过去几十年，全球半导体行业增长主要受台式机、笔记本电脑和无线通信产品等尖端电子设备的需求，以及基于云计算兴起的推动。这些增长将继续为高性能计算市场领域开发新应用程序。
首先，5G将让数据量呈指数级增长。我们需要越来越多的服务器来处理和存储这些数据。2020年Yole报告，这些服务器核心的高端CPU和GPU的复合年增长率有望达到29%。它们将支持大量的数据中心应用，比如超级计算和高性能计算服务。在云 游戏 和人工智能等新兴应用的推动下，GPU预计将实现更快增长。例如，2020年3月，互联网流量增长了近50%，法兰克福的商业互联网数据交换创下了数据吞吐量超过每秒9.1兆兆位的新世界纪录。
第二个主要驱动因素是移动SoC——智能手机芯片。这个细分市场增长虽然没有那么快, 但这些SoC在尺寸受限的芯片领域对更多功能的需求，将推动进一步技术创新。
除了逻辑、内存和3D互联的传统维度扩展之外，这些新兴应用程序将需要利用跨领域的创新。这需要在器件、块和SoC级别进行新模块、新材料和架构的改变，以实现在系统级别的效益。我们将这些创新归纳为半导体技术的五大发展趋势。
趋势一:摩尔定律还有用，将为半导体技术续命8到10年…
在接下来的8到10年里，CMOS晶体管的密度缩放将大致遵循摩尔定律。这将主要通过EUV模式和引入新器件架构来实现逻辑标准单元缩放。
在7nm技术节点上引入了极紫外(EUV)光刻，可在单个曝光步骤中对一些最关键的芯片结构进行了设计。在5nm技术节点之外(即关键线后端(BEOL)金属节距低于28-30nm时)，多模式EUV光刻将不可避免地增加了晶圆成本。最终，我们希望高数值孔径(High-NA) EUV光刻技术能够用于行业1nm节点的最关键层上。这种技术将推动这些层中的一些多图案化回到单图案化，从而提供成本、产量和周期时间的优势。
Imec对随机缺陷的研究对EUV光刻技术的发展具有重要意义。随机打印故障是指随机的、非重复的、孤立的缺陷，如微桥、局部断线、触点丢失或合并。改善随机缺陷可使用低剂量照射，从而提高吞吐量和成本。
为了加速高NA EUV的引入，我们正在安装Attolab，它可以在高NA EUV工具面世之前测试一些关键的高NA EUV材料(如掩膜吸收层和电阻)。目前Attolab已经成功地完成了第一阶段安装，预计在未来几个月将出现高NA EUV曝光。
除了EUV光刻技术的进步之外，如果没有前沿线端(FEOL)设备架构的创新，摩尔定律就无法延续。如今，FinFET是主流晶体管架构，最先进的节点在6T标准单元中有2个鳍。然而，将鳍片长度缩小到5T标准单元会导致鳍片数量减少，标准单元中每个设备只有一个鳍片，导致设备的单位面积性能急剧下降。这里，垂直堆叠纳米薄片晶体管被认为是下一代设备，可以更有效地利用设备占用空间。另一个关键的除垢助推器是埋地动力轨(BPR)。埋在芯片的FEOL而不是BEOL，这些BPR将释放互连资源路由。
将纳米片缩放到2nm一代将受到n-to-p空间约束的限制。Imec设想将Forksheet作为下一代设备。通过用电介质墙定义n- p空间，轨道高度可以进一步缩放。与传统的HVH设计相反，另一个有助于提高路由效率的标准单元架构发展是针对金属线路的垂直-水平-垂直(VHV)设计。最终通过互补场效应晶体管(CFET)将标准cell缩小到4T，之后充分利用cell层面上的第三维度，互补场效应晶体管通过将n-场效应晶体管与p-场效应晶体管折叠。
趋势2: 在固定功率下，逻辑性能的提高会慢下来
有了上述的创新，我们期望晶体管密度能遵循摩尔所规划的路径。但是在固定电源下，节点到节点的性能改进——被称Dennard缩放比例定律，Dennard缩放比例定律（Dennard scaling）表明，随着晶体管变得越来越小，它们的功率密度保持不变，因此功率的使用与面积成比例；电压和电流的规模与长度成比例。
世界各地的研究人员都在寻找方法来弥补这种减速，并进一步提高芯片性能。上述埋地电力轨道预计将提供一个性能提高在系统水平由于改进的电力分配。此外，imec还着眼于在纳米片和叉片装置中加入应力，以及提高中线的接触电阻(MOL)。
二维材料如二硫化钨(WS2)在通道中有望提高性能，因为它们比Si或SiGe具有更强的栅长伸缩能力。其中基于2d的设备架构包括多个堆叠的薄片非常有前景，每个薄片被一个栅极堆叠包围并从侧面接触。模拟表明，这些器件在1nm节点或更大节点上比纳米片的性能更好。为了进一步改善这些器件的驱动电流，我们着重改善通道生长质量，在这些新材料中加入掺杂剂和提高接触电阻。我们试图通过将物理特性(如生长质量)与电气特性相关联来加快这些设备的学习周期。
除了FEOL, 走线拥挤和BEOL RC延迟，这些已经成为性能改善的重要瓶颈。为了提高通径电阻，我们正在研究使用Ru或Mo的混合金属化。我们预计半镶嵌(semi-damascene)金属化模块可同时改善紧密距金属层的电阻和电容。半镶嵌(semi-damascene) 可通过直接模式和使用气隙作为介电在线路之间(控制电容增加)
允许我们增加宽高比的金属线(以降低电阻)。同时，我们筛选了各种替代导体，如二元合金，它作为‘good old’ Cu的替代品，以进一步降低线路电阻。
趋势3:3D技术使更多的异构集成成为可能
在工业领域，通过利用2.5D或3D连接的异构集成来构建系统。这些有助于解决内存问题，可在受形状因素限制的系统中添加功能，或提高大型芯片系统的产量。随着逻辑PPAC(性能-区域-成本)的放缓，SoC 的智能功能分区可以提供另一个缩放旋钮。一个典型的例子是高带宽内存栈(HBM)，它由堆叠的DRAM芯片组成，这些芯片通过短的interposer链路直接连接到处理器芯片，例如GPU或CPU。最典型的案例是Intel Lakefield CPU上的模对模堆叠， AMD 7nm Epyc CPU。在未来，我们希望看到更多这样的异构SOC，它是提高芯片性能的最佳桥梁。
在imec，我们通过利用我们在不同领域(如逻辑、内存、3D…)所进行的创新，在SoC级别带来了一些好处。为了将技术与系统级别性能联系起来，我们建立了一个名为S-EAT的框架(用于实现高级技术的系统基准测试)。这个框架可评估特定技术对系统级性能的影响。例如:我们能从缓存层次结构较低级别的片上内存的3D分区中获益吗?如果SRAM被磁存储器(MRAM)取代，在系统级会发生什么?
为了能够在缓存层次结构的这些更深层次上进行分区，我们需要一种高密度的晶片到晶片的堆叠技术。我们已经开发了700nm间距的晶圆-晶圆混合键合，相信在不久的将来，键合技术的进步将使500nm间距的键合成为可能。
通过3D集成技术实现异质集成。我们已经开发了一种基于sn的微突起互连方法，互连间距降低到7µm。这种高密度连接充分利用了透硅通孔技术的潜力，使>16x更高的三维互联密度在模具之间或模具与硅插接器之间成为可能。这样就大大降低了对HBM I/O接口的SoC区域需求(从6 mm2降至1 mm2)，并可能将HBM内存栈的互连长度缩短至多1 mm。使用混合铜键合也可以将模具直接与硅结合。我们正在开发3µm间距的模具到晶圆的混合键合，它具有高公差和放置精度。
由于SoC变得越来越异质化，一个芯片上的不同功能(逻辑、内存、I/O接口、模拟…)不需要来自单一的CMOS技术。对不同的子系统采用不同的工艺技术来优化设计成本和产量可能更有利。这种演变也可以满足更多芯片的多样化和定制化需求。
趋势4:NAND和DRAM被推到极限非易失性存储器正在兴起
内存芯片市场预测显示，2020年内存将与2019年持平——这一变化可能部分与COVID-19减缓有关。2021年后，这个市场有望再次开始增长。新兴非易失性存储器市场预计将以>50%的复合年增长率增长，主要受嵌入式磁随机存取存储器(MRAM)和独立相变存储器(PCM)的需求推动。
NAND存储将继续递增，在未来几年内可能不会出现颠覆性架构变化。当今最先进的NAND产品具有128层存储能力。由于晶片之间的结合，可能会产生更多的层，从而使3D扩展继续下去。Imec通过开发像钌这样的低电阻字线金属，研究备用存储介质堆，提高通道电流，并确定控制压力的方法来实现这一路线图。我们还专注于用更先进的FinFET器件取代NAND外围的平面逻辑晶体管。我们正在 探索 3D FeFET与新型纤锌矿材料，作为3D NAND替代高端存储应用。作为传统3D NAND的替代品，我们正在评估新型存储器的可行性。
对于DRAM，单元缩放速度减慢，EUV光刻可能需要改进图案。三星最近宣布EUV DRAM产品将用于10nm (1a)级。除了 探索 EUV光刻用于关键DRAM结构的模式，imec还为真正的3D DRAM解决方案提供了构建模块。
在嵌入式内存领域，我通过大量的努力来理解并最终拆除所谓的内存墙，CPU从DRAM或基于SRAM的缓存中访问数据的速度有多快?如何确保多个CPU核心访问共享缓存时的缓存一致性?限制速度的瓶颈是什么? 我们正在研究各种各样的磁随机存取存储器(MRAM)，包括自旋转移转矩(STT)-MRAM，自旋轨道转矩(SOT)-MRAM和电压控制磁各向异性(VCMA)-MRAM)，以潜在地取代一些传统的基于SRAM的L1、L2和L3缓存(图4)。每一种MRAM存储器都有其自身的优点和挑战，并可能通过提高速度、功耗和/或内存密度来帮助我们克服内存瓶颈。为了进一步提高密度，我们还在积极研究可与磁隧道结相结合的选择器，这些是MRAM的核心。
趋势5:边缘人工智能芯片行业崛起
边缘 AI预计在未来五年内将实现100%的增长。与基于云的人工智能不同，推理功能是嵌入在位于网络边缘的物联网端点(如手机和智能扬声器)上的。物联网设备与一个相对靠近边缘服务器进行无线通信。该服务器决定将哪些数据发送到云服务器(通常是时间敏感性较低的任务所需的数据，如重新培训)，以及在边缘服务器上处理哪些数据。
与基于云的AI(数据需要从端点到云服务器来回移动)相比，边缘 AI更容易解决隐私问题。它还提供了响应速度和减少云服务器工作负载的优点。想象一下，一辆需要基于人工智能做出决定的自动 汽车 。由于需要非常迅速地做出决策，系统不能等待数据传输到服务器并返回。考虑到通常由电池供电的物联网设备施加的功率限制，这些物联网设备中的推理引擎也需要非常节能。
今天，商业上可用的边缘 AI芯片，加上快速GPU或ASIC，可达到1-100 Tops/W运算效率。对于物联网的实现，将需要更高的效率。Imec的目标是证明推理效率在10.000个Tops /W。
通过研究模拟内存计算架构，我们正在开发一种不同的方法。这种方法打破了传统的冯·诺伊曼计算模式，基于从内存发送数据到CPU(或GPU)进行计算。使用模拟内存计算，节省了来回移动数据的大量能量。2019年，我们演示了基于SRAM的模拟内存计算单元(内置22nm FD-SOI技术)，实现了1000Tops/W的效率。为了进一步提高到10.000Tops/W，我们正在研究非易失性存储器，如SOT-MRAM, FeFET和基于IGZO（铟镓锌氧化物）的存储器。
电子发烧友网报道（文/程文智）在目前的中美贸易摩擦下，电子产业首当其冲，特别是芯片产业，据业内人士透露，现在跟美国的公司交易，周期一般都特别长，而且基本都需要提前付款和面临各种各样的审查。如果是跟华为有交易的话，还要求来自美国的技术不能超过25%。这迫使国内很多企业不得不考虑国内的供应链企业提供的产品。
在半导体行业方面，根据2018年的统计数据，美国在全球半导体市场占有的份额为48%、韩国为24%、中国除去外资企业的市场份额的话，仅占3%左右的市场份额，当然这两年这个比例可能有所提升。
即便美国已经占了如此多的市场份额，美国国防部在今年上半年，还调整了其12个重点发展的关键技术顺序，将微电子技术和5G军事技术调整到了前两位。在2019年的时候超高速、飞行器、生物技术排在前几位。
西安电子 科技 大学微电子学院副院长、宽禁带半导体国家工程研究中心马晓华在最近的一个论坛上分析称，半导体芯片的博弈是如此的激烈，主要原因是 一个技术密集型的企业，不管从材料、制造以及装备，甚至包括它的管理和运营都是非常专业的一个体系，基本上涵盖了所有技术，走在最先进的前沿。
根据整个集成电路发展规律，半导体进行已经进入了5纳米的技术节点，从常规的二维的器件向三维器件发展。技术节点的发展，带来了一个很大的挑战，就是整个加工的能力逐渐集中到极少数的企业。
对于美国来说，这几年他最大的一个优势是大量的研发投入，去年整个半导体收入有2260多亿美元，有17%的研发投入。正是因为美国的高投入，使得它能在半导体领域长期处于领导地位。不过这几年来，中国也开始加大了半导体基础方面的投入，这也是我们目前发展迅速的一个主要原因。
集成电路芯片技术发展趋势，除了常规的硅基，沿着制程不断缩小，实际上还有几个方面的发展趋势，从材料、器件和功能方面的高度融合，包括提供MEMS技术以及新型材料石墨烯的技术、光电以及通信一体化的芯片技术，甚至包括生物、传感、有源无源、功率射频如何融入一体的发展。所以未来的发展除了沿着摩尔定律制程的缩小以外，还有就是多功能的发展，以及个性化从新材料重新发展的体系。
在材料方面，除了硅基，第三代宽禁带半导体是这几年的热门技术，我国除了在硅基方面进行追赶外，在第三代半导体方面也做了很多投入，有了不少的创新研究。
其实，宽禁带半导体，经过LED照明和Micro LED的技术发展，它的市场已经比较成熟了，现在宽禁带半导体产业的产能已经有了很大的提升，成本也在逐渐下降。因此，宽禁带半导体在的电子器件，包括射频功率器件、 汽车 雷达、卫星通信，以及5G基站和雷达预警等应用领域开始得到应用。在电力电子方面，尤其是电动 汽车 应用领域，充电桩和手机充电器将是很大的一块市场。新能源 汽车 方面，特斯拉已经将碳化硅器件应用在了Model 3上，后续可能会有更多的 汽车 厂商跟进。
在未来的发展，包括未来6G通信，未来定义的业务它的频段更高，通信的速率更高，这一块未来主体的材料，硅基器件的性能已经不能满足要求，这对氮化镓器件的发展提供了更大的动力。
据马晓华介绍，西安电子 科技 大学在2000年初就开始了基于第三代半导体方面的研究。目前他们主要基于两个平台：一是宽禁带半导体器件与集成电路国家工程研究中心；二是两个国家级的重点实验室。
“我们在早期围绕着第三代半导体材料生长设备以及它解决材料生长过程中的一些关键技术问题，包括我们器件的设计、最终的应用和它的可靠性分析，整个实验室是一个非常完整的第三代半导体，材料和芯片研究的体系。目前我们实际上具备了整个小批量，可以实现大功率，或者毫米波芯片的设计和制造能力。”马晓华表示。
目前，他们主要的研发包括 面向高质量外延片的生产，包括基于碳化硅，大储存的硅寸，以及我们先进的氮化镓器件制造工艺，基于5G基站用的大功率芯片，以及高频和超高频的芯片，包括电源转换的电力电子芯片。 他还透露，“基于应用端我们也有一些功率研究以及MMIC电路的封装体系，我们也是希望和终端用户实现未来在芯片实际应用的全路径的体系。”
从2000年开始，马晓华他们的团队分别从设备、材料、芯片以及电路方面进行攻关，并取得了一定的成绩，2009年他们的设备获奖，2015年设计的器件获奖，2018、2019年在应用放，他们也获得了国家的 科技 发明，或者是 科技 进步奖。
第三代半导体方面的成果
一是氮化 镓 半导体设备。 在最开始，马晓华他们团队需要解决的是第三代半导体材料生产的设备问题，包括高温MOCVD，因为在早期，氮化镓的设备对我国的限制还比较大，但是目前问题已经基本得到了解决。国内这几年，整个MOCVD设备已经占了国内市场的50%以上。其2007年研发出的620型第三代MOCVD设备还获得了2009年国家发明二等奖。
二是氮化镓毫米波功率器件。 因为氮化镓一个很大的优势，它可以在高频条件下，实现大的功率输出。其团队研发的氮化镓毫米波功率器件实现了高频、高效率氮化镓微波功率器件的核心技术开发，其毫米波段器件和芯片技术指标达到了国际领先水平。马晓华透露说，目前他们的器件在6GHz频段能够满足5G毫米波的需求。
三是面向5G的C波段高效率氮化镓器件。 该类器件主要是面向基站使用的。目前基于4英寸或者6英寸大功率的氮化镓基站芯片，主要的应用场景是C波段，它可以实现更高的输出效率和更高的输出功率，“目前我们对100瓦基站用的芯片，效率可以到72%，这个效率相对于硅基MOCVD来讲，整个技术进展还是蛮快的。”马晓华指出。
他还进一步指出，对于脉冲方面，如果通过一些斜波的技术处理，他们也可以实现85%的效率，基本上快接近微波的极限效率。
四是低压氮化镓HEMT射频器件。 未来氮化镓器件除了在基站中使用外，能够在终端上也使用氮化镓技术呢？这就涉及到了低压氮化镓射频器件的发展了。也就是说要从新的材料体系方面去更新，实现氮化镓射频器件在终端上的应用，即在10V以下的工作电压下，是不是还能实现更高效率跟带宽的情况，“这块我们也做了前瞻的研究，在6V的工作条件下，它的效率可以达到65%以上，整个体系基本上已经接近砷化镓在目前手机中的应用效率。”马晓华透露。
五是氮化镓高线性毫米波器件。 这类器件主要解决的是快速的压缩问题。我们现在的通信对于线性主要是通过电路和系统去提升，它牺牲的是效率，马晓华指出，“我们能否从器件的结构，工作原理中提升它的线性，这个也是未来氮化镓在5G通信中非常有用的场景。”
六是氮化 镓 微波功率芯片。 他们团队在整个S波段以下，未来通信的频段都有一系列的研究成果。包括未来面向毫米波，在19-23GHz，或者23-25GHz等频段，即未来5G的毫米波通信芯片方面也做了相关的研究，他透露说，目前他们研发的芯片产品主要是基于氮化镓低噪运放、驱动功放以及功率放大器等。
七是异质结构新材料与多功能集成器件。 未来的器件，除了基于氮化镓的器件，还有很多基于异质结构，或者多功能的芯片，它的模型基于硅基的氮化镓，以及硅基CMOS器件异质集成，因为如果采用硅基的话能够大大降低氮化镓和砷化镓铟等芯片成本，实现与CMOS集成、多功能集成，大大降低功耗。“这块我们也做了一些研究，通过对不同材料的转移和建核的方法，目前也实现了对硅基材料和氮化镓材料两种器件的优势互补，在未来电力电子这块，可能它的应用场景比较高。”马晓华指出。
八是大尺寸硅基氮化镓射频技术。 如果要大量的展开应用，尤其我们的消费电子类产品，对成本的要求很高。因此，低成本、大尺寸、基于硅基的氮化镓射频技术，也是一个需要发展的产业。这些技术的发展，一定会促进氮化镓在整个产业链中的应用，同时也降低了它的应用成本。
九是氮化 镓 可靠性机理研究。 马晓华也坦承，虽然第三代半导体的研究取得了一定的成果，但目前还有很多问题需要解决，比如氮化镓的可靠性和一些机理性问题，还需要企业应用过程中逐步反映到研发机构，他们相互去解决。“目前很多基于氮化镓机理性的问题，包括它的可靠性方面，我们还有一些机理上不是那么清晰和明确，这一块可能还需要一段时间，从应用的层面和研究的层面去协同解决”。
结语
对于第三代半导体器件和集成电路未来产业的发展，目前在通信、 汽车 和智能化未来的应用方面有非常大的潜力。国内目前从事这方面研究的企业和研究机构也很多，我们需要考虑的是如何从全产业链方面布局，实现产业化的聚集，从设备、材料，芯片设计制造和封测应用、服务以及人才方面的布局。
第三代半导体是一个很好的产业，也有着很好的机遇，目前正好面临着通信的高度发展，可以说现在是发展第三代半导体最好的时代。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）