重点从2.5 d转到扇出更低的成本

半导体工程坐下来讨论先进与凯文张包装,负责工程的副总裁日月光半导体;沃尔特·Ng商业管理的副总裁联华电子;Ajay Lalwani全球制造业务的副总裁eSilicon;副总裁兼首席策略师维克Kulkarni办公室的首席技术官有限元分析软件;Tien什叶派,记忆的资深经理三星。以下是摘录的谈话。第一部分,点击在这里。阅读三个部分,点击在这里。

SE:会压低成本的先进包装吗?

什叶派:获得降低成本的关键是规模经济和抬高了音量。这个领域我非常乐观,特别是当它涉及到HBM,因为行业重点是人工智能和机器学习。在驱动很多新的应用程序和各种各样的垂直。我们进入这一波速度比以往任何一波我们有经验。高盛(Goldman Sachs)做了一个分析数据中心增长,这表明,人工智能服务器与普通服务器的比例增长很快。什么是驾驶很多数据中心是人工智能应用的增长。需要人工智能硬件的类型,特别是在训练,使用HBM,但它是非常具体的。

SE:在很多应用水平的人工智能技术。也有人工智能芯片,采用人工智能管理。一致的是,所有的这些大量的数据流经他们,尤其是培训。这是一个大市场的包装,还是每个人都想要一个单模拉解决方案吗?

张:把一切在一个芯片上是不可能的。从硅方面,我们一直在做这一个SoC。在过去,铸造的人会把一切都集成在一个芯片中。包括混合信号、模拟,帽和电感。但它不工作了。它需要不同包装集成,集成不同的流程节点等。

Lalwani:今天,在7海里,每个产品我们正在开发也是2.5 d。我们的市场集中在数据中心,5 g和人工智能。和人工智能正采用7海里和2.5 d。包括HBM、并行转换器,所有关键的IP。你不能分离了。这不是7海里或2.5 d。它的现在,我们没有看到停在5海里。回到经济,今天我们使用硅插入器因为这是沟通的艺术状态的HBM内存有大量ASIC死去。但是我们消耗大量的研发资源与我们的铸造和OSAT伙伴废除插入器利用扇出的一些技术。两人都是部署在智能手机。

SE:包括支柱在扇出吗?

Lalwani:是的,没错。今天,交流是通过插入器。我们已经变得非常有前途的研发成果,机电,与HBM表明是可行的。记忆的人不需要做什么不同的事情。但通过消除需要一个插入器,利用扇出,我们可以从它最初规模扇出技术针对这些相邻的智能手机市场。

Ng:我们看插入器之外,是什么。插入器并不新鲜。他们已经存在了一段时间了,但他们还没有起飞在大众市场,主要是因为经济学。我们正在寻找新的焊接技术和其他方法,还有业内新技术可以帮助我们超越我们今天用插入器的地方。

张:有很多的降低成本的空间。HBM定价将下来。用插入器同样的事情会发生。今天的插入器的成本太高了。你必须恢复你的开销。但是需要找出如何减少晶圆研磨和CMP。如果你研磨晶片,你浪费很多时间和机器的时间。为什么?这是降低成本的一个方面。也有很多的插入器降低成本我们可以做。 Today, the system houses don’t know how to use it, and the EDA tools are not to the point where, if you use this, you can get guaranteed results.

Ng:当你得到薄材料,然后你必须处理薄的晶片处理工厂。我们也一直在关注不同的材料,如玻璃基板。所以有多种方法。每个人都想找到一个降低成本的路径,是否这是一个导数或增量今天我们所拥有的,还是下一代。窗口将关闭。下一代技术将这里如果我们不能得到一个有前途的增量改进很快。我们非常积极的在这个领域工作。客户正在考虑总成本,这意味着记忆,无论互连方法从包装的角度来看,测试,可靠性都是他们的最终成本。和供应链里的每个人都只愿意容忍一定的成本。

什叶派:成本将减少与增加体积。有专业设备测试的后端,叠加,等等,需要平摊。如果我们有越来越多的体积,这部分专用设备摊销。

张:2.5 d,问题是机械稳定性和密度。当你获得7和5 nm,使用超性能材料,你需要有一个良好的、坚实的平台来处理这些系统。你可以扇出,但是你需要了解的利弊。所有这些技术是具体的。这就是为什么OSATs把很多精力与EDA供应商合作,想出一个工具。我们试图描绘出了一幅不同技术之间的一个分区,这样你就能说,“这是适用于2.5 d’和‘这是适用于扇出什么。“没有一个解决方案。

图1:不同的扇出方法,包括铜柱形成die-up方法。来源:日月光半导体

SE:它需要整个供应链工作,对吧?

张:绝对的。

Kulkarni:热能和机械,我们听到很多客户。

张:是的,我刚从会议回来,他们想要一个500瓦的解决方案。OSATs是加大与EDA供应商、系统的热量管理委员会,来解决这些问题。从组件级别的系统级。我们需要一个完整的热管理解决方案。这是行业的发展。

Lalwani:如果我们可以关注这些一阶问题,将会对会议的挑战。有更多深奥的客户面临的问题,但首先,我们面临的一些基本问题。我们如何处理500瓦的电力在我们当前的环境中?我们如何酷吗?我们无法控制自己所有了。我们需要系统OEM客户解决方案的一部分。这不仅仅是关于供应链聚在一起和如何服务系统oem厂商。每个人都必须成为解决方案的一部分。

张:都是关于合作。没有一个实体可以解决所有这些问题。我们都需要一起工作。

Ng:回到需要一个开放的生态系统,而不是一个锁定的解决方案。

SE:有一个举动IEEE创建一个框架。已经解决,或者一切都仍然完全定制的吗?

张:这是由英特尔和IBM。在每一个先进的流程节点,他们想要的材料供应商提供的材料和他们会购买所有的机器做高级节点。不再是这样。我们有互联网、微机电系统、模块和系统的解决方案。硅SoC不再是一个单一的解决方案。它不工作。ird(国际设备和系统路线图)和HIR(异构集成路线图)关注这个问题的新方法。整个供应链共同想出一个解决方案。

Kulkarni:还有另一个解决方案在地平线上从联邦航空航天和国防,它涉及到大量的资金,集中在一个生态系统的必要性。我看到越来越多的人接近这作为一个生态系统,半导体,包括包装和处理。我们密切关注。这是第一次我乐观的政府资助创建联盟和伙伴关系。这些项目将包括在这个表的公司数量,以及生态系统和系统。那将是非常有趣的地址变化的包装、模拟、place-and-route,系统集成等。

SE: DARPA-related吗?

Kulkarni:这是美国国防部高级研究计划局和其他国防项目。有很多新一代空军项目。也有在柔性电子元件。

张:有很多灵活的组件。你怎么债券芯片在柔性衬底上为了达到两层或基础课设备。如果你拆解,很多互联是灵活的东西。所以它不仅仅是一个灵活的互连。他们想把芯片放在一个灵活的设备,和有时安全和封装在灵活的技术。

Kulkarni:那是在拐角处。当事情飞行很近,有时以马赫的速度,你如何做数据管理和数据分析和实时传感器数据吗?创造了许多机会,从包装到系统。

SE:你在哪里看到的最大瓶颈?

什叶派:在计算或内存瓶颈是,我们发现有很多客户和我们交谈的人,记忆是至关重要的解决速度问题以及机器学习应用程序的准确性问题。谷歌在2017年写了一篇论文,被称为“In-Datacenter张量处理单元的性能分析”。它使用一个车顶轮廓线模型,这是一个性能模型绘制TeraOps,这是处理能力与操作强度。操作执行的数量在每个字节从内存中提取。直线的斜率是内存带宽,平坦的部分线路高峰处理性能。他们做的是利用自己的申请网页排名和语言翻译和他们跑TPU和做了测量。很多应用程序在车顶轮廓线的斜率下降。这意味着它的内存带宽有限,这是他们的第一代TPU,没有使用HBM。我们知道他们所做的与他们的下一代。

读第一部分和第三部分本系列的。

有关的故事
接下来是什么先进的包装
波新选项下发展比例的蒸汽。
回避摩尔定律
multi-die解决方案为什么受到这么多关注。
摩尔定律现在需要先进的包装
收缩功能是不够的了。现在最大的挑战是如何实现规模经济和减少复杂的集成问题。
使芯片封装更简单
先进的包装的承诺是能够集成异构的芯片,但很多工作需要实现它。
光刻技术挑战扇出
先进的包装进入大容量移动市场,但需要更复杂的设备和低成本的过程。
扇出知识中心
头条新闻、视频、白皮书,对扇出博客网站