对半导体以及对半导体的要求从未如此之高。从智能扬声器到自动驾驶汽车和机器人制造设备，芯片正在将我们的智能一切世界提升到新的高度。2021年，半导体行业芯片出货量达到1.15万亿颗，创下历史新高。随着应用变得更加智能，人们越来越要求这些芯片提供更强的处理能力、更高的能效，并且对于空间受限的设计，需要更小的占地面积。

　　对于电子行业来说，这是一个充满希望和激动人心的时代，变压器模型、生成式人工智能 (AI) 和沉浸式体验以更低的功率水平创造了前所未有的计算和数据速率需求。因此，新的参与者正在进入芯片制造领域，并带来创新，这些创新正在改变我们学习、工作、娱乐以及生活的方式。

　　然而，随着摩尔定律放缓，所有这些芯片制造商都面临着严重的限制，特别是针对计算密集型工作负载的设计。

　　现实情况是，将传统的单片半导体设计迁移到更小的工艺节点不再能产生这种扩展曾经带来的好处。尝试这样做甚至会触及制造壁垒。

　　为了应对规模和系统复杂性的挑战，越来越多的芯片制造商开始转向多芯片系统。多芯片系统是一种相互依赖的架构，可在单个封装中提供异构芯片或小芯片的集成，从而加速系统功能的扩展（见图）。

　　设计人员还可以降低风险、缩短上市时间、降低系统功耗，并更快地创建新产品变体。多芯片系统正在成为高性能计算 (HPC)、自动驾驶汽车、移动和超大规模数据中心等应用的首选系统架构。

　　下面来探讨了多芯片系统的主要驱动因素、它们如何产生底线效益以及它们如何推动创新。

　　多芯片系统由什么组成？

　　多重设计系统不是由处理器、内存和 I/O 组成的单个 SoC，而是包含所有这些以及更多内容。在一个先进的封装中，您会发现多个芯片——可能采用不同的工艺技术并用于不同的功能。

　　创建这样一个系统有不同的方法。分解是一种方法，将大芯片分割成更小的芯片，以相对于单片芯片提高系统产量。分解的异构设计的一个例子是汽车系统，其中封装中的不同芯片被指定用于不同的功能，例如传感、物体检测和通用计算。分解方法还可以应用于同构设计，例如分解为同一计算小芯片上的多个实例的设计。

　　此外，可以通过组装不同工艺技术的模具来开发多模具系统，以实现最佳的系统功能和性能。一个例子是具有用于数字计算、模拟、存储器和光学计算的芯片的系统，每个芯片都采用最适合其功能的工艺技术。

　　多芯片系统中的芯片可以在 2.5D 或 3D 封装中并排放置或垂直堆叠。先进的封装技术以及通用 Chiplet Interconnect Express (UCIe)等互连标准正在帮助开创芯片设计的新时代。

　　是什么推动了多芯片系统的需求？

　　戈登·摩尔 (Gordon Moore) 在 1960 年代末观察到芯片密度每 18 到 24 个月就会翻一番，这一观察继续推动着半导体行业的创新。然而，不断增加的系统和规模复杂性正在突破摩尔定律的极限。

　　超大规模数据中心和人工智能/机器学习 (ML) 等计算密集型应用正在蓬勃发展，而由于需要大量带宽的机器对机器通信的出现，数据本身也变得更加复杂。拥有数万亿晶体管的大规模 SoC 可以支持其中一些应用。

　　但随着芯片尺寸达到制造设备的标线极限，添加更多晶体管来支持应用需求需要添加更多芯片，这导致芯片尺寸无法实现。提高产量以获得所需产量也需要一个陡峭的学习曲线。

　　多芯片系统架构提供了一种解决学习曲线以及良率和硅成本问题的方法。并非每个功能都需要位于最先进的流程节点上。通过根据目标功能将旧技术的模具与更先进节点上的模具混合和匹配，设计团队可以获得更好的性能/成本比以及更高的产量。

　　它还具有制造优势，因为多芯片系统不涉及带来更大良率风险的非常大的芯片。此外，通过重复使用经过硅验证的芯片，设计人员可以加快系统的上市时间。

　　四个关键驱动因素的融合正在推动多芯片系统的发展：

　　① 不断增长的功能：面对十字线限制的挑战，应用程序需要更高的带宽、更低的延迟和更高的计算性能。

　　② 电源困境：拆分大型设计可以更有效地解决根据目标功能而变化的电源要求。

　　③ 服务多个终端市场的机会：优化的模块化架构提供了一种更快的方式来开发产品变体，从而利用多种商机。

　　④ 成本：实现能够解决当今复杂问题的芯片类型的产量水平已经变得非常昂贵。

　　传统上没有设计自己的芯片的公司现在正在这样做，以便根据其独特的市场需求实现差异化。

　　从创建沉浸式在线平台的数字巨头到构建大规模数据中心的超大规模企业，再到开发下一代智能产品的人工智能创新者，这些公司在很多方面推动了多芯片系统架构的发展。例如，人工智能公司可能会寻求专门的架构来提高机器学习算法的性能，而超大规模企业可能希望找到理想的功耗/性能平衡，以支持计算密集型工作负载并尽可能高效地运行。