本报记者李玉洋李正豪上海报道
芯片封装环节的“双芯叠加”技术最近备受业界关注。
引爆点是苹果公司在3月9日凌晨推出的用于PC的M1 Ultral芯片，该芯片号称是有史以来最强悍的芯片，但该芯片实现性能提升的途径不是制造工艺的提升，而是在封装环节将两个M1 Max通过内部互连而成。事实上，在M1 Ultral推出之前，一家叫做Graphcore的英国AI公司，也推出了新款AI处理器Bow IPU。这两款新品采用同一种封装技术——3D Wafer-on-Wafer提升性能，这项技术来自于中国台湾的台积电。
事实上，华为海思去年也曾经被爆出“双芯叠加技术”专利，通过芯片叠加并经过系列优化，让14纳米芯片可以比肩7纳米芯片的性能水平。“X86双雄”英特尔和AMD也曾经推出过类似的产品，但当时存在功耗和发热等方面的缺陷。而苹果M1 Ultral的推出并商用，似乎意味着通过“芯片叠加”在封装环节大幅提升芯片性能的技术已趋成熟。
“晶圆工艺和封装工艺协同结合，是必然趋势。”半导体研究机构芯谋研究的研究总监王笑龙这样告诉《中国经营报》记者，“7纳米已经很先进，而3D封装也是提升这个产品综合指标的一个重要手段。”
而接受记者采访的多位业内分析人士均指出，随着芯片制造工艺越来越逼近物理极限，摩尔定律逐渐失效，依靠更先进的工艺来提升芯片性能将变得越来越困难，而3D等先进封装技术对延续摩尔定律愈发重要。
“这个（Bow IPU）证明了先进封装可以为性能带来可观提升，先进封装技术，是大家探索超越摩尔定律的路径之一。”Graphcore大中华区总裁兼全球首席营收官卢涛表示。
先进封装对芯片性能带来可观提升
作为全球第一款3D封装的处理器，Bow IPU采用了台积电SoIC-WoW技术，该技术以类似于3D NAND闪存多层堆叠那样，将两层die（裸片）以镜像方式垂直堆叠起来，以更先进的封装技术提升芯片性能。
需要指出的是，这是一种用于硅晶圆的3D堆叠形式，使得单个封装芯片中的晶体管数突破了600亿个大关。此外，Bow IPU的理论AI算力也从250 TeraFLOPS（每秒万亿次浮点运算）提升到了350 TeraFLOPS。据Graphcore介绍，总体而言，第三代IPU相对于上一代性能提高40%，能耗比实现了16%的提升。
事实上，Bow IPU的堆叠并不算特别复杂，主要负责计算、存储的IPU die位于下层，上方的die则主要为供电、节能等方面的功能提供帮助。卢涛曾这样介绍Bow IPU的die设计：“这是个大小die的设计，大die是计算die，小die主要做电源、能耗等方面相关的管理。”
卢涛表示，Bow IPU整体性能提升一方面来自新增的die，另一方面则得益于3D封装技术。那么，Graphcore为何没有选用更先进的工艺而选择改变封装方式？
对此，卢涛进一步指出，上一代IPU已经有了594亿个晶体管，面积大概为823平方毫米，这可能是7纳米的单个die能生产的最精密芯片了。如果想再提升，不换工艺，就只能是换封装。
“在经过深入评估之后，Graphcore认为，选择更先进的工艺并不能像以前那样获得大幅度的性能提升。而从成本收益角度看，也不划算。于是，我们选择了3D Wafer-on-Wafer作为芯片性能提升新方法。正是得益于这个决定，使得我们新芯片即使面积稍有上升，但成本与上一代比较相近，最终让我们可以以不变的价格交付新芯片。”卢涛说。
对此，电子创新网CEO张国斌也持有类似观点。“现在摩尔定律放缓，再往先进工艺演进的话，成本投入太大，不是一般公司能承受的，所以大家就认为延续摩尔定律的一个方法就是往2.5D和3D封装的方向发展。”他指出，Bow IPU这个产品代表的不是一个小众趋势，反而是一种大趋势，就是芯片以后要提升性能，可能会走2.5D/3D这种封装形式。
张国斌表示，对于晶圆级封装技术，不只是英特尔、格芯、台积电、三星等大的晶圆厂在研究，包括日月光等一些芯片封装企业也在研究，这对推动芯片的性能提升非常有好处。
商业场景落地和社区建设伴生而行
公开资料显示，作为一家人工智能硬件初创公司，Graphcore于2016年正式成立，IPU是该公司主要的技术成果，也是向外界传播的概念，官网宣称IPU是一款专为AI计算而设计的全新处理器。
长期关注半导体/芯片行业发展的资深观察人士黄烨锋表示，在AI芯片领域，Graphcore是全球最知名、最有实力的那批AI公司中的一个，也是在中国市场投入比较大的初创企业。“这家公司做AI芯片相对较早，勉强说引领发展趋势也行。不过，AI芯片的发展方向现在逐渐明朗化，未来大家都会越做越像。”他说。
黄烨锋进一步指出，诸如较大的片上存储空间、高度并行计算能力、跨芯片通信机制、芯片具备弱可编程性等都是AI芯片未来发展的趋势，而Graphcore的IPU是较早且在近存计算上颇具代表性的一类兼具可编程性的AI芯片。
落地难，是AI行业的通病，虽然AI芯片一直在持续发展，但落地的速度比预期的慢。作为AI芯片行业的企业，未来Graphcore将如何进一步发展以及加速商业化，对于行业具有参考价值。
卢涛曾把现在的AI芯片公司分成七大类，第一类是在组建团队的，第二类是在宣讲理念的，第三类是有了芯片的，第四类是有了芯片给客户送测的，第五类是有落地的，第六类是有很多场景落地的，第七类是真正能够跟GPU（图形处理器）分市场份额的。
“Graphcore目前处在第五至第六的阶段。”卢涛表示，要达到第七类，Graphcore首先要做的是生态建设，二是持续耕耘开发者与研究者社区的建设，三是与用户和客户保持充分的沟通，建立紧密的联系。
他还表示：“生态建设是一个持续的、需要花力气、花时间、花精力、花巧劲的活儿，因为用户在选择一个平台的时候，一是会很关注新的平台能为自己带来什么价值，二是会特别关注迁移到新的平台所需要耗费的工作量。生态建设越完备、生态发展得越好，用户的迁移成本就会越低，也就是用户在迁移到IPU时遇到的潜在阻力也会更小。”
其实，Graphcore这一发展策略有着英伟达的影子。“当年GPU从专用的图形处理器发展到后来可实现CUDA编程和应用于AI之时，就是英伟达将更多注意力转向软件、工具，完善开发生态的过程。像IPU这样的AI处理器也必然经历这样的过程。”黄烨锋说，Graphcore现在的发展关键更在于生态构建与实实在在的场景落地上。
对于公司的商业化进程，卢涛曾表示：“我很早就和CEO（Nigel Toon）聊过，公司的第一优先级是有人用我们的产品；第二是有人用了这个产品，服务他的业务；第三是业绩；第四才是利润。现有顺序不能弄错，先得有人用你的东西，才能谈其他。”
如今，这样的顺序依旧没有变。“商业场景落地和社区建设是相互支持、伴生而行的。针对商业客户，我们需要开发者对平台的支持，开发者花费时间和精力将自己的业务迁移到IPU上，或基于IPU开发自己的业务。落地的场景越多，越能推进其他商业用户的跟进和加入，也能加快后续其他案例落地的速度。”卢涛告诉记者。
过去一年中，Graphcore与升哲科技、安捷中科、深势科技等公司围绕包括城市治理、气象以及分子动力学等领域开展合作，还与金山云推出了基于Graphcore IPU平台的服务器产品——金山云IPU服务器，用于AI任务在云端的训练和推理，这也是中国首个大型公有云厂商对外公开推出自己的IPU云产品。
“我们会持续深耕本地的合作伙伴，在一些相关的AI应用领域，会做进一步的加深合作，比如用AI辅助科研、自动驾驶等，都是我们2022年在AI应用和垂直领域中比较重要的方向。”卢涛说，持续落地更多应用场景是商业化唯一的路径，“这里没有捷径可以走。”
