10nm和7nm的优化挑战

优化曾经是一个简单的时间对面积权衡，但不再。当我们进入每个新节点时，权衡变得更加复杂，涉及到以前单独处理的设计的其他方面。

《半导体工程》采访了苹果低功耗产品管理总监Krishna Balachandran节奏;首席执行官Teklatech;Aveek Sarkar，销售和支持副总裁有限元分析软件;和Sarvesh Bhardwaj, ICD优化组架构师导师图形．第一部分讨论了与传统方法相关的新挑战和问题，特别讨论了筒仓产生的问题。以下是对话节选。

SE:另一个变化涉及到能量-热量的积分。热效应不是瞬时的，这意味着我们必须随着时间的推移来考虑设计。

Balachandran人们已经在应对热挑战了。这是从10nm之前开始的，所以这更多的是芯片上有多少核心的函数。这是一个函数，取决于他们想要跑多快。每个人都听说过暗硅，因为你不想用完所有的空间，把所有的东西都集成到芯片上，然后不得不关闭它们，因为你会烧掉芯片。所以暗硅的问题在10nm和7nm会变得更糟，因为你有更多的空间。你有两倍的面积，所以你可以在骰子上放两倍的逻辑。那部分摩尔定律仍然可以很好地工作，但是由于散热问题，你会关闭一些核心，然后问把它们集成到同一个芯片上有什么意义吗?这是移动领域的用户已经面临的问题。他们甚至在10nm之前就开始研究了，这不仅仅是在SoC，但在芯片/板/封装级别。这是一个必须创建的总热剖面，问题可能在板上或封装中，但修复可能在SoC上。因此，在分析完所有问题之前，您不知道问题在哪里，也不知道修复方法在哪里。今天，它不是一个平稳、自动化的流程。它是零零碎碎地出现的，EDA行业认识到了这个问题，并一直在努力解决它。当10nm和7nm成为主流时，这个问题会越来越严重，越来越主流，解决方案也会越来越成熟。

Bjerregaard这是因为系统已经变得如此之大，这已经成为一个问题。这不是一个具体的技术问题。这更像是一个制度问题。这是你一直面临的问题——一个团队负责一个核心，另一个团队负责另一个核心，但谁负责整个画面?有人负责，但他们没有权力对核心进行必要的更改。这也是一个模拟/数字困境。一个团队做每一件事，很多事情落在他们之间。这就是半导体公司需要改变芯片设计方式和系统范围的地方。我们需要解决这类问题的方法。

SE: 10nm和7nm的功耗降低没有跟上摩尔定律，所以力量的趋势问题会变得更糟。这将产生过去不存在的新问题。

Bjerregaard这是一种越来越糟糕的综合情况。一方面，系统变得越来越大，另一方面，功率密度在增加。10纳米finFET加速了规模化的好处，但他们也加速了挑战，所以它开始成为一个指数问题。

SE:英特尔正在使用的一种控制功率密度的方法是减少散热片的数量。这是不可扩展的。

Bjerregaard我们看到人们更有创造性地利用旧技术遗留下来的东西。ST的一项有趣的工作是研究如何利用绝缘体上硅成熟节点上的技术- 28nm。通过在绝缘体上使用硅，他们可以控制反向偏置，并获得完全不同的性能功率权衡。这就是它真正的意义所在——你能从一个特定的功率要求中获得多少性能。因此，由finFET引起的问题导致一些人，对于一些设计，回到其他技术，他们可以利用现有的方法，以新的方式。

Balachandran但仍会有客户转向10nm和7nm工艺，这些客户是大批量生产的，处于设计的前沿，需要更多的芯片，对他们来说，功率密度问题将变得更糟。该行业必须做出回应。我们不能回避它，人们也不会回避解决方案——他们将被迫为解决方案付费。

Sarkar这是一个分而治之的问题。它分为三层。一个是在设备层面本身。发生了自热，这必须在知识产权的水平。你必须为关卡创建某种形式的模型。然后是芯片和互连——它们会有多热，IR的影响是什么电迁移(EM)。有些事情你可能认为是微不足道的，但是我们已经从客户那里看到了与他们放置热传感器的位置相关的数据，并询问为什么当热热点在这里时它们被放置在那里?这是因为他们预计这个核心在大多数时候都会发挥作用。事实上，这并不是热量发生的地方因为他们实际上有一个MCM，两个芯片在一起，两个芯片同时发射。由于热耦合，热量会影响到另一个而不是热传感器的位置。这是一个多芯片问题，你必须把芯片和封装放在一起看。

Balachandran这对于移动设备来说尤其是个问题，因为你必须将它们保持在一个非常小的尺寸中，并且没有地方放置散热。

Sarkar也没有风扇。第三个方面是系统级，也就是当你遇到电源限制的时候。我们在过去的机架式系统中遇到了这些问题，但今天它是在设备层面。在移动设备上，你可以直接把这些东西扔掉，但我们也看到了同样的节点进入汽车信息娱乐系统和ADAS，在这些领域，关键要重要得多。想象一下，你在拉斯维加斯——你把车倒着开，你不再往身后看了，因为你希望雷达在有任何东西时能警告你。但由于天气太热，热传感器决定减速，因此软件的速度减慢到雷达无法启动的程度。你认为那里什么都没有，所以你退出了。这些都是该行业开始担心的情况。当我们从系统的角度来看，它有很多层次。您可能会问，EDA行业是否在这些层面上都做好了准备，我们是否以正确的方式参与并解决了每一个问题。 There are lots of new opportunities.

Bhardwaj随着系统的复杂性，有很多机会解决与热和系统级电源管理相关的问题，并集成解决方案。根据芯片上不同模块的功率分布，在物理上可能无法同时操作所有模块。所以你必须管理哪些进入低功耗模式，哪些在最大性能下运行。这些类型的决策是在系统级别根据应用程序概要文件做出的。在系统层面，将会有更多的创新来解决这类问题。

SE:由于可靠性问题，汽车可能会在10nm和7nm工艺上遇到问题。这部分是由于EM(和EMI)。我们了解这些技术的老化吗?

Sarkar扔掉是最小的问题。最糟糕的是，它在以65英里每小时的速度行驶时停止工作。

Bjerregaard汽车行业一个有趣的方面是，它过去一直都是关于稳健性的。这是第一要务。对于自动驾驶汽车，我们需要大量的处理能力来实现这一目标。人工智能、图像处理——更多的是创造必要的性能，使之成为可能。我们将看到，他们需要转向这些技术，使这种处理能力成为可能。好的方面是，使用旧技术可以在物理层获得这种级别的健壮性，但是如果使用分布式并行处理，也可以在系统层获得这种级别的健壮性。因此，实现鲁棒性的方法有很多。真正的问题是这会消耗电力。如果你有两个或三个并行处理器，你要做投票，你必须运行三倍的速度，总的功率是汽车的一个问题。它们不是发电厂，而是汽车。 So they will move to 10nm and 7nm. They have to.

Balachandran我们谈论的是拥有100多个ecu的汽车。他们从10年前的几个ecu发展到今天的50或60个ecu，他们正在谈论未来的数百个ecu。有了这么多，当你需要这么大的处理能力时，你所谈论的问题是你需要不同的芯片，这就造成了功率的低效率。此外，他们处理事物的速度也是一个因素。集成将会发生，如果这是真的，你必须把它减少到更少的芯片数量，那么将会推动更精细的几何形状。这是减少芯片数量的唯一方法。这将促使汽车行业朝着更小的几何形状发展。随着自动驾驶汽车的愿景成为现实，他们将非常愿意转向10纳米、7纳米甚至更先进的技术。

Bjerregaard我们确实看到汽车公司正在转向更精细的几何结构，如今已经有了16nm的设计。我们还看到他们为不同的产品选择不同的节点。他们在某些产品上仍停留在40nm和28nm，未来在其他产品上将转向16nm和更小的节点。产品将变得更加专业化，它们将针对特定的应用进行挑选。

Sarkar一些自动驾驶技术，尤其是那些与机器学习和认知神经框架相关的技术，对速度有要求。但是技术的发展速度是有限的，所以新的几何形状就变得必要了。当这些汽车成为现实时，技术节点将会成熟，所以有一个截点是确定的。

Bhardwaj可靠性是一个问题，但与我们对卫星和其他类似设备的重视程度不同。如果设计得当，我们可以采用模块化设计，这样如果一个部件坏了，我们就可以更换它，而不必把整辆车扔掉。随着所有这些自动驾驶汽车和所需的技术，计算能力将要求我们转移到更新的节点。可靠性问题必须得到解决。

有关的故事
10nm对比7nm
转移到下一个流程节点的经济效益不再那么明显了。
10nm和7nm的优化挑战(1
第一部分:如何优化10nm和7nm的设计?随着节点的增加，这个问题变得更加困难。
痛点在7纳米处
随着IP和工具开始早期鉴定过程，预计会有更多规则、变化和数据。