ChatGPT等應用作為生活中不可或缺的工具，需要海量數據才能維持正常運轉。截至2023年6月，ChatGPT的訓練數據集達3,000億個字詞，日訪問量達6,000萬次，每天有超過1,000萬次的查詢，而這只是一個開始。人工智能（AI）和高性能計算（HPC）等技術正在蓬勃發展，這些應用需要的帶寬和算力只會越來越大。所以如果要打造一個真正的智能世界，需要的系統規模和復雜程度真的很難想象。

隨著摩爾定律的放緩，Multi-Die系統架構將為GenAI、自動駕駛、超大規模數據中心等多領域的創新發展提供可能。根據功耗、性能、面積（PPA）要求，更具體地說是功耗、性能、外形尺寸和成本要求，目前的設計尚處于從2D到3D（某些應用中甚至延伸到3.5D）的中間地帶。

未來的智能產品必定依賴于Multi-Die系統設計，但如何才能在2024年實現大規模普及呢？以下是我們關于2024年Multi-Die系統設計的四個重要預測。

Multi-Die系統的采用要分多階段進行

數據密集型應用將是2.5D和3DIC設計等Multi-Die系統封裝的主要驅動力?？紤]到數據中心的數據量和復雜性，我們預計數據中心在可預見的未來將成為Multi-Die系統“最熱情的用戶”。移動通訊等其他領域正處于利用Multi-Die系統設計的過渡期，這一階段內的采用過程往往選擇更加靈活，需要視需求選用不同的堆疊技術和工藝節點。

汽車等行業通常要從眾多供應商處采購元件，因此可能會采取基于小芯片的方法，繼續使用2.5D封裝。這種方法能夠確保電子控制單元（ECU）部件隨時可用，并可以輕松地組裝到中介層等基板上。對于汽車中使用的芯片來說，混搭與匹配是十分常見的現象，更高程度的標準化也可能會為這種做法帶來裨益。

在復雜性中尋找共性

垂直整合，仍是開發者們在2024年想要采用Multi-Die系統所需要克服的難關之一。HPC數據中心有足夠的資金和辦法來處理堆疊相關的問題，但其他行業并不一定具備這一條件。如果不做垂直整合，也不依賴生態系統，那么對Multi-Die系統能夠平穩運行的需求的數量也會急劇上升，這也是阻礙Multi-Die系統被采用的一大難點。

3D堆疊所面臨的主要挑戰包括熱分析、配電規劃、散熱系統和制造要求。盡管3D堆疊較為復雜，但它代表著未來的方向，而生態系統也必須不斷發展以提供相應的支持。隨著堆疊變得日益普遍，已經成為2.5D首選接口的UCIe將在未來一年及以后得到相應發展。復雜性可通過兩個關鍵要素進一步簡化：通用的語言和明確的規則。2.5D或3D設計的組件目前都使用統一的通用術語，這樣與多個合作伙伴一起構建系統則更加便捷。

具備一套規則及標準的規則描述方法對于Multi-Die系統創新的成功至關重要。正如高速公路上的車輛必須遵守交通標志的指示一樣，無論是何種形式的芯片，都將持續受到規則的約束。標準化測試和參考流程等讓包含制造在內的堆疊過程更加簡單明了。

3DIC設計的突破，自動化是關鍵

當前芯片架構仍以2.5D為主，Multi-Die系統設計依賴手動，成功與否則取決于開發者技能與技術規格匹配程度。這可能意味著在進行組合之前，需要手動渲染5個、6個甚至20個單獨的部件。從這個意義上說，真正的、具有完整架構自動化并經過優化的3D設計還沒有變成現實。

向自動化3D實施技術的轉變是當前迫切需要邁出的一步，有助于加快設計流程，增加穩健性，并確保高性能元件最終不會只停留在構想階段。這種轉變將會持續到2024年，并將涵蓋從架構設計和實施到分析和驗證的方方面面。

人工智能可以加速優化設計空間。沒有AI，實驗范圍就會受到限制，工藝中的裸片越多，規劃流程和實現最佳配置就會越困難。

Multi-Die系統并非不受限制

盡管Multi-Die系統設計取得了顯著進步，但仍存在很多限制。我們預計高帶寬內存（HBM）在2024年仍將作為外部存儲器。根據對帶寬和散熱的要求，該器件在布局上可能會進一步靠近芯片，但其片外屬性不太可能改變。

單就堆疊而言，其實并不存在上限，但在當前環境下，三到四層通常已是極限（也有少數例外）。這不僅是由于供電方面的限制，還出于制造和可靠性方面的考慮。與摩天大樓一樣，高度太高可能會導致結構問題。高堆疊需要更繁瑣的制造步驟并面臨更多的風險，要想有把握地實現這個目標還需要時間?？梢钥隙ǖ氖?，業界正在朝著這個方向努力。而要實現這一目標，就需要全面擁抱端到端自動化。

結語

2024年，我們將進一步探索Multi-Die系統的無盡潛力，引領終端應用邁向新的里程碑。但前方道路并非坦途?？缭組ulti-Die系統設計的復雜性，需要我們整個半導體生態系統的共同努力與協作，攜手向前，開創萬物智能的未來。

審核編輯：劉清