本屆會議上，IBM、三星等公司展示了其在AI晶片領域的最新進展；谷歌、德州儀器等公司分享各自在雷達晶片中使用的創新技術；英特爾、荷蘭代爾夫特理工大學等則展示其在量子晶片研發方面的最新嘗試……

▲ISSCC 2021期間晶片領域新進展彙總

一、AI晶片：產學界玩家齊現身，五款AI晶片競技

在ISSCC 2021會議上，IBM、三星兩家公司，南洋理工大學、哥倫比亞大學兩大學府的研究團隊，分別分享了各自在AI晶片領域的最新進展。

其中，IBM、三星分別從提高AI晶片能效和效能著手，兩大學府則分別著力提升AI晶片對影象、聲音的識別能力。

1、IBM：晶片能效比高過NVIDIA A100

IBM在ISSCC 2021大會上發表了據稱是“全球首款”採用7nm製程工藝的高能效、低精度訓練/推理AI晶片，該晶片整合四核心，面積為19.6平方毫米，可達到80%以上的訓練利用率和60%以上的推理利用率，而通常情況下，GPU的利用率在30%以下。

相比同樣採用7nm製程工藝的NVIDIA A100 GPU，IBM新款AI晶片具備能效優勢。具體來說，NVIDIA A100 GPU在int4精度下的能效比為3.12TOPS/W；而IBM新款AI晶片在同等精度下的能效比為8.9TOPS/W。

這背後，IBM為其新款AI晶片採用了超低精度混合8位浮點格式（HFP8，hybrid FP8）。這是IBM於2019年釋出的一種高度最佳化設計，允許AI晶片在低精度下完成訓練任務和不同AI模型的推理任務，同時避免質量損失。

此外，IBM新款高能效AI晶片添加了電源管理功能，可減緩晶片計算過程中的功率消耗。

2、三星：釋出業界首款內嵌AI晶片的高頻寬記憶體

在ISSCC 2021上，三星釋出了一款高頻寬記憶體處理器（HBM-PIM，high-bandwidth memory, processing-in-memory），這是業界首款內嵌AI晶片的高頻寬記憶體，可用於加速資料中心、高效能計算應用、人工智慧應用。

三星指出，當他們用現有的HBM2 Aquabolt系統測試新技術時，發現系統性能翻了一番、能源消耗降低了70%。

目前，三星還在與AI解決方案合作伙伴對HBM-PIM技術進行測試，並期待在2021年上半年看到對HBM-PIM技術的測試結果。

原理方面，該處理器集成了一個以300MHz頻率執行的PCU（Program Control Unit，程式控制部件）。該PCU由主機CPU採用常規記憶體命令控制，可以直接在DRAM單元中執行FP6運算。

此外，當系統執行的應用程式不是為HBM-PIM編寫的時候，HBM-PIM可以作為常規RAM執行。

3、三星：5nmAI晶片跑CNN模型能效比達13.6TOPS/W

除釋出高頻寬記憶體處理器外，三星還分享了其5nm三核心AI晶片的技術細節，該芯片面積為5.46平方毫米，額定電壓在550～900mV之間，時鐘頻率在332MHz～1.2GHz之間。

效能方面，在相當於多執行緒CPU操作的吞吐量優先順序模式下，該晶片在332MHz下的每秒推理數為194；在1.196GHz下，該晶片的每秒推理數為623。

能效方面，在0.6V電壓下，該晶片對CNN模型Inception-V3的執行結果顯示，其能耗為每焦耳的推理數為1190，能效比為13.6TOPS/W 。

據三星方面分享，其5nm三核心AI晶片的每個核心中，都集成了2個子核心（卷積引擎）、1個向量處理器單元，以及一兆位元組的暫存器。其中，每個子核心都具備權重–特徵對映（weight-feature map）。每個週期中，該晶片可以執行16維向量的64個點積。

4、南洋理工大學&哥倫比亞大學：分享動作/聲音識別晶片絕技

新加坡南洋理工大學和美國哥倫比亞大學在ISSCC 2021會議上展示的晶片均採用65nm製程。

其中，南洋理工大學分享了一款實時手勢識別晶片，該晶片適用於可穿戴和物聯網裝置場景。這款晶片採用65nm製程，面積為1.5平方毫米，可用於識別24種動態手勢，平均準確率為92.6%。在0.6V電壓下，功率為184μW。

哥倫比亞大學團隊則分享了一款噪聲識別晶片。據哥倫比亞大學分享的資料，在570nW功率下，該款晶片解決方案在5～20dB的信噪比範圍內，對4種不同噪聲型別的識別精度可達到89～94%。

二、雷達晶片：谷歌/德州儀器分別揭秘手機/車用雷達技術細節

在雷達晶片領域，谷歌和德州儀器的演講者分別現身進行技術講解。

谷歌首次揭秘搭載於Pixel 4手機的“Soli”雷達晶片技術細節；德州儀器則分享了其車用雷達晶片、工業用雷達晶片的獨特設計。

1、谷歌：揭開手機雷達晶片5米“識人”秘訣

谷歌的“Soli”雷達晶片搭載於Pixel 4手機中，可用於識別手機前方5米範圍內的人類手勢，並將距離誤差控制在800mm內、將角度誤差控制在80度範圍內。

該晶片採用英飛凌公司的0.13μm製程BiCMOS工藝製造，1.8V下的峰值功率小於400mW。

據谷歌分享，“Soli”雷達晶片由一個發射通道和三個接受通道組成。每個通道均在5*6mm封裝的頂部封裝共振貼片天線，天線體積小到可以嵌入手機面板。

此外，共振貼片天線被切割到晶片4層金屬層封裝的頂層，並在下層中有饋線（feeder）。資料顯示，“Soli”晶片的收發隔離度可以達到20dB以上。

▲谷歌“Soli”雷達晶片天線示意圖（圖中左部）

2、德州儀器：兩款45nm雷達晶片的架構秘訣

德州儀器在ISSCC 2021大會上分享了兩款45nm雷達晶片的技術細節，兩款晶片均採用覆晶技術封裝，具備9層金屬層。

其中一款用於76～81GHz頻段下的FMCW汽車雷達；另一款採用封裝整合天線，適用於60GHz頻率下的工業感測。

據德州儀器在ISSCC大會上分享，適用於60GHz頻率下工業感測的雷達晶片採用了一種“無模型晶片級倒裝晶片封裝（mould-less under-mount chip-scale flip-chip package）”。

該晶片中，天線安裝於15×15mm球柵陣列封裝（BGA）和60GHz死區的底部。發射天線和接收天線均為凹型（cavity-backed）的“E”型貼片。

三、量子晶片：英特爾22nm低溫CMOS可驅動16個自旋量子位元

放眼整個行業，量子晶片發展尚處於初級階段。但是，量子計算強大的並行運算能力，吸引著眾多玩家在這個新興領域進行不輟探索。

本屆ISSCC大會上，英特爾、代爾夫特理工大學、洛桑聯邦理工學院和劍橋日立，分享了他們在量子晶片設計方面的心得。

1、英特爾：展示可驅動16量子位元的22nm量子晶片

英特爾展示的量子晶片採用22nm FinFET工藝製造，可在4K溫度下執行，實現了最多對128個量子位元（qubit）的控制。

該晶片與一個被冷卻到20mK溫度下的自旋量子位元相鄰。為增加量子晶片的靈活性，英特爾晶片設計人員還在該晶片上增加了一個微控制器。

該晶片具備量子位元讀出（Qubit Readout）和多門控脈衝（Multigate Pulsing）兩大功能。

透過多頻率複用，該晶片可在一條射頻線路上驅動多達16個自旋量子位元，並同時讀取6個量子位元的狀態和控制22個門電位。透過同時控制多個門電位，該晶片可有效地進行量子位元讀取、實現多個量子位元的糾纏和操作。

▲英特爾量子晶片示意圖（圖片右部）

2、代爾夫特理工大學&洛桑聯邦理工學院等：分享量子計算低溫CMOS技術新進展

來自荷蘭代爾夫特理工大學的研究團隊分享了兩項量子計算低溫CMOS技術。

其中，一款低溫CMOS在4.2K的執行溫度下，增益為58dB、噪聲係數為0.6dB；一款模擬數字轉換器能以36.2dB SNDR、低於0.5mW/量子位元的功耗讀取多個量子位元。

瑞士洛桑聯邦理工學院和劍橋日立分享了他們在低溫CMOS領域的一項聯合研究，即一款採用40nm製程標準CMOS工藝製造的量子晶片。

該晶片在5～6.5GHz操作頻率下增益為70dB、噪聲係數為0.55dB，可讀取70個量子位元，能耗為1.5mW/量子位元。

結語：9大技術彰顯晶片設計風向標

作為已有近70年曆史的積體電路設計領域頂會，ISSCC會議彙集了各領域晶片設計玩家的最新技術突破與探索。

可以看到，在AI晶片領域，除了不斷提升晶片算力以外，最佳化能效比日益為晶片設計玩家所重視。此外，物聯網應用加速落地與雷達晶片技術升級相互促進、產學界對量子晶片技術的探索亦未停歇。

此外，除了上述提及的與會玩家，還有其他玩家展示了其產品的最新應用情況。比如，NVIDIA、百度分別攜A100 GPU、百度崑崙1通用AI處理器線上亮相。