埃米是一种非常小的度量单位，相当于一米的百亿分之一。它通常用于表示原子和分子的尺寸。在半导体行业中，埃米也用于表示IC器件的尺寸。2021年，英特尔率先制定了一个具有开创性的埃米级制程路线图，并计划于2024年投入生产（点击阅读原文查看）。此外，独立纳米和数字技术研究中心IMEC也提出了一个芯片微缩路线图，预测到2036年，半导体行业将能够发展到2埃米级别。
要实现埃米级芯片设计，需要整个半导体生态系统的协作和创新。从光刻领域的创新，到新型晶体管结构的创新（如GAA和CFET），再到Multi-Die系统的发展，这些领域的创新技术将引领下一代埃米级芯片设计。
在埃米时代，纳米已经不再小了。埃米时代的世界是什么样的？电子行业又如何才能充分发挥埃米制程的潜力？
埃米级芯片，拓展摩尔定律，打破性能瓶颈
摩尔定律指出，每一代的晶体管密度都能达到上一代的两倍，在纳米制程时代，摩尔定律正在趋近极限。在埃米级时代，芯片上集成的晶体管数量将多达数十亿个，器件将能够以更低的功耗提供更高的性能。芯片制程进入埃米级有望扩展摩尔定律的优势，为打破芯片性能瓶颈提供新的可能。
埃米级的设计为自然语言处理、基因组测序、工业4.0制造和科学计算等应用奠定了新的计算可能性基础。未来，以下场景都可能会实现：
生产线配备更紧凑的机器人设备，这些设备经过训练后，能够比当今的工厂自动化设备更快、更精确地完成任务
通过更快、更准确的建模能力，预测气候变化的影响、加速新疫苗研发、提供对财务投资组合和风险管理的更深层次的见解
为汽车等行业提供更高效的研发和产品设计流程
埃米级设计，消除阻碍SoC性能的瓶颈
芯片的各个层面都存在着瓶颈。以神经网络处理为例，神经网络用于深度学习算法，它可以识别原始数据中的模式和相关性，进行聚类、分类，并从中学习以实现持续改进。这些算法依赖于大量并行处理器的协同工作。一块芯片上可以放置的处理器越多，芯片运行这些海量工作负载的速度就越快。然而，为了实现支持此类应用的SoC所需的PPA，芯片开发者必须克服以下多个瓶颈：
晶体管层面，在将晶体管连接在一起的互连组件周围存在着一系列瓶颈。
处理器层面，开发者需要在以下各个方面做出权衡。比如处理器的复杂性和数量、连接它们所需的互连组件数量，以及在处理单元与系统内存之间快速移动数据的需要。
内存层面，由于片上内存的微缩速度不及标准单元迅速，二者之间会存在一定的差距。因此，随着逻辑器件变得越来越小，如果内存尺寸无法相应地缩小，能够提取的内容就会受到限制。
更大的处理器似乎更易于编程且能够执行更多任务，但开发更大的处理器虽然看起来更容易，其实会增加高效设计和制造的复杂性，还可能导致并行任务的数量减少、简单任务的功耗增加。所以采用埃米级设计才是解决之道。
埃米级制程的设计基于大量的研发实践，涵盖了整个设计链中的诸多技术，包括核心制程定义、芯片设计构建块，以及支持芯片设计的一套设计自动化工具和流程。其构成要素包括：
用于增强传统光刻微缩的新晶体管结构
用于构建数字孪生候选晶体管结构的技术，以及用于评估和选择最有前景的结构的制程定义
作为芯片设计构建块的新逻辑库和内存架构
电子设计自动化（EDA）工具中的新算法，使开发者能够实现和验证使用这些构建块设计的芯片（晶体管数量呈指数级增长）
利用先进的光刻工具，晶圆厂能够刻印更小的结构。目前正在研发的高数值孔径（High-NA）极紫外（EUV）都是预计将于2025年交付给晶圆厂的先进光刻工具。此外，GAA晶体管结构允许将多个通道堆叠在一起，从而增加芯片密度。
将埃米级架构中的供电从晶体管上方移至晶体管下方，这一工艺被称为背面供电（BSPDN）。背面供电可以充分发挥GAA结构的高密度潜力。通过将供电置于背面，开发者能够缩小逻辑单元的高度，因为在背面供电中，逻辑单元已不再需要顶部和底部的宽导线（称为电源轨）来传输电力。此外，这还节省了单元上方布线层上的大量布线资源，使得芯片的正面可用于信号路由，并防止互连引发的瓶颈。
不仅如此，GAA还可以实现FinFET结构无法实现的内存扩展，同时减少漏电流并增加驱动电流，以进一步提升芯片整体性能。CFET是GAA更为复杂的版本，它由垂直堆叠的晶体管组成，具有显著的面积和性能优势，尤其是对于存储器而言。由于CFET针对的是2.5纳米及更小制程的设计，因此有望在埃米时代发挥不可或缺的作用。
另一项与埃米级裸片相媲美的创新是Multi-Die系统，它由多个裸片（通常称为小芯片）组成，裸片之间相互堆叠和/或与中介层连接，最终集成在单个封装中。这种相互依赖的架构可通过分解的方式来构建，也就是将大的裸片划分为较小的裸片以提高系统良率并降低成本，或是将使用不同工艺技术的裸片组装到一起以提供出色的系统功能和性能。与大尺寸单片SoC相比，Multi-Die系统能够加速系统功能的扩展，并具有降低风险、缩短产品上市时间、降低系统功耗以及快速开发新产品版本等优势。
埃米级裸片可以在Multi-Die系统中发挥重要作用，支持带宽密集型应用所需的处理能力，而基于旧制程节点的裸片可用于满足负担较小的芯片功能。
半导体行业的新发展之路
随着芯片上封装的元件数量变得十分庞大，设计和验证过程变得愈发复杂，加之埃米级晶体管数量高达数十亿个之多，在驱动EDA流程的算法中集成人工智能（AI）和机器学习（ML）的作用就凸显出来。人工智能和机器学习能够以比传统EDA解决方案快几个数量级的速度，寻找重复性大型任务中的模式或效率优化空间，并发现极其微小的错误，例如十亿分之一的相关错误。
此外，机器学习还使得位于实现周期前端的应用（例如综合）能够尽早了解流程后期可能发生的情况，以便开发者做出预测性决策，从而引导流程通向最佳解决方案。人工智能和机器学习的应用不仅有助于提高开发效率和设计质量，还能缩短埃米级裸片的周转时间。
除了使用AI驱动的设计和验证流程外，经验证的IP也能够降低集成风险，同时缩短先进半导体器件的上市时间。芯片生命周期管理（具有片上监控功能）等解决方案有助于跟踪芯片在整个生命周期中的健康状况和性能，触发调制电源电压等方法以延长芯片的使用寿命，并在芯片失效之前请求予以更换。
实现更优化的PPA一直是开发者们努力的方向，埃米级微缩是其中具有代表性的创新之一。通过这一技术，未来的芯片可能会以超乎想象的方式影响这个世界。
