS作為用于異構(gòu)集成硅接口的高端先進封裝平臺以來,從InFO(集成式扇出技術)到SoIC(集成芯片系統(tǒng)),再到3D多棧(MUST)系統(tǒng)集成技術和3D MUST-in-MUST(3D-mim扇出封裝),進行了一系列創(chuàng)新。包括日月光的FoCoS,Amkor的SLIM、SWIFT,我們認為先進封裝技術已成為封裝行業(yè)未來的主流發(fā)展趨勢。
得益于對更高集成度的廣泛需求,以及5G、消費電子、物聯(lián)網(wǎng)、人工智能和高性能計算HPC等大趨勢的推動,業(yè)界需要依靠先進封裝來對沖芯片制造端的阻力,先進封裝逐步進入其最成功的時期。根據(jù)Yole數(shù)據(jù)顯示,全球封裝收入的年復合增速為4%。
其中先進封裝市場的年復合增速達7%,到2025年先進封裝收入將達到422億美元,而傳統(tǒng)封裝的年復合增速僅為2%。此消彼長之下,全球先進封裝的收入占比將從2014年的38%,預計上漲至2025年的49．4%,占據(jù)半壁江山。
4、特色工藝制造(射頻):
射頻前端模塊(RFFEM)是終端通信的核心組成部件,介于天線和收發(fā)之間。射頻前端模塊主要包括開關(Switches)、功率放大器(PA)、低噪聲放大器(LNA)、濾波器(Filter)/雙工器(Duplexer)等。
射頻開關(Switch):通過將多路射頻信號中的任幾路連通,實現(xiàn)不同信號路徑的切換,包括接收與發(fā)射的切換、不同頻段間的切換等,以達到共用天線、共用通道的目的。主要包括移動通信傳導開關、WiFi開關、天線調(diào)諧開關等。
天線調(diào)諧器(Tuner):連接發(fā)射系統(tǒng)與天線的一種阻抗匹配網(wǎng)絡,使得天線在所應用頻率上輻射功率最大。
低噪聲放大器(LNA):把天線接收的微弱射頻信號放大,并盡量減少噪聲的引入,能有效提高接收機的靈敏度,進而提高收發(fā)機的傳輸距離。
功率放大器(PA):把發(fā)射通道的微弱射頻信號放大,使信號獲得足夠高的功率,實現(xiàn)更高通信質(zhì)量、更遠通信距離。
濾波器(Filter):通過信號中特定頻率成分并極大衰減其他頻率成分,提高信號抗干擾性與信噪比。
雙工器(Diplexer):由兩組不同頻率的帶通濾波器組成。利用高通低通帶通濾波器的分頻功能,使得兩條信號路徑可以使用同一天線或傳輸線,實現(xiàn)同一天線對兩種不同頻率信號的接收發(fā)送。
射頻前端器件一般使用成熟制程,不跟隨摩爾定律迭代。射頻前端器件對GaAsGaN等新材料、新工藝的需求遠勝于對先進制程的需求。射頻前端器件對于移動通信意義巨大、市場廣闊,在后摩爾定律時代,有利于我國追趕、反超世界先進水平。
5、計算架構(gòu)(IP、ARM、RISC-V):
2021年3月,ARM推出近10年來最大的指令集更新Arm V9。Arm V9在完全兼容前代V8的基礎上,以安全性、AI性能、矢量計算拓展作為三大支柱。Arm V9將實現(xiàn)下游應用的從端到云,從高能效到高性能的全面覆蓋,為ARM在未來十年成為下一個3000億芯片的計算平臺奠定了基礎。RISC的另一條路徑是采用RISC-V指令集。RISC-V具有完全開源、架構(gòu)簡單、易于移植、模塊化設計、完整工具鏈支持等特點,適用于現(xiàn)代云計算、智能手機和小型嵌入式系統(tǒng)。英偉達的GPU也使用了RSIC-V內(nèi)核,組成了異構(gòu)計算單元。RISC-V未來有望成為和X86、ARM比肩的重要架構(gòu)。
異構(gòu)計算是后摩爾時代,以GPU、FPGA、ASIC為代表的專用計算芯片的崛起。在異構(gòu)計算中,芯片可以發(fā)揮各自所長的情況下,通過HSA架構(gòu)共享數(shù)據(jù),提升整體的計算效率,最終實現(xiàn)“1+1>2”的結(jié)果。以特斯拉FSD和英偉達Xavier為代表的電車智能駕駛芯片為例,它們同時集成了GPU、CPU、NPU、ISP、DLA等至少10種芯片。
在異構(gòu)計算時代,采用Arm指令集的Cortex A系列IP核相較于X86指令集的IP核具有先發(fā)優(yōu)勢,英特爾直到2019年才推出同時使用SunnyCove大核和TreMont小核的LakeField異構(gòu)處理器。同時,存算一體架構(gòu),旨在將過去以計算為中心的架構(gòu)轉(zhuǎn)變?yōu)橐詳?shù)據(jù)為中心的架構(gòu),可以徹底消除馮諾依曼架構(gòu)的瓶頸,特別適合目前后摩爾時代以AI深度學習這樣大容量大規(guī)模并行的應用場景。
