Chiplet生态系统正在慢慢兴起

在今年的设计自动化大会（DAC）上，Semiconductor Engineering 邀请行业专家围绕小芯片（Chiplet）设计的进展与挑战展开圆桌讨论。与会嘉宾包括：

• Mark Kuemerle - Marvell 技术副总裁

• Letizia Giuliano - Alphawave Semi 产品营销与管理副总裁

• Hee-Soo Lee - Keysight HSD 部门负责人

• Mick Posner - Cadence 计算解决方案集团高级产品组总监

• Rob Kruger - Synopsys 多芯片战略解决方案产品管理总监

Semiconductor Engineering (SE)： 软IP的一大卖点是公司无需事事精通，这极大提升了生产力，让每家公司能专注于自己的“独门秘方”。小芯片理应同理。如今，使用小芯片是“不得不”的选择，但未来公司会“明智地”选择小芯片。这将使小芯片创造者专注于单一问题，成为该功能的真正专家，做得比任何人都好。这一优势最终会有多大？

Letizia Giuliano (Alphawave Semi)： 应用特定小芯片的划分是关键。 如果我们能正确地分割系统——这正是客户今天需要帮助的地方——那么就有可能分离出他们能做得更好的部分，而把剩下的问题交给我们。系统划分点在哪里？可能是I/O、内存子系统、计算子系统。我们在有意义的地方进行分割。我们可以分担问题，利用我们的资源更好地解决我们负责的部分。我们认为我们能做得更好，因为像I/O和连接性，需要解决的问题太多了。如何在封装上布线I/O？如何连接到硅中介层实现2.5D集成？这些都是巨大而复杂的问题，我们有专门的资源来解决。如今，有些客户不知道如何集成，因为他们以前没做过。我们早在其他人之前就开始做小芯片了，我们拥有完成它所需的所有要素。现在，我们希望把这些要素提供给习惯了自己搞定一切的人。某些应用会比其他应用更需要这些。我们需要为这些工程师提供更多工具来实现他们的需求。我们正在提供这些工具和能力。

Mark Kuemerle (Marvell)： 你提到“工具”，这让我深有感触。从EDA支持的角度看，我多年来的一个观察是： 过去我们构建基于小芯片的系统是件大事。让这些东西协同工作所需的所有思考都非常复杂。过去一年我注意到的一个关键变化是，标准和EDA能力确实进步了。构建小芯片面临的许多最大挑战已经得到改善。我们经常谈论“乐高积木问题”（LEGO problem），但坦率地说，乐高积木问题是相对容易解决的。我们可以在几天内召集一群架构师和工程师解决一个乐高拼图问题，与客户达成共识，握手言欢，然后继续推进。接着DFT（可测试性设计）团队会碰头，在过去，他们要花好几个月才能拿出一个整体的封装级DFT解决方案。我注意到的是，协调多个小芯片之间测试的能力随着标准的演进已显著提升，将多个不同器件当作同一家族成员来控制的能力也是如此。这一直是关键挑战之一，我很高兴看到它正朝着解决的方向发展。

Letizia Giuliano (Alphawave Semi)： 我们应该用“小芯片生态系统”取代“小芯片市场”这个词，因为它不仅仅是找到一个可以购买和集成的小芯片。它关乎所有的基础设施。 我有UCIe（通用芯粒互连）基础设施。我有工具和设计基础设施。所以十年后它不仅仅是一个市场。我们需要的是一个能够支持你构建基于小芯片的系统的生态系统。

Mick Posner (Cadence)： 我们经常被问到：“客户为什么要承担多芯片和小芯片设计的额外复杂性？障碍是什么？”他们承担它是因为他们想要“三个C”：

• 成本 (Cost)——他们追求效率，可能需要切换工艺节点、灵活性、解耦、聚合。

• 定制化 (Customization)——他们希望实现定制化，能够混合搭配和扩展。

• 可配置性 (Configure)——他们希望能够配置并在未来复用。
  生态系统、EDA工具和IP至关重要。 看看DAC展厅里的一些演示，你会发现这不再是PPT。这是实实在在的工具。

Rob Kruger (Synopsys)： 我们向小芯片领域销售的是IP组合。现在，通过构建子系统，我们正在增加更多价值。客户为某一件事来找你，然后你向他们展示我们可以做得更多，他们无需担心某些方面，比如DFT。他们能更快上市。他们可以专注于自己的关键问题，而不是I/O问题等等，并沿着价值链不断向上攀升。你可以从子系统发展到甚至是一个“软小芯片”（soft chiplet）。也许不是一刀切的，但他们有定制化的灵活性，他们可以自己做，或者我们可以帮助他们。有不同的方式来实现，不同的合作伙伴关系，以及生态系统。不必全由我们包办。可以与合作伙伴共同完成。

Hee-Soo Lee (Keysight)： 另一点是可信度。当你设计小芯片时，必须能够预测性能。这不仅涉及物理实现，还涉及你如何能有效地预测它在集成到一个复杂系统时的性能。你打算如何测量它？当我们谈论生态系统时，它不仅是EDA的视角。它涉及整个工作流程。对于性能，你必须考虑如何测量、在何处访问。我们认为这将影响小芯片的设计。

SE： 软IP行业曾必须就交付清单达成一致。你不能只说“给你小芯片，去集成吧”。在2.5D集成中，出现了诸如热管理、电磁干扰、应力等新问题。需要哪些模型随小芯片一起提供以支持集成？

Mark Kuemerle (Marvell)： 你提到了一个我们毫无进展的领域——热管理。我们如何从热的角度交换数据？这是我们可能陷入最大麻烦的关键领域之一。我们可能假设一个I/O小芯片具有均匀的热密度，但现实中它有一堆SerDes端口。这意味着热点，我们应该知道它们在哪里。如何分享这些热点的位置？如何确保每个人都拥有所需的数据？目前就热信息交换载体没有任何协议。 同样，对于给定类型的IP，也没有标准的“足迹”（footprint）。每个小芯片都有延伸到系统中其他芯片的“触须”。我们现在有一个大约40%业内人士同意的接口（注：指UCIe等标准，但尚未完全统一）。（笑）抱歉，我刚才试图表现得慷慨一点。这就是为什么我们看到“小芯片在摇尾巴”（chiplets wagging the dog）——你弄清楚这些触须是什么，把它们构建到你的系统中。你弄清楚你有什么热模型，然后围绕它们构建你的系统，或者在你所能获得的范围内进行调整。而不是说，当我买一个小芯片时，我确切地知道我将得到什么。

Letizia Giuliano (Alphawave Semi)： 此外，还有封装的“狂野西部”。这是一个封闭的系统，一点也不开放。有台积电（TSMC）的生态系统，有三星（Samsung）的生态系统，还有其他参与者，他们各自有一套不同的设计规则和文档。设计规则并未标准化。 目前无法将一个晶圆厂的裸片送到另一个晶圆厂进行封装。这是一个供应链问题。你可能会认为HBM（高带宽存储器）作为第一个真正意义上的小芯片已经解决了这些问题，但并没有。它并非对所有人开放。

Rob Kruger (Synopsys)： 这里有太多的创新了。我甚至在有线电视新闻网（CNN）上看到一篇关于先进封装的报道。我从未想过会看到这个。

Letizia Giuliano (Alphawave Semi)： 在法国，这也正成为一个普遍话题。

Mark Kuemerle (Marvell)： 我们这些头发花白的人还记得，封装曾经只是：你完成芯片设计，然后扔给封装团队说，“你们有两周时间。搞定它，让它适配我的芯片。我什么都不会改。”

Letizia Giuliano (Alphawave Semi)： 现在封装团队是我最好的朋友了。

Mark Kuemerle (Marvell)： 现在他们说了算。

Mick Posner (Cadence)： Cadence持略有不同的观点。在预测未来所需交付物方面，可以做很多工作。Cadence去年为一项非常特定的应用——实体AI（Physical AI）——完成了一个小芯片的流片。其思路是：除非他们对从你这里获得交付物有信心，否则没人会参与进来，这意味着我们必须能够自己接收并使用该交付物。我们做了这个原型流片，解决了一些关于封装如何工作、热管理会是什么样子的挑战。但像Arm CSA（Chiplet System Architecture）、imec（比利时微电子研究中心）、UCIe等，它们各自解决了小芯片方案的一小部分问题。你有一个遵循Arm CSA的基础设施，它涵盖了imec关于安全性和保障性的规范，是硬件、电气和软件的混合体。那个原型是为了验证一个小芯片生态系统。其愿景是启用小芯片生态系统，而从根本上说，你必须创造那个生态系统。该框架需要封装UCIe、小芯片管理、安全性和保障性。Cadence审视了所有标准，并试图创建一个超集来启动它。那么，你什么时候能买到小芯片？你现在就可以向Cadence下单——如果你想获得一个实体AI解决方案的话。 看看谁在实施实体AI？是传统上在半导体设计方面实力不强的汽车OEM厂商，是新兴的机器人公司、无人机公司，以及航空航天和国防领域。他们是希望进行聚合和复用的典型代表。Cadence选择了一个垂直细分领域来启动一个生态系统。我们希望通过扩展该框架（硬件、软件、协议、EDA流程、IP整合）来启动整个生态系统。

Hee-Soo Lee (Keysight)： 你谈到了模型。在考虑小芯片的物理实现时，存在许多挑战。我们关注的是涉及使用硅中介层进行互连的情况。每一片硅的结构都不同——例如传输线结构。那是传统的传输线吗？因为我们为这些传输线结构制作了网格状的地平面？分析这些互连的计算成本非常高。在某些情况下，完成这些互连的建模可能需要一周时间。EDA行业可以通过改进互连级分析、提高其可预测性来提供帮助——特别是在我们看到大量网格状地平面的地方。这不仅在于物理实现，还在于能够预测性能，而不必使用计算量巨大的解决方案。这就是业界期待EDA供应商解决的问题的一个例子。没有人希望靠运气去设计任何东西。他们想要验证它。但他们也不想花一个月时间运行分析和仿真。