2018 F2科学峰会专场研讨会2：摩尔定律的终结

　　新浪科技讯11月18日消息，11月17日至18日，2018年未来科学大奖颁奖典礼暨F2科学峰会在北京中国大饭店举行。2018年未来科学大奖获得者李家洋、张启发、马大为、冯小明、周其林、林本坚悉数到场，同时，还有八十余位世界顶级科学家带来的科学盛宴。峰会共计12场专业研讨会，以下为摩尔定律的终结专场研讨会速记：


　　元禾华创投委会主席、未来论坛理事陈大同：各位来宾大家早上好，我代表未来论坛，首先非常感谢今天所有到场的科学家嘉宾们，但更要感谢今天所有到场的听众们。半导体行业是信息产业的基石，我们今年的未来科学大奖，计算机奖的获奖人是林本坚博士，他的浸润式光刻机的发明，使得我们半导体领域中最有名的摩尔定律又向前进展了几代。我是1978年进入大学学习半导体专业，后来做工程师，又做了创业和投资，40年的时间都在半导体领域，见证了半导体40年来怎么改变了人类的社会，形成了数字时代，但是这40年来我有一个非常大的困惑，老觉得有一个幽灵在那徘徊，因为我一进大学就听说一个词，摩尔定律，它是什么意思？

　　这个定律左右了半个世纪的半导体发展，它预言每过18―24个月整个芯片单位面积上晶体管的数要增加一倍，这是1965年提出来的，当时集成电路上只有几十个晶体管，现在一个芯片上可以放几十亿个晶体管，上一代的发展，造成整个革命性的变化。定律这个词是很大的词，非常神圣，我们知道有牛顿定律，这个东西怎么成定律了？65年一个工程师随便说了一句话，多少年之后被大家变成定律了，怎么这么神奇？大家总是问一件事，这个魔法什么时候失效？什么时候终结？其实大家早就预测了很多次它的终结。

　　1986年，我博士选题，当时最先进的半导体工艺是1.5微米的半导体工艺，我胆子比较大，我说选超前的0.25微米的半导体器件作为物理模型，当时大家公认说，摩尔定律顶多到0.1微米就会终止，0.25微米已经接近终结了，就选了这么一个课题，我想顶多十年二十年就会终结，没想到32年了还在继续进行。

　　四五年前，最先进的半导体工艺是14纳米，做完28纳米，再做14纳米，就接近世界先进水平了，前面的摩尔定律在等着我们，顶多做到10纳米，没想到28纳米做完以后，开始竞争14纳米，这几年一下到了不仅是10纳米，而是7纳米，5纳米，甚至3纳米往下走，留下一个很大的疑问，摩尔定律的魔法什么时候结束？能不能结束？结束后会发生什么？我们今天请来了世界顶尖的科学家们为大家讨论这个问题。谢谢大家！

　　斯坦福大学博士，加州大学洛杉矶分校教授兼副主任、CMOS研究实验室负责人Jason C.S.Woo：非常高兴在这边讨论摩尔定律是怎么产生的？未来摩尔定律怎么演变！大概始于40年代的时候，当时我们知道在工厂里有双极的晶体管，当时可以说是单晶体管，大家都可以买到，那是在50年代。后来让人非常兴奋的是，有一个小组生产出了立体晶体管，推动了整个行业的发展，后来又发展到了IC基础性的行业，进一步的发展，发展到非常复杂的，90年代初大家可以看一下，它有一些改进，它变得更加的集成了，可以对十万个晶体管进行部署。最有趣的一方面在于这种变化还在继续，大家可以看到一开始发明的是点接触晶体管，而今天在英特尔上有近万亿晶体管可以部署。时间过去了60年，在历史上这个技术改进非常大。我们开始考虑摩尔定律为什么可以这样进行演变？为什么从单一的晶体管发展到今天这样的情况？其中背后的助力原因是什么？

　　Moore发现了摩尔定律，他同时通过简单的观察写了一篇论文，发表在电子学期刊上，他提出元器件数量在18―24个月之内会实现翻倍。但同样重要的是，尽管元器件的数量会不断增加，但组建成本的复杂性，以每年大约两倍的速度增长，这是一个持续的过程，关键在于没有科学的证据，只是基于一种观察，因此我们如何知道它是怎么演变的，为什么最终能够很好的产生这样的效果？能够起作用？为什么会这样发生？创新是什么？工程师怎么创新能一直让摩尔定律发挥作用？其中有一点非常重要的，我必须指出是因为它和性能是结合在一起的。

　　一开始，Moore他去观察的时候，半导体IAC有一些硅在使用，后来发生了很多的急变，原件上数量增加，你如何来进行平衡？功率的密度会很快的增加，元件管理也非常重要，成为摩尔定律发挥作用的瓶颈。

　　IBM90年代初的时候进行了很多的研究，在那个时候，整个技术是非常复杂和精密的，应该进行更好的管理。当时人们都希望创造奇迹，怎么来改变呢？CMOS，作为一个工程科学家我们要解决这样的情况，就需要寻找耗电更低的技术，CMOS是非常有趣的特性。CMOS非常好的减少它的功率，同时可以减少它的能耗。1975年的一篇论文提出，如果是在相同的硅面上，你可以放更多叠层在底层上，我们更关注热量的管理，很多人有其他的考虑，包括兼容性和其他的因素。相同的研究组又发表了新的论文，有三种不同的收缩比，这是一开始的收缩比，基本有通用的收缩指数，还有是跟它的功能面成正比的。其中一个非常有意思的值得我们去关注的，就在它的线速，在底层上放了这么多的元件，它的结果是摩尔定律并没有预测到，当你有这么多功能和器件的时候，因为你收缩了，所以你必须将它进行约束，有不同的约束点，这种约束也是很难做到的，怎么做到这一点的？你需要发明一种新的方式，将不同的器件联系在一起。如果再看一下IC，2%的晶体管实际是用无线的方式进行联系，后来就成为了最基本的限制。当我们要去看一下它的规模效应的时候。在这，是非常有意思的，来自英特尔的幻灯片，我们不用其他的幻灯片是因为它有最长的长期的收缩比与CPU大小的研究，你可以看到，基本是0.7倍每两年的缩小。一开始是正常的尺寸，基本上是符合这个趋势的，而且是精准的符合这个趋势，一直到2020年。在此之后到2010年速度就开始放缓，背后是什么呢？就是摩尔定律不是定律，是基于经济性或者是因为它的预测性。当一个公司有效地整合资金和资源的时候，他们就会把它的竞争对手甩在后面，加速尺寸的收缩，英特尔就是这么做的。因此在2000年早期的时候，有很多做IC的，但很多人赶不上英特尔的速度。现在只有3个或者4个，作为最主要的技术型公司，因为其他人都打不过他们，因为他们太庞大了，技术太好了。

　　摩尔定律不是物理定律，是具有经济学基础的一个定律。接下来，它是基于英特尔、CPU，我使用英特尔的例子，因为一直有CPU的演进，通过不同的技术节点进行更新，它同时也是符合这样的规律的。也就是说，它的器件的数量成指数级增长，根据摩尔的观察会一直持续。到2010年的时候，它的速度在放缓，因为在摩尔定律中大家会谈论到这个，每两年的时候要分散，现在的速度在放缓，有可能有点夸张，至少功能放大的速度在放缓。还有一点我要特别指出，到底什么在推动这些器件数量的增加呢？为什么让晶体管变得越来越复杂？因为在全球，半导体或者消费者行业对于晶体管产品的需求是非常大的，从销售量来看一直是攀升。它是以指数级的数量在增长。行业中的高营收最终受利于公司的研发，它的增长有指数级增长，同时有更多的资金投入在研发中，这也对应刚才说的摩尔定律是有经济学理论基础的，不仅仅是纯技术或者是纯技术驱动的定律。

　　在2016年的时候，全球半导体的销售达到3350亿美元，在中国我们都希望自给自足，尽管中国是非常大的电子消费市场，但是这种消费还是由欧洲和美国做主导，在2000年日本是做主导的，但是现在日本情况就不一样了，所以我们还是要看一下在亚太地区主要是由韩国引领的，并非日本引领的半导体的发展趋势。再回到刚才讲到的经济的因素，毫无疑问，这种器件的数量是根据摩尔定律的预测精准实现，但是还有制造厂建立了集成电路的生产线，而且呈指数级增长。尽管从半导体行业赚了很多钱，但是初期的投资额也是相当可观的，因此门槛相当高，不是每个人都有足够的资金投入到半导体行业中，它需要的是一种承诺，也需要很多的决心和决定，才能进入到半导体行业。因为半导体行业的投资总量是极其庞大的，现在毫无疑问是60―100亿美元，是非常昂贵的初始资金。

　　在未来作为科学家或者工程师我们要探讨的话题是，怎么更加规模化？收缩很难做到，因为有一个物理空间的限制，大家可以很容易理解，越来越小就越来越难控制，所以从控制的角度来讲是非常糟糕的消息。你如何在这么小的表面上去控制这么多的器件，这么多的电线怎么让它的物理尺寸变的更小？一些细小的地方你无法进行预测，但是你如何让这种细节做的更好？其实难度是很大的，包括器件的性能会限制整个设备的性能。有很多的技术也在不断的演进中，也提出了在过去20年中希望能够去解决刚才所提到的困难，包括更好的创新改进的架构。刚才的介绍中也提出了这样的论文，IBM发表的论文。还有一个英特尔发表了类似的论文，由于一些基本的限制，晶体管超过90纳米尺度是不太可能的，这个理论是非常简单的。包括摩尔定律和其他的预测，都是基于历史趋势的，我们现在的理解完全会忽视一个重要的因素，就是人类的工程和创新的能力，考虑到这一点，我们有很多物理和化学上的限定，在工程中有这么多创新的领域，一定能帮助我们找到一种方式，推进整个技术迈向前方，并且符合经济的要求。

　　我们再看一下这样的路线图，这个路线图是在2011年开始，这是基于大家当时的理解所做的，我们知道有各种各样的创新，在22纳米，不同的原材料，最有意思的一点所有的现有的技术，他们除了追求尺寸的极限也会寻找其他的极限，包括晶体管设备的速度也在提升，同时也可以根据收缩比进行相同的规模化，所以在实际的速度中要体现出来，因为真正的限制对于我们的电路来讲，不是说提高速度，而是智慧的提供它的使用。你在回顾2010年的时候，每一代的CPU总是会讲到它的速度，除此之外，你知道哪怕一个晶体管给你提供的高速性能IC都不能提供，因为电线是做不到这一点的。基本上来讲，我们的晶体管仅仅是在一个复杂的电路板上有功能，讲到速度的时候，需要更多的马力更多的功能推动这种电线，我们叫做进程。从设备性能的限制，进入到连接的性能。后面我的同事也会讲到更多的这方面到底如何能够推动到下一代下一个阶段的发展，如何能够解决这样的问题？大家可以看到这是非常典型的嵌入式的处理器，它的能耗，未来的发展就跟速度一样，大部分的耗能是在电线，很多的设备也在推动这个电线的发展，还有低能耗是要在互联互通的系统中实现。这也是非常重要的一点，为什么技术会通过一些非常复杂的形态来进入和改善？你可以看到，它不是ITW的晶体管，也没办法给你更多的进程推动，需要更多的创新，基本每个人都要参与进来一般是由英特尔和IBM所带领的。高收缩比等都会推动现在的驱动器，而不是连通性受限制，有更多的低成本的晶体管给你TB的量，或者符合IC的处理速度。在下一代的系统架构和超级架构中进行创新，怎么才能具有创新性之举！英特尔不是独一无二的，每个公司都了解这个问题，大家都是公平的，基于实际的模拟仿真，这是我们发展的路线图。

　　遵循了同样的情况，整个目标是让晶体管更加高效，负面影响最小。现在我们要考虑的是非常复杂的晶体管，FinFETs可以产生非常好的电流，希望满足新的需求。英特尔十微米的FinFETs有非常好的连接，电量很高，能够让晶体管密集的组合在一起。这不是最关键的，最关键的在于什么呢？因为这些配置和平台，你可以获得非常好的运行能力和效率，从而应对功率方面的缺陷和挑战。在这个基础上进行持续的创新，甚至实现一些指数级的增长。

　　我想谈一下FinFETs，它看起来非常的美妙，有很多的方面，但是还有很多不尽人意的地方，在很多性能方面还不是非常好。我们应该有所认识。设备宽度每英尺导电密度值约为70%，FDSOI版，我们进行3D建模的时候有不同方面要考虑，因此这个量子效应应该被考虑。像非刻蚀导致的流动量，需要解决的是宽度的量化，与SY的设备相比，占据的域相对低一些。除此之外还有一些问题，正如英特尔所意识到的，就像打开潘多拉的盒子，有一系列的问题需要解决。正如我们今天所听到的林博士谈到的非常重要的效应就是收缩。自2000年以来，我们就一直在进行尺寸的缩小，那么我们在这方面为了能够让功能得到发挥，也在考虑很多方面，像双重收缩，还有一些新的技术，许多新的实际的技术，如果你今天看一下的话，我们会看到技术带来很多的功能，跟我们以前所拥有的功能是不一样的，现在变得非常的复杂，需要进行很多的计算，需要做出控制，而不是简单的接触。现在复杂性增加了，敏感性也增加了，可变性也在变化，比过去复杂多了。解决方案，谈论了很多年，没有实际的介入，现在需要TSMC开始做出考虑，但是代价是非常高昂的。会涉及到数十亿美元投入的研发。需要大公司进行投资和投入，要进行新技术的创新和研发。这就需要增加很多的成本。

　　这一点很多的改进正在减缓，从2015年以来就看到新的改进在放缓，百度、谷歌、因特尔都在进行这方面的研究，但是他们研究的计划和时间表不断的往回缩，我们也看到这种扩模，或者进一步发展的速度在放缓。我们说过摩尔定律主要是关于经济学方面的情况；它不可能完全随着性能的变化不断的增加数量，如果要想获得此数据的发展，就应该进行更多的研究方面的投资，在1996年，CPU进行发明，大概是每年52%的增长。后来到2010年的时候出现了这个比例的下降，最近是单位数的增长。我们应该有一个持续的驱动力来进行增长，不光是晶体管，还要有一些新的生态的打造。每个单位的成本也在上升，对高级的节点来说。这个成本的增加非常快，这是另外一幅图，增长的速度非常陡。

　　另一方面，我想谈到的是收缩的问题，在这个问题之外有一个功率的趋势问题。90年代的时候就引起了各方面的注意，如果大家看英特尔芯片的功率密度，就会看到相应的趋势。现在是我们需要处理热的问题；当然我们之前也有这样的问题，现在有双晶体管工艺趋势的问题，已经成为了非常棘手的问题，我们要考虑的是包装的问题。低功率的晶体管也非常重要，我演讲的时间非常有限，一会就要结束。英特尔预测所有的选项都是开放的，正如他们说的，如果大家还不了解的话，不一定是坏的事情。有一些情况看起来并不好，但是意味着我们有更多的选项进行研究，我们需要创新，可能是3D，可能是包装，也可能是其他的技术。我们应该不断的向前发展，以可行的方法配合整体IC的芯片或者包装方面来进行努力。

　　除了收缩，还有性能、功率、成本、区域、区分力度、集成都非常重要。未来我们有新设备架构启用，还有设备的原则需要遵循，开发新的功能和新的材料，更加重要的是找到其他的方法来提高密度。VLSI的收缩会发展到三纳米的程度，有一些公司已经有这样的目标了，但是我们会看到晶体管复杂性增加，工程师需要找到新的方法，来改进复杂性，甚至改进摩尔定律。找到它真正的本质所在。我的同事会谈到很多技术问题和这方面的可能性，以及其他重要的内容。这是我的简单总结，谢谢大家！

　　加州大学洛杉矶分校亨利萨缪利工程与应用科学学院电气和计算机工程系、材料科学与工程系杰出校长讲席教授、Charles P. Reames讲席教授；加州大学洛杉矶分校异质集成与性能进化中心主任Subramanian S.lyer：

　　各位早上好。非常感谢主办方邀请我过来未来论坛演讲，我也对我的同事Jason C.S.Woo关于我的介绍表示感谢。我们今天谈论的内容是摩尔定律的异构集成，这个为什么这个非常重要呢？如今大数据的应用都在追求什么？今天我们关注的焦点通常是应用是否具有大规模性以及具备高能效性？

　　高能效性对于系统是至关重要的，对于云计算应用系统来说，这些应用系统需要消耗很高电能甚至可能是兆瓦去进行相对应的搜索。另外一个大数据应用场合是医学工程，对于解决大数据时代电子产品的高性能与高效能之间的问题，我认为这里只有两个基本的方法去解决这些问题。一个是我们可以使用先进的封装技术。这是我演讲的主要话题。另外一个方法是使用新颖的计算架构，这是我们自由讨论涉及到的内容。一个是不断提高现在的半导体集成度，另外就是通过改变现有的计算机体系结构形成新的计算架构。

　　我下面要谈一谈动机，今天你购买一个系统的话，有各种各样的芯片在里面，这些芯片是封装起来的，然后又放在主板上，这个主板是非常重要的，如果你看一下你的手机有主板，有很多的器件，为什么是这样呢？它的扇入和扇出是非常重要的。如果你有一个电路板，你有很多的终端或者组件需要进行集成，那将需要成倍增长的耗电量，意味着什么呢？如果那样的话，各个芯片将会有很多的信息要处理，也就是说需增加了芯片的复杂性，因此很多接受芯片输出信息的终端也会变得很复杂。

　　芯片一、芯片二是装在主板上，还有一系列的连接线把芯片一和二连在一起。有各种各样的线连在一起。我们的技术不断的发展，就像吴教授也提到，在1976年，在座的各位有很多也许没有出生，人们制造的集成电路特征尺寸为15um而如今人们谈论的是7nm，集成电路的特征尺寸很大程度决定了它的性能。这些芯片越来越大越来越复杂，会有几百万个不同的晶体管，因此大家可能会去想它的输出端口也会增加，也是相同的数量和等级在增加。然而，我们发现在这个电路板上它的输出端口没有增加，板上的输出端口是一样的。为了回答这个问题，你们可以看到在红颜色的线下，这些线增加非常明显，其他的地方并没有明显的变，比如封装体基板的底部制作的电路输入/出端口与印刷电路板互联的焊球阵列（BGA）这个没有变化，仍然是不到0.5毫米，如果再看一下C4 bumps(倒装片的一种连接类型)也没有发生变化。从芯片1到芯片2的输入输出端口并没有真正的增加，这就需要我们将信号进行时序化，在板之间以10倍的速度发送与接收。如果增加芯片的输入输出的端口可以解决这一问题，但是也会存在另外一个问题，这个问题是什么呢？这样芯片间信息交换的功耗将会增大，会是芯片总功耗的30%―40%。然而这个能量并不是用来支持芯片进行工作的，这只是用来芯片间进行信息交换的，此外有可能这个数字高达50%。随着芯片的集成规模不断增大这个问题就变得更加严重。就像这张图展示的。

　　如果你问别人这样的问题硅片如果不能放大，我是不是可以放大其他的部件？即它的封装。还有一个非常重要的一点，摩尔定律中有一个核心点，看一下现在的架构，我们将自己的系统以计算机为核心的变成了数字驱动的架构，因此数据，也就是内存是在我们系统的核心的位置。这个数据是以各种各样的技术来存储的，我们再看处理器要跟内存数据进行互换来处理，处理器型号也发生了变化，SBG、GPU、移动处理器、嵌入式的等，都展示了不同的技术程度，他们是分散在不同的地方。我们有处理器、内存和传感器，在使用半导体建立系统的计划也发生了变化，节点的数量也发生变化，我们所使用的技术也在变，都结合在一起了。如果摩尔定律还是得到验证了，如果你想有高通量的设备，从路由的角度来讲，你想有更好的传输特性的晶体管，唯一的方法是把它放大，问题是你要花多少钱？成本如果说不是问题，就直接开发下一代技术，总是有一些部件是能够受益的。如果是吴教授所讲的互联线没有直接的答案，我们不知道如何改进它的导电性？希望有更好的导电率这是一个问题。我就不讲下去了。

　　从系统的功能来讲，异构集成具有更丰富的设备和部件，这样的系统具有更高的能效和更好的性能。从成本的角度来讲，这种异构集成也是非常重要的。因为我可以做对性能来讲有一些关键性的技术。比如说模拟器的或者其他类型的，我能够使用具有成本效应的方式来生产。但是从上市的角度来讲，我们的异构集成也是很有帮助的，我仅仅是设计一个器件，以最新的技术去设计。其他的还是按照现在的已有的方式来做。对于功耗来讲，我们要把不同的因素放在一起放大，异构集成和它的架构都统统放在一起。

　　第一，是封装。现在的封装可以说是史上最复杂的。考虑到大家都是来自半导体背景，我看了这些封装别人会说为什么这样装？您思考一下你有一个芯片，电线是2―3个微米，叫做可生产级的。问题是你想把它装在PCB版上，但是PCB版只能接受2―10微米，如果超了你要进行调整，通过更多的转压器的方式，不断的增加，通过BGA在板上扩大，以相同的方式来进行逆向的工程，别人可能会想是其他的方面没有办法直接解决我们的问题，我们是连接这些不同的芯片，它要考虑在整个电路板上的位置和尺寸，你有这么多的材料。材料的复杂和架构如此复杂，材料这么多，有铜，硅和化合物质，这些材料他们热导率也不一样，所以有一个稳定性的问题。在我们电路系统中最核心的一点是封装，考虑的因素很多，包括你的热存储，吴教授也提到这是最主要的散热的问题，只能有一半可以散热掉，还有这些芯片的连接有很大的压力。我们如何将它的封装的架构简化，解决一些机械鲁棒性或者设计上的问题？能够使其具有更好的电学的连接性。

　　接下来这个问题，我们为什么要这么复杂的研究它呢？为什么不直接装到我们的PCB板上？你可以这样做，没有这样做肯定有原因的！因为PCB板的材料不允许你直接将这个连接安装上去，原因有很多。毫无疑问，最小的板我们想减少这个板的大小，基本是大的模具，你不需要任何的封装了，但这并非是全新想法。有一个朋友在IBM，他说如果我可以把所有的功能放上面有四个主板装一个100微米的封装上，老板说门在那，你可以直接走了，把他踢出去了。他用两亿才能实现，后来他出一个结论，证明这个做不到，因为我没有办法把200微米的晶原进行加工。我们要看这个问题所在，最新的技术，我们可以看到我们有一些新的技术在开发，我们要考虑一下，把它叫做系统性晶元，可能是300微米的晶元上有不同的器件紧密的封装在一起，相当于一个SOC在一个系统上。如何实现我们设计的系统？把它拆开，进行分散化，变成不同的模块，我要进行优化，大部分组件都是现有的，直接拿来就用的。按照我喜欢的方式进行安装。

　　在此之后，如果看一下这个，是实际的可视化，把不同的元件和安装的方式，放在联通的实验室，在硅的晶元上一样，如果你能够实现这一点，我们就可以将它的连接性做的更好，可以做微米级的，可能变成更大的尺寸。这些芯片之间的关系不是1：10，1：100，而是更多的比例。因为晶元片上有更多的片膜，我们应该怎么做呢？这意味着更大的间距会出现，连接到电路板的概念并不新鲜，但是精准的间距是有好处的，可能涉及到两微米左右。当然了如果我们看到晶片上的对准是非常精确的。这样的刚性互联结构是不是正确？总的来说要求非常简单，机械鲁棒性上要兼顾，平坦坚韧可加工。一些细的布线和互联要做到。还有一些导热性的要求，还有有源和无源的内置组件。这对于食品很好，但是对于电子方面并不好，比如玻璃方面，是很脆的，英特尔和其他的公司在开发其他方法，把这个硅应用到电路板当中，最好的材料可以说是硅。

　　50年的发展告诉我们，实际上目前来讲，硅是最好的，比钢铁还好。它有非常好的特性，有自己的特性，融合在电路板上的使用满足很多的要求，有很好的导热性。硅有非常好的封装技术，封装材料。像以前很多技术实现不了，现在完全可以实现硅片放到晶片上运用到电路板上，我们正在建立四层的基于硅的刚性互联的结构。特斯拉的老板也进行了研究，也是使用了硅。在下一代的封装材料中硅是不可或缺的，也是非常主导的材料。这是非常简单的层级的结构，在硅互联的结构中，具有非常简单的结构层级，唯一的材料是硅和硅化合物，大家将这个组合起来，使用一些硅标准方面的材料进行操作。

　　我们有一些小芯片把他们连接在一起，利用铜线进行连接，你要了解铜表面的特性就会了解到这会产生其他的挑战，比如说粗糙性，和纳米级成线的问题。大家可以用商业的方法来进行我们在大学里面可以做很多的研究，也可以在企业里做研究。这里有一个例子，显示了我们可以在生产企业里来利用硅，这里面看到有非常精细的集成，这些制造技术集成了很大的器件，大家看一下这些组合中有不同的直径，比BGA的方法好的有5倍左右，这里面利用的简单接口进行串联可以在微米级实现。还有其他问题的挑战，我只是列举了图案，射频、光纤和热管理和冗余的测试的网络以及发展IP的系统很多方面。

　　医疗领域的应用考虑到柔性的融合。比如说扇形的晶圆元体的封装，如何应用到柔性的设备中。同时机器弯曲的可靠性，在封装领域发展非常快。要解决两个应用要求是非常重要的，第一是高性能；第二是低电耗或者能耗。这是对我们医疗应用领域是非常重要的。这是LED的集成晶片的使用。这里有一个显示，左边是绿色的可折叠的显示，右面是柔性的显示屏，这些技术也面临非常大的挑战，就是压缩的问题。因此，如果要全面的实行技术的落地，或者进行技术的积累。问题在于我们要有一些好的想法，还有更多技术的研究。如果这些无线的连接技术能够加以支持的话，就能够取得更好的结果。所以说在这些方面，在封装领域还有一些挑战，在医疗领域封装很重要，60年代我们就知道，在封装和医疗领域结合起来的时候我们会看到有很多差距。我们可以做很多好的工作来不断改进这方面的情况。

　　最后再谈谈两个异构集成的平台，一个是硅互联结构，一个是晶元级封装平台。对摩尔定律来讲下一个突破是如何建立更多的性能，尤其是单位成本下的提高功能。我在这里提出了一些内容，我们可以进行很好的缩小，工程学技术积累了很多，问题是对于封装方面的投资非常少，微乎其微。大家经常开玩笑说，相对于半导体整体行业全部的投资，封装领域的投资还买不到半加仑的汽油，所以投资需要继续跟上，我们希望情况有所改变。即使这样会耗资五千万美元，这些都是需要资金的，甚至将来有些系统会耗费十亿美元之多的资金。所以非常大的公司才能承担得起。我们在这方面的创新，一些小规模的企业确实很难承受。我们是希望将来的创新不光让小企业受益，希望今天我们讨论的内容对将来的创新带来启发，希望更多人设计系统，我想感谢和我一起合作的同事们，还有我的博士生和硕士生，还有校友，他们都极大的贡献了我今天演讲。

　　（对话环节）

　　主持人

　　俄亥俄州立大学Robert M. Critchfield讲席教授，国际计算机学会（ACM）院士张晓东：

　　我们对话要开始了。刚才我们听到了Jason C.S.Woo和Subramanian S.lyer两位教授精彩的演讲。对话环节还有两位重量级专家，来自中国科学院的刘明院士和叶甜春所长，所以我们有一个重量级的阵容。顺便我介绍一下我自己，张晓东，来自俄亥俄州立大学。今年获得了未来论坛计算机科学大奖的是我们州立大学的毕业生。作为一个大学的教授，什么时候是最自豪的呢？就是自己的学生取得巨大成绩的时候。我们去年针对半导体这个题目做了对话和研讨，我也参加了，那时候在我的专业里。我是半导体和芯片的用户，我用芯片搭计算机的组织结构和计算机系统。

　　我能够代表公众替大家向专家问几个问题，我准备了三个问题，比较高层次的，我们今天的对话是这样的，我简单问这样三个问题，他们每一位给我们做回答，我把问题给大家打开，让大家向专家来问问题。

　　摩尔定律对我来讲有三个含义；第一，我们用增加晶体管的方式来使芯片增加性能，这个效率已经越来越低，或者最终停止。第二，摩尔定律从1971年第一个微处理器开始到今天已经有四五十年的历史。在这四五十年当中，我们做计算机组织结构，研究计算机系统，其实就是建立了非常庞大的计算系统。它是一个通用的系统，到今天看来应该是越来越有效果，这是完全在摩尔定律主宰下的。其实摩尔定律虽然在变慢，但是我们计算的脚步并没有停止。比如说我们在不同的领域中用不同的芯片，因为芯片不光给我们半导体提供了做通用计算的方式，还给我们提供不同计算的方式，比如GPU，FPGA等等。我们的计算脚步一直在往前走，不断在提升。那么我的第一个问题就是：在座的半导体芯片专家面对目前这样的问题，从你们的角度来讲，从做芯片的角度来讲，你们觉得这些问题怎么样来解决？或者说你们认为在芯片领域中怎么样去面对这些新的挑战？要不我们从叶所长这儿开始？

　　中国科学院微电子研究所所长叶甜春：说到摩尔定律，我想说一下刚才提到的处理器，芯片跟我们之间的关系。晶体管刚开始发明的时候还没有摩尔定律，正好是一个需求方和技术提供方的完美的契合。最早的晶体管发明没有特别明确的目标，当时是想把晶体管集中在一起有更大的功能。后来想根据我的需求，能不能把集成电路提高，到了这么多年计算机技术发展到现在，有自己发展规律，核心的驱动还是集成电路整体性能的提高。到现在为止摩尔定律会放缓，更多的晶体管要集成进去，从计算的角度还要提要求。这么多年集成电路和计算技术伴随在一起发展，因为集成电路的进步使得搞计算机的人学会偷懒了，他们只要跟我们负责芯片的同志提出更高的要求，更高的速度，更多的晶体管，更高的集成度，你们的计算就能做下去。其实目前来说，集成电路的性能以如此高密度的集成度，它的潜力还远远没有发挥出来。就是说我的集成度即使进度放缓，对计算机领域来讲，应该找到新的创新路径。基于现有的技术从架构创新，新的算法提升，等等其他方式，有它自己的路径往前走，这个不要全部把压力放在集成电路上。

　　Jason C.S.Woo：我非常同意您刚才说的观点。因为数字晶体管价格低，到处都有，还用很多其他的功能，如通信、射频、数字模拟等等，都可以用一种数字型的设计来实现。刚才您提到的一点我非常同意，现在摩尔定律的脚步在放慢，但在下一代的演进中是多样化和丰富化。如果芯片的摩尔定律往后退一步，要求更多的智能设计和系统设计，也要推动下一步的发展。我给大家一个非常简单的例子，对于内存长期来讲，我们让设备越来越小，或者更加的可靠，如果做不到这一点应该怎么办呢？你只能使用仿模拟的，不是0和1，每个设备都有自己的字节。相同之下到底什么在推动？刚才提到数字中心，或者移动设备或者是云计算等，需要更多的交互只有通过有数字推动的计算支持，能耗也许是最有效的方式。每个发言的嘉宾都提到，就是这种多样化，还有异构性，我们是否真正的实现更好的模拟的晶体管。有数字化的变化，不仅是数字化的设计，实际上这种晶体管能够提供更多的处理的功能。通过这种方式你就可以优化整体的芯片的功能，更为重要的是，它的性能跟功耗之间的置换，所以异构和多功能是两个关健词。刚才提到如果你不需要或者非常复杂的数字系统，只需要FPGA，或者基于内存的IC，让整个系统的效率更加高。我觉得整体的交换，同时来优化。未来是非常有前途的。

　　中国科学院微电子研究所研究员，中国科学院院士刘明：我同意两位教授的观点，其实摩尔定律不是科学的规律，只是一个预测。在可以预测的未来，摩尔定律ending并不意味着IC就不发展了。我个人认为这是两个不同的概念。刚才这两位都提到了系统层面和集成等方面的工作，刚才Jason的报告也提到，我们从Device平面的改进，同一generation的performance也增长很多，事实上顾客看重的不是哪一代技术做出来的，更关心整体的效果。IC能做什么呢？我觉得还可以做很多。从计算机的体系架构来讲，存储器上logic比memory会有更大的空间，存储器目前上已经取得了巨大的成功。从一个角度来说，IC还可以走空间发展的道路，这是纯粹IC本身的发展。我们计算机今天的体系架构是存储和计算分离的，这个架构初期问题不大，这些年累计下来，计算系统显得很庞大，很不高效，也许memory还能做很多工作。我们大家知道新的英特尔的技术，比传统的DRAM慢一点，比如10倍的慢，但是是非意识的存储器，在很大程度上弥补了一个gap，那么未来有新的device出现，即可以做计算又可以做存储，对未来计算架构也是一个大的突破。未来不同分支的同事要有共同研发的角度来考虑问题。

　　Subramanian S.lyer：刚才您提到的这一点是非常重要的。我自己在IBM工作的时候，我最主要的研究领域是如何让memory和logic来匹配，像3D和很多的功能都能够让memory更好的发挥。我们要让处理器更加的靠近内存，很多的关键点都是可以通过内存处理器来实现的。还有一点是关于AI的应用的，那就是模拟的内存，更加广泛的范围，在模拟的设备之上使用动态当中不同的点，对内存来说意义不一样，重新去思考这样的架构和范式。其中一点，我们要去思考我们大脑的功能，人类大脑有这样的故事，大概有8500亿的神经点-节点，男女的数量不一样。人类当中300亿的神经节点是不工作的，因此这些本身每一个都是10个微米这么大。你可以看到每一个之间的连接点，大脑细胞之间的连接点都是相当于四个。神经元组合在不同的突触上，为了获得高效的计算，我们要考虑如何让这样的系统更加的智能，更加的节能。如果看一下超级计算机就是这样的方向，但是永远达不到大脑的容量或者处理信息的神经元突触。你很难通过扩膜，所有问题回到互联的问题，如何很好的解决问题，界定问题，在下一代当中要更多的去思考。

　　张晓东：四位嘉宾回答的问题都远远超过了摩尔定律所起到的作用。第二个问题，如果我们从做半导体的角度来讲，从做芯片和集成电路的角度来讲，不能增加晶体管的数量在一个芯片上来提高性能的话，我们还有别的方式使计算机的性能继续发挥？请各位专家给出一个比较具体的在你们领域的技术。

　　叶甜春：大家说的摩尔定律，这么多年大家依靠特征属性的缩小，在单位面积内增加更多的晶体管，那么这种方式能不能最终走到极限？十几年前这个行业已经在做了，不仅仅是平面的缩小，还有从三维角度来集成。这个存储器已经在做了，尤其是我们知道闪存是32寸、48寸、96寸和128寸，晶体管的数量会大规模的增大，刚好尺寸缩小。刚才教授提到的异质集成，更多的芯片叠在一起，按照这种方式在系统集成上的三维做下去增加数量，差不多是这样一个模式。未来我用新的材料做的更细的，二维半导体做成晶体管也可以做三维集成。

　　Jason C.S.Woo：五年前在我们的学界里通常会问你一个问题，More than moore？还是要更多的关注功能呢？不是单靠越来越多的元件，而是功能，看它能不能执行你的任务？是不是支持很多的功能？对我们来说非常重要的？那就是性能的表现，还有内存的问题。因为内存并不是说在能耗方面表现的非常饥饿，需要相应能耗的调整。这是非常重要的有很多的方法可以来选择。比如说像大脑一样，每一个晶体管并不需要很快的进行运行。比如极端的平行预算，通过定联也可以实现一些功能，超级片膜，很多的创新已经出现了，并不是说严格的按照整个摩尔定律预测的方式出现的。

　　刘明：材料的进步对IC的发展是非常重要的。我们今天讲的摩尔定律，其实在整个半导体发展历史中，半导体带来通讯技术的快速发展，也使得半导体照明发展起来。一代代新材料的出现，会让整个IC变得更加强大，这些路其实都没有按照我们缩小尺寸方式来走。新材料的研究也会对整个IC带来更大的进步。

　　Jason C.S.Woo：我想稍微补充一下，不光是摩尔定律，少就是多，什么意思呢？各种工程学方面的学科，很多学科跟生物学方面连接的越来越紧密。我们开发了很多的新技术，超越了古人。我们看一下我们到底可以做什么？这些技术到底能做什么呢？我们要解决很多地理的定位或者其他的研究，甚至有人提出到火星上去。现在回到IC话题，这方面我们已经取得了很大的进展。我们忽视了大脑的计算原理？实际上大脑的计算就是基于转换和逻辑计算。如果大家仔细思考的话，实际上这个大脑就是模拟装置。我觉得大家应该认识到，我们有一些做法不一定对，我们的知识应该得到更好的利用。我们具有原始的知识，还要学更多的东西，我们有很多东西要学习，我们要更好的了解生物科学、神经科学，这样能够更好的进步。其实有很多东西，我们应该有这样的思维，我觉得我们这个行业需要学习，不断的来改造升级这个行业，不管是晶体管还是其他方面都要更多的。我们更好的通过生物科学计算的辅助实现更多的前景。

　　张晓东：最后一个问题稍微哲学一点。刘老师说摩尔定律是一个观察，只是从62到65三年的观察规律，却没想到驱动了整个行业，不光是半导体，还包括软硬件和系统。从经济学角度来讲，最开始的时候，人们在讲什么是提高生产力？最开始是劳动创造价值，这就是单一要素的生产力理论。我们看到后来发展全要素，包括了土地，投资，管理制度，人员教育和环境等等。我们从它经济学发展过程中，摩尔定律肯定也是单一要素的，因为它只考虑了晶体管的数量这一唯一要素。只要增加这个要素，就会提高生产率。那沿用1965年摩尔定律这个名字，有没有一个全要素现代的摩尔定律？他会是什么样的？我相信摩尔定律单要素的，一定会发展到全要素的。那还从叶所长开始。

　　叶甜春：你这个问题提的有点复杂。摩尔定律创造了一个奇迹，它是单一的，但不是靠单一因素就可以驱动的。其他行业有没有？可能很难。因为人类现在进入了信息社会，IC是最基础的，大家都用一个产品，是高度全球化的行业，几乎全世界每一个国家，尤其是发达国家，技术能力强的国家都要参与不愿意落后，这可能首先是它对于整个人类社会我们的经济社会发展的重要性。有了这个前提之后，第二个前提有了。大家都要参与，谁都不愿意落后。摩尔提了这个要素就是预测了几年以后未来可以这样走，结果Intel走在前面，IBM也在走，任何一次落后都意味着淘汰出局，都必须按照这个节奏往前走。谁都不敢落后的时候，导致预测变成了一个指南，直接按照路线图，我们可以叫蓝图，更多叫指南。你按照这个时间表规划，一旦出现问题就有问题，所以慢慢的就变成了对大家有强约束。这种时候所有的经济要素都在里面了，我该投入的资金，投入的人力，科学技术的研发要提前做准备，全部跟进往前走，这里面涉及到很多的东西。走到现在为止，尽管尺寸缩小走不下去了，但我们说三维还要走。完全靠晶体管数量的增加和单一性的提高已经不够了，这时候在系统层面计算机领域也好，新的架构的创新和新的算法的创新就会跟进。我们把摩尔定律再扩展的解释一下就是全要素了。我也只能回答到这个程度了。

　　Subramanian S.lyer：推动摩尔定律能够持续50年的原因，是消费者的需求或者社会的总体需求，因为大家一直需要更高的计算的能力。所有东西的发展是因为有需求。我们发展汽车也好，每小时跑多少公里，但不需要要求一秒钟就必须达到多少行驶的速度。在摩尔定律背后有很多的演变，比如通信系统和其他的系统，还有各种应用社交、媒体、百度、微信或者搜索引擎等等，在很大基础上驱动了摩尔定律发生效率。从这个角度来看，不光是摩尔定律。能够产生超越纯粹的摩尔定律是跨越式发展，不光是新功能，还有新材料的应用、新架构的使用。这些在将来都非常重要能够进一步满足消费者的需求，大家也听到了非常好的消息，在过去8年中投入了数千亿美元的研究，包括AI、图象识别、GPU、模拟计算等等。当有需求的时候，作为工程师我们应该使用新的系统、新的材料我们能够实现创新的技术，我对此深信不疑。

　　刘明：刚才两位讲的很好，我作为这个行业的从业人，我对未来充满信心。我们所长也提到了，摩尔定律在过去50年起到了很大的作用，相当于一个共同的旋律，整个行业在共同的旋律下一起进步。我们如果喜欢跳舞，没有音乐就不跳了吗？我们可以跳啊。要么找到共同的旋律，要么找到自己喜欢的音乐分成小拨。从经济学的角度来说已经非常不经济了，行业已经逐步走向了垄断。我们也知道一个行业逐步走向垄断，这个行业的末日也就该来临了。未来的IC会是更加高效更加经济的。因为有摩尔定律像宝剑旋在上空，让这个行业发展很快，也扼杀了很多的创新，你只要不在主流技术这条线上，你是没有办法进入的，所以IC发展只集中在这几家公司的原因。虽然IC买到你手里很便宜，但是制造和研发的过程是非常昂贵的。当这种垄断，几家独大的局面打破以后，会给小众的东西带来生机。

　　叶甜春：我补充一句，微电子发展的几十年中，需求在驱动创新，但同时创新在创造需求，这是相辅相成的交替过程。一开始，晶体管做的多一点，到后续发展好一些，我们发现从大型计算机PC机也可以做，互联网也可以做，到现在我们是需求牵引到一定阶段的时候。过去十年很多是创造需求，尤其是集成的大规模使用，计算机的大规模使用以及互联网的普及，随着新的需求来了，未来摩尔定律我们行业怎么往前发展？我觉得摩尔定律往下走的话还有十几年的工夫，这段时间如果有新的需求，大家能提出来就又有新的发展了。这是进入下一个阶段需要做的事情。

　　Jason C.S.Woo：我非常同意刚才嘉宾的观点，为什么IC从经济学的角度来讲是有经济性的？又为什么被这样的垄断？如果IC整体的量是非常大的，非重复性的工程成本要去将你的产品丰富性的发展，这是可以做到的，还是有经济的理论支撑的。只有几个公司几种芯片的类型，并非是优化的，但是有这么多的用户，总体来讲是能够实现低成本的，未来如何发展？我们希望有异构或者多样化的，我们需要打造一个平台，将这种技术全部融合在一起，放在一个系统中，有更加合理的成本和性能的置换。基本上做芯片的整合，我们认为能够推动很多的应用，更多的演绎，更多的层，整合更多的异构和材料，有可能成为下一代的创新。实际上能够推动很多的技术的应用，这种应用是我们没有预见到的。

　　Subramanian S.lyer：我不知道多少人打棒球？纽约洋基队的球队经理他是非常了不起的工程师，他曾经这样说过，看上去是结束了，除非真的结束了，否则是不会结束的。马克吐温曾经说过，关于我的死亡的传说都是假的。所以我觉得这个摩尔定律很多的传说也很老了。人工智能也好，一些其他的技术也好，如果芯片不能放大，你就放大其他的。全要素的摩尔定律，必须要考虑半导体的封装和芯片的架构。大家都知道在过去15年中软件工程师一直在做，但做得太有限了，除了涨薪酬，其他的事情一点贡献也没有。基本上我们现在软件不用重写，可以用其他的软件作为基准来进行调整，还包括能源的损失基本上可以降低。 叶甜春：如果摩尔定律可以不断的缩小芯片的尺寸，那么做计算机的能不能把你们的代码说的更简单一点？我们集成做起来就没有那么吃力。我觉得未来有可能走到这一条路上。这是需要跨行业跨领域的协同创新。

　　张晓东：感谢各位专家非常精辟的对摩尔定律的讨论。大家有什么问题吗？

　　提问：我跟晓东在AI的项目中合作，是上海实验室的负责人。我们在考虑AI的趋势的时候，有点像大规模的处理器的发展一样，80年代、90年代，最基本的是CPU。背后是有原因的，很多的算法不是说人类的大脑的方式是最好的，我们想一想这些研究在分化的系统和架构中，从一种角度来说是计算的演进。有时候效率也是不高的，从系统和软件的角度来讲，也是严肃的话题，让你们不断向前发展的。

　　Jason C.S.Woo：我非常同意这样的说法。有时候朝一个方向摇摆太多，重点要多样化，还有功能的优化，包括性能和电耗等等。我们需要考虑整个系统的优化，这是我们未来下一波的技术发展。

　　提问：我的问题是现在人工智能对摩尔定律是更加依赖？还是说会优化进程？

　　叶甜春：目前从我的角度来看是非常初级的算法，远远谈不上我们理想化的智能。基于现在集成电路来讲，完全能满足它的要求。倒过来说，人工智能依赖摩尔定律，那一定不是人工智能。如果人工智能发展的快会缓解摩尔定律的压力，比如28纳米和40纳米的人工智能处理器，人工智能就应该达到现有的体系架构，这才是人工智能的意义，如果集成电路发展下去，人工智能做的好，这个行业空间会更大。

　　Subramanian S.lyer：确实有人也问过这样的问题，如何看待西方文明？同样的思考的方式，如果我们看AI的话，我们应该用AI的角度看。

　　张晓东：最后一个问题。

　　提问：谈到大脑的智能，我是研究生命科学的，我用电脑进行人脑的模拟，有一个问题，现在有没有的可能性模拟蛋白质传递的通道？不管使用什么样的材料，有没有可能来在最近的将来能够实现吗？

　　Subramanian S.lyer：如果大家看一下计算的能力和方法的话，可以进行相应的模拟。现在模拟的效率已经很高了，能用几个小时就来进行模拟，比以前提高了很多很快。计算机的本质即是模拟的计算，且越来越重要，还有近似计算的技术。基于精准的方法给我们带来非常有意义的结果，而且耗时非常短。如果我们能够在模拟计算方面取得很大的进展的话，远超今天的进展的话，有可能在将来为我们实现您谈到的愿景。

　　张晓东：时间到了。我们用热烈的掌声对四位嘉宾的演讲和解读表示感谢！