一座摩天大楼能盖多高,不取决于上面的玻璃幕墙有多漂亮,而取决于地基能承受多大的重量。过去半个多世纪,半导体产业的"第一地基"是晶体管制程——把刻在硅片上的线条越做越细,芯片的速度与能效持续提升,单位晶体管的成本不断下降。这条被称作摩尔定律的路,撑起了整个信息时代。
但当制程微缩逼近物理瓶颈,当3nm、2nm的研发成本变成天文数字,"第一地基"的承载力开始见顶。这时候,产业发现了一个被长期忽视的方向:既然平面上摊不开了,为什么不向上要空间?于是,芯片开始被"叠"起来。多颗裸片在垂直方向堆叠,通过微米级的通道互连;不同的功能单元并排坐在中介层上,用硅做的"高速路网"紧密相连;存储器像楼层一样一层层摞起,与计算核心肩并肩——这就是先进封装。它不生产晶体管,却决定了晶体管能发挥多大威力;它不设计架构,却决定了架构能否被物理实现。电子设备展小编觉得,在AI算力狂飙的今天,先进封装已经从"芯片造好之后的包装工序",变成了托起整个算力大厦的"第二地基"。
一、 为什么"叠"比"缩"更划算:一场经济理性的回归
要理解先进封装为何上位,先要理解制程微缩这条路为什么走不动了。
制程微缩的三重天花板。首先是经济账:一座2nm晶圆厂的投资已攀升至数百亿美元量级,能负担得起的玩家全球屈指可数。其次是物理墙:当晶体管尺寸缩小到几个原子级别,量子隧穿、漏电、散热等问题开始集中爆发。第三是良率陷阱:单颗芯片面积越大,存在缺陷的概率越高,成本呈指数上升——一颗大芯片的良率损失,足以吃掉所有性能收益。
"叠"给出了更优解。先进封装的核心思路是"化整为零、再合零为整":
化整为零:不再追求把全部功能塞进一颗大芯片,而是把它拆成几颗较小的芯粒(Chiplet),各自用适合的工艺制造——计算单元用先进制程,I/O和模拟单元用成熟制程即可。小芯片良率高、成本低,这是良率经济学的胜利。
再合零为整:通过2.5D/3D封装,把拆开的芯粒高密度地"粘"回去。互连密度足够高时,系统在性能上逼近甚至超越单片大芯片,而成本只是它的一小部分。
异构集成的自由度。更妙的是,"叠"允许不同工艺、不同材料、不同功能的芯片自由组合——逻辑芯片、存储芯片、传感器、光子器件,可以像搭乐高一样集成在同一个封装里。这是单一制程难以实现的灵活性。
从"把晶体管做小"到"把系统连好",这不是退而求其次,而是在物理与经济双重约束下的优解。
二、 AI为什么非它不可:算力饥饿倒逼出的必然
先进封装在AI时代成为"第二地基",直接的原因是:AI芯片的胃口,只有先进封装喂得饱。
第一,破解"内存墙"。 大模型训练的本质,是在计算单元与存储器之间搬运海量数据。传统架构中,处理器与内存之间的数据通道是瓶颈——算力再强,数据喂不进去也是白搭。HBM(高带宽存储器)的出现改变了这一切:它把多层DRAM像楼层一样垂直堆叠(3D封装),再通过硅中介层与GPU并排高速互连(2.5D封装),把带宽提升了整整一个数量级。
没有先进封装,就没有HBM;没有HBM,再强的GPU也只能"饿着肚子干活"。
第二,撑起Chiplet架构。 当今先进的AI加速器,几乎都在走Chiplet路线——把计算芯粒、I/O芯粒、缓存芯粒分别制造,再封装集成。这种架构既绕开了单颗大芯片的良率噩梦,又能灵活配置算力规模。而Chiplet能否成立,完全取决于封装能不能提供足够密、足够快、足够可靠的互连。封装的互连密度,直接定义了Chiplet架构的性能上限。
第三,把"带宽即算力"变成现实。 在AI时代,算力不再只是"每秒能做多少次运算",更是"每秒能搬多少数据"。而数据在芯片之间搬运的距离越短、通道越宽,整体效率就越高。先进封装把互连路径从毫米级压缩到微米级,把通道数量从数百条扩展到数十万条——它重新定义了"算力"这个词的内涵。
电子设备展小编认为,AI算力的每一次跃升,背后都有先进封装的一次同步进化。算力有多高,取决于封装把芯片"叠"得多紧、连得多密。
