GTC 2024 大會(huì)上，老黃祭出世界最強(qiáng) GPU——Blackwell B200 ，整整封裝了超 2080 億個(gè)晶體管。

比起上一代 H100（800 億），B200 晶體管數(shù)是其 2 倍多，而且訓(xùn) AI 性能直接飆升 5 倍，運(yùn)行速度提升 30 倍。

若是，將千億級(jí)別晶體管數(shù)擴(kuò)展到 1 萬億，對(duì) AI 界意味著什么？

今天，IEEE 的頭版刊登了臺(tái)積電董事長和首席科學(xué)家撰寫的文章 ——「我們?nèi)绾螌?shí)現(xiàn) 1 萬億個(gè)晶體管 GPU」？

這篇千字長文，主打就是為了讓 AI 界人們意識(shí)到，半導(dǎo)體技術(shù)的突破給 AI 技術(shù)帶來的貢獻(xiàn)。

從 1997 年戰(zhàn)勝國際象棋人類冠軍的「深藍(lán)」，到 2023 年爆火的 ChatGPT，25 年來 AI 已經(jīng)從實(shí)驗(yàn)室中的研究項(xiàng)目，被塞入每個(gè)人的手機(jī)。

這一切都要?dú)w功于，3 個(gè)層面的重大突破：ML 算法創(chuàng)新、海量數(shù)據(jù)，以及半導(dǎo)體工藝的進(jìn)步。

臺(tái)積電預(yù)測(cè)，在未來 10 年，GPU 集成的晶體管數(shù)將達(dá)到 1 萬億！與此同時(shí)，未來 15 年，每瓦 GPU 性能將提高 1000 倍。

半導(dǎo)體工藝不斷演變，才誕生了 ChatGPT

從軟件和算法到架構(gòu)、電路設(shè)計(jì)乃至器件技術(shù)，每一層系統(tǒng)都極大地提升了 AI 的性能。但是基礎(chǔ)的晶體管器件技術(shù)的不斷提升，才讓這一切成為可能：

IBM 訓(xùn)練「深藍(lán)」使用的芯片工藝是 0.6 微米和 0.35 微米。

Ilya 團(tuán)隊(duì)訓(xùn)練贏得 ImageNet 大賽的深度神經(jīng)網(wǎng)絡(luò)采用的 40 納米工藝。

2016 年，DeepMind 訓(xùn)出的 AlphaGo 戰(zhàn)勝了李世石，使用了 28 納米工藝。

而訓(xùn)練 ChatGPT 的芯片基于的是 5 納米工藝，而最新版的 ChatGPT 推理服務(wù)器的芯片工藝已經(jīng)達(dá)到了 4 納米。

可以看出，從 1997 年到現(xiàn)在，半導(dǎo)體工藝節(jié)點(diǎn)取得的進(jìn)步，推動(dòng)了如今 AI 飛躍式的發(fā)展。

如果 AI 革命想要繼續(xù)保持當(dāng)前的發(fā)展速度，那么它更需要半導(dǎo)體行業(yè)的創(chuàng)新和支持。

如果仔細(xì)研究 AI 對(duì)于算力的要求會(huì)發(fā)現(xiàn)，最近 5 年，AI 訓(xùn)練所需的計(jì)算和內(nèi)存訪問量增長了好幾個(gè)數(shù)量級(jí)。

以 GPT-3 為例，它的訓(xùn)練需要的計(jì)算量相當(dāng)于每秒進(jìn)行超過 5 千萬億億次的運(yùn)算，持續(xù)整整一天（相當(dāng)于 5000 千兆浮點(diǎn)運(yùn)算天數(shù)），同時(shí)需要 3TB（3 萬億字節(jié)）的內(nèi)存容量。

隨著新一代生成式 AI 應(yīng)用的出現(xiàn)，對(duì)計(jì)算能力和內(nèi)存訪問的需求仍在迅速增加。

這就帶來了一個(gè)迫在眉睫的問題：半導(dǎo)體技術(shù)如何才能跟上這種發(fā)展的速度？

從集成芯片到集成芯片組

自從集成電路誕生以來，半導(dǎo)體行業(yè)一直在想辦法把芯片造得更小，這樣才能在一個(gè)指甲蓋大小的芯片中集成更多的晶體管。

如今，晶體管的集成工藝和封裝的技術(shù)已經(jīng)邁向更高層次 —— 行業(yè)已經(jīng)從 2D 空間的縮放，向 3D 系統(tǒng)集成邁進(jìn)。

芯片行業(yè)正在將多個(gè)芯片整合到一個(gè)集成度更高、高度互連的系統(tǒng)中，這標(biāo)志著半導(dǎo)體集成技術(shù)的巨大飛躍。

AI 的時(shí)代，芯片制造的一個(gè)瓶頸在于，光刻芯片制造工具只能制造面積不超過大約 800 平方毫米的芯片，這就是所謂的光刻極限。

但現(xiàn)在，臺(tái)積電可以通過將多個(gè)芯片連接在一塊內(nèi)嵌互連線路的硅片上來突破這一極限，實(shí)現(xiàn)在單一芯片上無法達(dá)到的大規(guī)模集成。

舉個(gè)例子，臺(tái)積電的 CoWoS 技術(shù)能夠?qū)⒍噙_(dá) 6 個(gè)光刻極限范圍內(nèi)的芯片，以及十二個(gè)高帶寬內(nèi)存（HBM）芯片封裝在一起。

高帶寬內(nèi)存（HBM）是 AI 領(lǐng)域越來越依賴的一項(xiàng)關(guān)鍵半導(dǎo)體技術(shù)，它通過將芯片垂直堆疊的方式來集成系統(tǒng)，這一技術(shù)在臺(tái)積電被稱為系統(tǒng)集成芯片（SoIC）。

HBM 由多層 DRAM 芯片垂直堆疊而成，他們都位于一個(gè)控制邏輯 IC 之上。它利用硅穿孔（TSV）這種垂直連接方式讓信號(hào)穿過每層芯片，并通過焊球來連接各個(gè)內(nèi)存芯片。

目前，最先進(jìn)的 GPU 都非常依賴 HBM 技術(shù)。

未來，3D SoIC 技術(shù)將提供一種新的解決方案，與現(xiàn)有的 HBM 技術(shù)相比，它能在堆疊芯片之間實(shí)現(xiàn)更密集的垂直連接。

通過最新的混合鍵合技術(shù)，可以將 12 層芯片堆疊起來，從而開發(fā)出全新的 HBM 結(jié)構(gòu)，這種銅對(duì)銅（copper-to-copper）的連接方式比傳統(tǒng)的焊球連接更為緊密。

論文地址：https://ieeexplore.ieee.org/document/9265044

這種內(nèi)存系統(tǒng)在一個(gè)更大的基礎(chǔ)邏輯芯片上以低溫鍵合，整體厚度僅為 600 微米。

隨著由眾多芯片組成的高性能計(jì)算系統(tǒng)運(yùn)行大型 AI 模型，高速有線通信可能成為計(jì)算速度的下一個(gè)瓶頸。

目前，數(shù)據(jù)中心已經(jīng)開始使用光互連技術(shù)連接服務(wù)器架。

文章地址：https://spectrum.ieee.org/optical-interconnects

不久的將來，臺(tái)積電將需要基于硅光子技術(shù)的光接口，把 GPU 和 CPU 封裝到一起。

論文地址：https://ieeexplore.ieee.org/document/10195595

這樣才能實(shí)現(xiàn) GPU 之間的光通信，提高帶寬的能源和面積效率，從而讓數(shù)百臺(tái)服務(wù)器能夠像一個(gè)擁有統(tǒng)一內(nèi)存的巨型 GPU 那樣的方式高效運(yùn)行。

所以，由于 AI 應(yīng)用的推動(dòng)，硅光子技術(shù)將成為半導(dǎo)體行業(yè)中最為關(guān)鍵的技術(shù)之一。

邁向一萬億晶體管 GPU

當(dāng)前用于 AI 訓(xùn)練的 GPU 芯片，約有 1000 億的晶體管，已經(jīng)達(dá)到了光刻機(jī)處理的極限。若想繼續(xù)增加晶體管數(shù)量，就需要采用多芯片，并通過 2.5D、3D 技術(shù)進(jìn)行集成，來完成計(jì)算任務(wù)。

目前，已有的 CoWoS 或 SoIC 等先進(jìn)封裝技術(shù)，可以在 GPU 中集成更多晶體管。

臺(tái)積電預(yù)計(jì)，在未來十年內(nèi)，采用多芯片封裝技術(shù)的單個(gè) GPU，將擁有超 1 萬億晶體管。

此同時(shí)，還需要將這些芯片通過 3D 堆疊技術(shù)連接起來。但幸運(yùn)的是，半導(dǎo)體行業(yè)已經(jīng)能夠大幅度縮小垂直連接的間距，從而增加了連接密度。

而且，未來在提高連接密度方面還有巨大的潛力。臺(tái)積電認(rèn)為，連接密度增長一個(gè)數(shù)量級(jí)，甚至更多是完全有可能的。

▲ 3D 芯片中的垂直連接密度的增長速度與 GPU 中的晶體管數(shù)量大致相同

GPU 的能效性能趨勢(shì)

那么，這些領(lǐng)先的硬件技術(shù)，是如何提升系統(tǒng)整體性能的呢？

通過觀察服務(wù)器 GPU 的發(fā)展，可以明顯看到一個(gè)趨勢(shì)：所謂的能效性能（EEP）—— 一個(gè)反映系統(tǒng)能效和運(yùn)行速度的綜合指標(biāo) —— 正穩(wěn)步提升。

過去 15 年中，半導(dǎo)體行業(yè)已經(jīng)實(shí)現(xiàn)了，每?jī)赡陮?EEP 提高約 3 倍的壯舉。

而在臺(tái)積電看來，這種增長趨勢(shì)將會(huì)延續(xù)，將會(huì)得益于眾多方面的創(chuàng)新，包括新型材料的應(yīng)用、設(shè)備與集成技術(shù)的進(jìn)步、EUV 技術(shù)的突破、電路設(shè)計(jì)的優(yōu)化、系統(tǒng)架構(gòu)的革新，以及對(duì)所有這些技術(shù)要素進(jìn)行的綜合優(yōu)化等因素的共同推動(dòng)。

此外，系統(tǒng)技術(shù)協(xié)同優(yōu)化（STCO）這一概念將變得日益重要。

在 STCO 中，GPU 內(nèi)不同的功能模塊將被分配到專屬的小芯片（chiplets）上，每個(gè)模塊都采用最適合其性能和成本效益的技術(shù)進(jìn)行打造。

這種針對(duì)每個(gè)部件的最優(yōu)化選擇，將對(duì)提高整體性能和降低成本發(fā)揮關(guān)鍵作用。

▲ 得益于半導(dǎo)體技術(shù)的進(jìn)步，EEP 指標(biāo)有望每?jī)赡晏嵘?3 倍

3D 集成電路的革命性時(shí)刻

1978 年，加州理工學(xué)院的 Carver Mead 教授和 Xerox PARC 的 Lynn Conway，共同開發(fā)了一種革命性的計(jì)算機(jī)輔助設(shè)計(jì)方法。

他們制定了一系列設(shè)計(jì)規(guī)則，簡(jiǎn)化了芯片設(shè)計(jì)的過程，讓工程師即使不深諳過程技術(shù)，也能輕松設(shè)計(jì)出復(fù)雜的大規(guī)模集成電路。

論文地址：https://ai.eecs.umich.edu/people/conway/VLSI/VLSIText/PP-V2/V2.pdf

而在 3D 芯片設(shè)計(jì)領(lǐng)域，也面臨著類似的需求。

• 設(shè)計(jì)師不僅要精通芯片和系統(tǒng)架構(gòu)設(shè)計(jì)，還需要掌握硬件與軟件優(yōu)化的知識(shí)。

• 而制造商則需要深入了解芯片技術(shù)、3D 集成電路技術(shù)和先進(jìn)封裝技術(shù)。

就像 1978 年那樣，我們需要一種共通語言，讓電子設(shè)計(jì)工具能夠理解這些技術(shù)。

如今，一種全新的硬件描述語言 ——3Dblox，已經(jīng)得到了當(dāng)下多數(shù)技術(shù)和電子設(shè)計(jì)自動(dòng)化公司的支持。

它賦予了設(shè)計(jì)師自由設(shè)計(jì) 3D 集成電路系統(tǒng)的能力，且無需擔(dān)心底層技術(shù)的限制。

走出隧道，迎接未來

在人工智能的大潮中，半導(dǎo)體技術(shù)成為了推動(dòng) AI 和應(yīng)用發(fā)展的關(guān)鍵力量。

新一代 GPU 已經(jīng)打破了傳統(tǒng)的尺寸和形狀限制。半導(dǎo)體技術(shù)的發(fā)展，也不再局限于僅在二維平面上縮小晶體管。

一個(gè) AI 系統(tǒng)可以集成盡可能多的節(jié)能晶體管，擁有針對(duì)特定計(jì)算任務(wù)優(yōu)化的高效系統(tǒng)架構(gòu)，以及軟硬件之間的優(yōu)化關(guān)系。

過去 50 年，半導(dǎo)體技術(shù)的進(jìn)步就像是在一條明確的隧道中前進(jìn)，每個(gè)人都清楚下一步應(yīng)該怎么做：不斷縮小晶體管的尺寸。

現(xiàn)在，我們已經(jīng)走到了這條隧道的盡頭。未來的半導(dǎo)體技術(shù)開發(fā)將面臨更多挑戰(zhàn)，但同時(shí)，隧道外也有著更加廣闊的可能性。

而我們將不再被過去的限制所束縛。