ISSCC技术创新看这里：三星首创内嵌AI芯片HBM，谷歌雷达5米识人

芯东西 | 2021-02-20 00:17:41 阅读：436

芯东西2月19日报道，目前，一年一度的国际固态电路会议（ISSCC 2021）正在进行中（2021年2月13日到22日），这是ISSCC会议首次以全线上形式举办。作为已有近70年历史的集成电路设计领域盛会，ISSCC亦被众多产学界玩家视为发布和展示其领先芯片技术的权威舞台，本届大会也不例外。

本届会议上，IBM、三星等公司展示了其在AI芯片领域的最新进展；谷歌、德州仪器等公司分享各自在雷达芯片中使用的创新技术；英特尔、荷兰代尔夫特理工大学等则展示其在量子芯片研发方面的最新尝试……

芯东西收集并汇总本届ISSCC期间，共计9家企业或机构在AI芯片、雷达芯片、量子芯片等技术领域中，发布或展示的产品，分享各领域最前沿芯片技术玩家的 “绝技”。

AI芯片：产学界玩家齐现身，五款AI芯片竞技

在ISSCC 2021会议上，IBM、三星两家公司，南洋理工大学、哥伦比亚大学两大学府的研究团队，分别分享了各自在AI芯片领域的最新进展。

其中，IBM、三星分别从提高AI芯片能效和性能着手，两大学府则分别着力提升AI芯片对图像、声音的识别能力。

1、IBM：芯片能效比高过NVIDIA A100

IBM在ISSCC 2021大会上发表了据称是“全球首款”采用7nm制程工艺的高能效、低精度训练/推理AI芯片，该芯片集成四核心，面积为19.6平方毫米，可达到80%以上的训练利用率和60%以上的推理利用率，而通常情况下，GPU的利用率在30%以下。

相比同样采用7nm制程工艺的NVIDIA A100 GPU，IBM新款AI芯片具备能效优势。具体来说，NVIDIA A100 GPU在int4精度下的能效比为3.12TOPS/W；而IBM新款AI芯片在同等精度下的能效比为8.9TOPS/W。

这背后，IBM为其新款AI芯片采用了超低精度混合8位浮点格式（HFP8，hybrid FP8）。这是IBM于2019年发布的一种高度优化设计，允许AI芯片在低精度下完成训练任务和不同AI模型的推理任务，同时避免质量损失。

此外，IBM新款高能效AI芯片添加了电源管理功能，可减缓芯片计算过程中的功率消耗

2、三星：推业界首款内嵌AI芯片的高带宽内存

在ISSCC 2021上，三星发布了一款高带宽内存处理器（HBM-PIM，high-bandwidth memory, processing-in-memory），这是业界首款内嵌AI芯片的高带宽内存，可用于加速数据中心、高性能计算应用、人工智能应用。三星指出，当他们用现有的HBM2 Aquabolt系统测试新技术时，发现系统性能翻了一番、能源消耗降低了70%。目前，三星还在与AI解决方案合作伙伴对HBM-PIM技术进行测试，并期待在2021年上半年看到对HBM-PIM技术的测试结果。原理方面，该处理器集成了一个以300MHz频率运行的PCU（Program Control Unit，程序控制部件）。该PCU由主机CPU采用常规内存命令控制，可以直接在DRAM单元中执行FP6运算。此外，当系统运行的应用程序不是为HBM-PIM编写的时候，HBM-PIM可以作为常规RAM运行。3、三星：5nm AI芯片跑CNN模型能效比达13.6TOPS/W

除发布高带宽内存处理器外，三星还分享了其5nm三核心AI芯片的技术细节，该芯片面积为5.46平方毫米，额定电压在550～900mV之间，时钟频率在332MHz～1.2GHz之间。

性能方面，在相当于多线程CPU操作的吞吐量优先级模式下，该芯片在332MHz下的每秒推理数为194；在1.196GHz下，该芯片的每秒推理数为623。

能效方面，在0.6V电压下，该芯片对CNN模型Inception-V3的运行结果显示，其能耗为每焦耳的推理数为1190，能效比为13.6TOPS/W 。

据三星方面分享，其5nm三核心AI芯片的每个核心中，都集成了2个子核心（卷积引擎）、1个矢量处理器单元，以及一兆字节的暂存器。其中，每个子核心都具备权重-特征映射（weight-feature map）。每个周期中，该芯片可以执行16维向量的64个点积。

4、南洋理工大学&哥伦比亚大学：分享动作/声音识别芯片绝技

新加坡南洋理工大学和美国哥伦比亚大学在ISSCC 2021会议上展示的芯片均采用65nm制程。

其中，南洋理工大学分享了一款实时手势识别芯片，该芯片适用于可穿戴和物联网设备场景。这款芯片采用65nm制程，面积为1.5平方毫米，可用于识别24种动态手势，平均准确率为92.6%。在0.6V电压下，功率为184μW。

哥伦比亚大学团队则分享了一款噪声识别芯片。据哥伦比亚大学分享的数据，在570nW功率下，该款芯片解决方案在5～20dB的信噪比范围内，对4种不同噪声类型的识别精度可达到89～94%。

雷达芯片：谷歌/德州仪器分别揭秘手机/车用雷达技术细节

在雷达芯片领域，谷歌和德州仪器的演讲者分别现身进行技术讲解。

谷歌首次揭秘搭载于Pixel 4手机的“Soli”雷达芯片技术细节；德州仪器则分享了其车用雷达芯片、工业用雷达芯片的独特设计。

1、谷歌：揭开手机雷达芯片5米“识人”秘诀

谷歌的“Soli”雷达芯片搭载于Pixel 4手机中，可用于识别手机前方5米范围内的人类手势，并将距离误差控制在800mm内、将角度误差控制在80度范围内。

该芯片采用英飞凌公司的0.13μm制程BiCMOS工艺制造，1.8V下的峰值功率小于400mW。

据谷歌分享，“Soli”雷达芯片由一个****通道和三个接受通道组成。每个通道均在5*6mm封装的顶部封装共振贴片天线，天线体积小到可以嵌入手机面板。

此外，共振贴片天线被切割到芯片4层金属层封装的顶层，并在下层中有馈线（feeder）。数据显示，“Soli”芯片的收发隔离度可以达到20dB以上。

2、德州仪器：两款45nm雷达芯片的架构秘诀

德州仪器在ISSCC 2021大会上分享了两款45nm雷达芯片的技术细节，两款芯片均采用覆晶技术封装，具备9层金属层。

其中一款用于76～81GHz频段下的FMCW汽车雷达；另一款采用封装集成天线，适用于60GHz频率下的工业传感。

据德州仪器在ISSCC大会上分享，适用于60GHz频率下工业传感的雷达芯片采用了一种“无模型芯片级倒装芯片封装（mould-less under-mount chip-scale flip-chip package）”。

该芯片中，天线安装于15×15mm球栅阵列封装（BGA）和60GHz死区的底部。****天线和接收天线均为凹型（cavity-backed）的“E”型贴片。

量子芯片：英特尔22nm低温CMOS可驱动16个自旋量子比特

放眼整个行业，量子芯片发展尚处于初级阶段。但是，量子计算强大的并行运算能力，吸引着众多玩家在这个新兴领域进行不辍探索。

本届ISSCC大会上，英特尔、代尔夫特理工大学、洛桑联邦理工学院和剑桥日立，分享了他们在量子芯片设计方面的心得。

1、英特尔：展示最多可控制128量子比特的量子芯片

英特尔展示的量子芯片采用22nm FinFET工艺制造，可在4K温度下运行，实现了最多对128个量子比特（qubit）的控制。

该芯片与一个被冷却到20mK温度下的自旋量子比特相邻。为增加量子芯片的灵活性，英特尔芯片设计人员还在该芯片上增加了一个微控制器。

该芯片具备量子比特读出（Qubit Readout）和多门控脉冲（Multigate Pulsing）两大功能。

通过多频率复用，该芯片可在一条射频线路上驱动多达16个自旋量子比特，并同时读取6个量子比特的状态和控制22个门电位。通过同时控制多个门电位，该芯片可有效地进行量子比特读取、实现多个量子比特的纠缠和操作。

2、代尔夫特理工大学&洛桑联邦理工学院等：分享量子计算低温CMOS技术新进展

来自荷兰代尔夫特理工大学的研究团队分享了两项量子计算低温CMOS技术。

其中，一款低温CMOS在4.2K的运行温度下，增益为58dB、噪声系数为0.6dB；一款模拟数字转换器能以36.2dB SNDR、低于0.5mW/量子比特的功耗读取多个量子比特。

瑞士洛桑联邦理工学院和剑桥日立分享了他们在低温CMOS领域的一项联合研究，即一款采用40nm制程标准CMOS工艺制造的量子芯片。

该芯片在5～6.5GHz操作频率下增益为70dB、噪声系数为0.55dB，可读取70个量子比特，能耗为1.5mW/量子比特。

结语：9大技术彰显芯片设计风向标

作为已有近70年历史的集成电路设计领域顶会，ISSCC会议汇集了各领域芯片设计玩家的最新技术突破与探索。

可以看到，在AI芯片领域，除了不断提升芯片算力以外，优化能效比日益为芯片设计玩家所重视。此外，物联网应用加速落地与雷达芯片技术升级相互促进、产学界对量子芯片技术的探索亦未停歇。

此外，除了上述提及的与会玩家，还有其他玩家展示了其产品的最新应用情况。比如，NVIDIA、百度分别携A100 GPU、百度昆仑1通用AI处理器线上亮相。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。