 引言人工智能(AI)和机器学习(ML)技术的需求正以惊人的速度增长，远超摩尔定律的预测。自2012年以来，AI计算需求以每年4.1倍的速度指数增长，为半导体制程缩放和集成带来重大挑战。为应对这些需求，业界采用了基于Chiplet的设计方法，将较大系统分解为更小、更易于管理的组件，这些组件可以分别制造并通过先进封装技术进行集成[1]。  先进封装技术 先进封装技术可以大致分为2D、2.5D和3D方法。2.5D集成技术，包括晶圆级芯片堆叠(CoWoS)和集成扇出型封装(InFO)，在高性能计算应用中获得了显著发展。  图1：台积电3D Fabric技术组合，展示了包括CoWoS、SoIC和InFO平台在内的各种封装选项，满足不同集成需求。 CoWoS技术提供三种主要变体： 1. CoWoS-S：采用硅中介层实现密集金属布线 2. CoWoS-R：在有机中介层中使用重布线层 3. CoWoS-L：结合-R和-S两种方案的优势 InFO平台已从移动应用发展到高性能计算，提供多种选项，包括局部硅桥接和嵌入式去耦电容，以实现更好的供电性能。 芯片间互连应用 芯片封装的演进带来了各种凸点间距缩放选项，从传统MCM封装(110-130μm间距)到先进的2.5D封装(40μm间距)和3D集成(9μm或更小间距)。  图2：凸点间距缩放视角，展示了从MCM到先进封装技术的演进，随着间距减小带宽密度不断提高。 现代Chiplet系统中使用不同的互连技术服务于不同目的： · 计算到计算及IO连接使用UCIe PHY · 计算到内存连接使用HBM PHY · 计算到SRAM连接通过3D堆叠实现 · IO chiplet到外部IO使用XSR-SerDes  图3：芯片间互连应用，展示了计算芯片、内存和IO组件之间的不同类型连接。 设计考虑和挑战 通道优化在实现最佳信号完整性和可布线性方面发挥关键作用。设计人员必须平衡各种因素，包括介电层厚度、金属间距、层厚度和过孔封装规则。  图4：通道可布线性和信号完整性优化，展示了中介层子部分设计和相应的信号完整性测量。 供电代表另一个关键挑战，尤其是在电流密度不断增加的情况下。现代解决方案包含多级去耦电容：  图5：供电网络的去耦电容策略，展示了不同类型电容及其在系统中的布置。 未来趋势和发展 业界持续追求更高的带宽密度和能源效率。技术制程缩放在实现这些改进方面发挥核心作用。  图6：技术和带宽缩放趋势，展示了数据速率、凸点间距和制程节点之间的关系。 对于更大规模集成，晶圆级封装变得越来越重要。这种方法允许超越传统光罩尺寸限制的集成。  图7：晶圆级系统扩展示意图，展示了多个Chiplet和HBM内存在晶圆级系统中的集成。 结论 高带宽Chiplet互连是下一代计算系统的核心技术。通过仔细考虑封装技术、互连架构和设计优化，这些系统能够为要求严格的AI和ML应用提供所需的性能。随着行业不断发展，供电、散热和系统集成方面的新挑战将推动该领域的进一步创新。 |
