当前位置: 首页 > 科技观察

清华博士提出“Chiplet精算师”会议!越接近摩尔极限,多芯片集成越划算

时间:2023-03-21 10:54:49 科技观察

Chiplet需要通过量产推动行业更新,同时还要考虑产品良率、封装良率、各种成本等.在此前提下,只有转换后的收益能够明显超过传统SOC方案,才能得到很好的推广。今天,我们将专注于数钱。本文数据均为真实可测,部分数据为作者2021年自己芯片加工封装获得,部分数据为借助Chiplet产业联盟获得。多芯片集成技术多芯片集成技术在业界被广泛认为是摩尔定律的延续,节约成本是其众所周知的优势之一。然而,很少有工作能够定量地证明多芯片集成系统相对于单芯片的成本优势。基于三种典型的多芯片2.5D集成技术,我们建立了量化的多芯片系统成本模型,并从良率提升、芯片和封装复用、异构集成等方面提出了一套分析方法。具有成本效益的多芯片系统。文章被DesignAutomationConference(DAC)2022录用。清华大学博士研究生冯寅晓为论文第一作者,清华大学助理教授马凯生为论文通讯作者。论文链接:https://doi.org/10.48550/arXiv.2203.12268与传统的单芯片系统相比,多芯片集成系统的成本计算变得更加复杂。导致更高的成本。因此,我们建立了名为“ChipletActuary”的成本模型,并利用该模型对多芯片集成系统的成本效益进行了细致的评估,解答了架构设计者面临的诸多难题:应该使用什么封装?集成解决方案?整个系统应该分解成多少个小芯片?包应该跨多个系统重用吗?如何复用芯片?如何利用异构集成?成本模型1.并非所有芯片在经济上都适用于Chiplet技术。这张图中的9个直方图都是RECost(经常性工程成本,可以理解为不计一次性投入生产一颗芯片的成本),横向是14nm、7nm、5nm,纵向是几个Chiplets封装的一起。再来看一张细节图,是上图中7nm和5个Chiplet的放大图。图中横轴为面积,纵轴为单位面积成本。四种封装方式分别是:SoC、MCM封装、InFO、2.5D封装。可以看出,如果小于200平方毫米,就没有必要做Chiplets了。真正盈利的时候,是800平方毫米以上的大芯片。这也是为什么今天的超大芯片都采用Chiplet方案,因为经济上确实更合适。此外,大量的测试和封装成本伴随着先进封装而来,极先进的封装非常昂贵,甚至是硅片成本的数倍。首先要解决的问题是芯片能否做大。未来随着封装价格的下降,chiplet路线会越来越赚钱。MCM和InFO的成本相对较低,性价比更高。预计高级封装中基于基础封装的芯片会更早上市。2、多芯片集成在更先进的工艺(如5nm)上优势更显着,因为在面积为800mm2的单芯片系统中,硅片缺陷带来的额外成本占50%以上的总制造成本。对于成熟工艺(14nm),虽然良率的提升也节省了高达35%的成本,但由于D2D接口和封装开销(MCM:>25%,2.5D:>50%)。3.虽然制造成本是需要考虑的主要成本,但一次性投入的成本往往是决定性的,尤其是对于没有巨大产量保证的产品。对于单个系统,我们发现每个小芯片都有很高的一次性投入成本,比如流片时掩模板的成本,所以多芯片架构导致总一次性投入非常高投入成本(50万产量占总成本的36%)。对于5nm系统,当产量达到2000万时,多芯片架构开始获得回报。换句话说,如果一家公司想要全靠自研所有小芯片来造芯片,而且只有一颗芯片,是不划算的。但它确实带来了高、中、低端芯片结合等优势。当然,一次性的投入成本可以伴随着小芯片的复用,可以获得巨大的收益。模型重用通过多次探索性实验发现,多芯片架构的成本优势需要通过充分利用多路复用和异构性来实现。常见的多芯片复用架构分为三类:单芯片多系统(SCMS)、一中心多扩展(OCME)和固定插座多组合(FSMC)。1、对于SCMS架构,由于芯片复用,与单芯片系统相比,芯片节省了大量的一次性投资成本。这种复用方案的最大优点是只需要一颗芯片,无需制造多颗芯片即可立即生效。这种架构适用于同一产品线中不同档次的产品。(镜像die在设计和制造过程中的成本这里算作单die,影响方案但不影响成本核算,谢谢夏静指出)2.OCME与SCMC相比,体系结构使异构过程成为可能。如果将对先进技术不敏感的多个系统共享的模块安放在技术落后的中心硅片上,可以带来巨大的收益。许多系统包括DDR、PCIe和其他模块都可以采用这种架构。资料中pkg-reused的概念就是包复用。例如,一块基板上可以放置4个die,但实际只放置了2个die,另外两个die填充了dummydie,以解决散热和应力问题。那样的包装,看似并没有做到利用率最大化,但总体来说,还是比较划算的。3.对于FSMC架构,复用的可能性最大化。重复使用的芯片越多,摊销一次性投入成本的收益就越大。当充分利用可重用性时,摊销的前期投资小到可以忽略不计。在这一点上,多芯片架构的巨大成本节约潜力就显现出来了。成本优势不仅体现在制造成本的节约上,还体现在一次性投入成本的节约上。由此可见,最终谁手里的Die多,或者谁的方案兼容的Die多,就可以节省更多的成本。图中k为封装上的槽数,n为手中不同die的个数。多芯片架构当然是大势所趋。多芯片架构的优势不是无条件的,而是取决于许多复杂的因素。为了帮助芯片架构师在多芯片架构上做出更好的决策,我们建立了一个量化模型来比较不同方案的成本。模型允许设计人员在早期阶段验证成本。我们还展示了多管芯架构如何从良率改进、管芯和封装重用以及异质性中获益:当硅缺陷的成本超过封装成本时,多管芯架构开始获得回报。系统越接近摩尔极限(最先进的工艺,最大面积),多芯片架构的成本效益就越高。更小的芯片粒度带来的成本效益具有边际效应,所以将单个IP做成一个Die是不划算的。是否重复使用包装取决于制造成本和摊销的一次性投入成本中哪一个占主导地位。数量少时,尽量重复使用包装;量大时,可单独重新开发先进封装。这个平衡点大约是每年80万到100万。对于具有不同等级的同构系统,SCMS方案具有显着的成本优势;对于共享大面积HUB模块的系统,OCME方案性价比更高;FSMC方案提供了最大的复用可能性,但是对于Die的形状,以及四面的接口数量非常多。基本原则是用更少的芯片构建更多的系统,芯片复用的成本效益对于碎片化和层次化的需求更加明显。从今天来看:先进封装不是越先进越好,价格太高,是硅成本的数倍,这决定了它不会大规模量产;基本上可以满足建筑要求,可能会率先大规模使用。提高良率、降低成本是国内封装厂(尤其是基板生产)的重中之重。从未来的角度来看,据我们所知,目前国内有近十家基板厂商,还有几家先进的封装厂在建。按照两年建厂、两年良率攀升的发展节奏,未来三四年,先进封装良率和成本将迎来大幅优化。届时,Chiplet技术的应用将迎来大规模爆发。机会还是有的,国内同仁还需努力!模型详解Chiplet精算师介绍了模组、芯片和封装三个概念。任何系统都可以由这三个层次组成。其中,每个chiplet对应一个模块,D2D接口作为一个特殊模块在多个chiplet之间复用,用数学语言可以表示为:芯片的制造成本大致可以分为:(1)硅芯片成本,(2)由于晶圆缺陷造成的损失,(3)封装成本,(4)由于封装缺陷造成的损失,以及(5)由于封装缺陷造成的优质硅晶圆的浪费。(1)(2)已在之前的工作中得到充分讨论,与多芯片集成和先进封装相关的(3)(4)(5)成本可表示为:其中,y1是中间中介层制造的成品率率,y2为芯片与插入层的键合良率,y3为中间插入层与基板的键合良率。同时,还要考虑chip-first和chip-last两种不同的封装工艺:一次性投入成本(NRE,包括软件和IP许可、系统设计验证、流片成本等)占占总成本的很大一部分。我们从面积入手,在成本模型中引入一次性投入成本。对于任一芯片,其一次性投入成本可估算为:其中Sc为芯片面积,Sm为模组面积,C为与面积无关的固定投入.由此可知,若设计多套系统,若采用单芯片架构,则一次性总投入成本估算为:若采用多芯片架构,则总的一次性投入成本可以估算为:其中Area,Cp是包装的固定投入,CD2D是开发D2D接口的投入。KmSm:与模组面积相关的NRE成本,包括模组前端设计、模组前端验证等。KcSc:与芯片面积相关的NRE成本,包括架构设计、系统验证、后端设计、后端验证、etc.C:与芯片和模组面积无关的NRE成本,包括软件授权、IP授权、流片(芯片试产的mask成本)等。KpSp:与封装面积相关的NRE成本,包括封装设计,ETC。Cp:与封装面积无关的NRE成本,包括封装制造和开模成本。其他费用,如设备费、场地费和日常维护费,视情况而定包含在C或KcSc中。这个成本模型在AMD的多芯片架构上得到了验证,硅芯片的成本与AMD的公开数据基本一致。所不同的是,AMD并没有考虑在先进封装中集成多个芯片的额外成本。作者简介马凯生:清华大学交叉信息研究院教研系列助理教授。他获得了博士学位。宾夕法尼亚州立大学计算机科学与工程专业。研究重点是计算机体系结构、计算机视觉相关的AI算法设计,重点是可解释、稳健和紧凑的模型设计。曾在CVPR、NeurIPS等人工智能会议、DAC、ISCA等计算机体系结构会议上发表文章。曾获得多项奖项,包括2015年HPCA最佳论文奖、2016年IEEEMICROTopPicks、2017年ASP-DAC最佳论文奖。2018EDAA最佳博士论文奖。此外,他还获得了2016年宾夕法尼亚州立大学CSE系最佳研究生研究奖、2016年NSFASSIST工程研究中心通讯封面专题、2011年杨福清-王洋元院士奖学金。冯银霄,清华大学博士研究生。清华大学交叉信息研究所博士研究生(大二),导师马凯生。毕业于上海交通大学,信息工程(人工智能)与数学与应用数学双学位。同时,他还是上海交通大学致远工程荣誉计划的成员。在本科期间,他获得了许多独特的奖项和荣誉,包括国家奖学金。他在材料、设备、电路、算法和硬件方面拥有混合背景和经验。他甚至拥有洁净室制造方面的经验。