芯片封裝環節的“雙芯疊加”技術最近備受業界關注。

　　引爆點是蘋果公司在3月9日凌晨推出的用于PC的M1 Ultral芯片，該芯片號稱是有史以來最強悍的芯片，但該芯片實現性能提升的途徑不是制造工藝的提升，而是在封裝環節將兩個M1 Max通過內部互連而成。事實上，在M1 Ultral推出之前，一家叫做Graphcore的英國AI公司，也推出了新款AI處理器Bow IPU。這兩款新品采用同一種封裝技術——3D Wafer-on-Wafer提升性能，這項技術來自于中國臺灣的臺積電。

　　事實上，華為海思去年也曾經被爆出“雙芯疊加技術”專利，通過芯片疊加并經過系列優化，讓14納米芯片可以比肩7納米芯片的性能水平。“X86雙雄”英特爾和AMD也曾經推出過類似的產品，但當時存在功耗和發熱等方面的缺陷。而蘋果M1 Ultral的推出并商用，似乎意味著通過“芯片疊加”在封裝環節大幅提升芯片性能的技術已趨成熟。

　　“晶圓工藝和封裝工藝協同結合，是必然趨勢。”半導體研究機構芯謀研究的研究總監王笑龍這樣告訴《中國經營報》記者，“7納米已經很先進，而3D封裝也是提升這個產品綜合指標的一個重要手段。”

　　而接受記者采訪的多位業內分析人士均指出，隨著芯片制造工藝越來越逼近物理極限，摩爾定律逐漸失效，依靠更先進的工藝來提升芯片性能將變得越來越困難，而3D等先進封裝技術對延續摩爾定律愈發重要。

　　“這個（Bow IPU）證明了先進封裝可以為性能帶來可觀提升，先進封裝技術，是大家探索超越摩爾定律的路徑之一。”Graphcore大中華區總裁兼全球首席營收官盧濤表示。

　　先進封裝對芯片性能帶來可觀提升

　　作為全球第一款3D封裝的處理器，Bow IPU采用了臺積電SoIC-WoW技術，該技術以類似于3D NAND閃存多層堆疊那樣，將兩層die（裸片）以鏡像方式垂直堆疊起來，以更先進的封裝技術提升芯片性能。

　　需要指出的是，這是一種用于硅晶圓的3D堆疊形式，使得單個封裝芯片中的晶體管數突破了600億個大關。此外，Bow IPU的理論AI算力也從250 TeraFLOPS（每秒萬億次浮點運算）提升到了350 TeraFLOPS。據Graphcore介紹，總體而言，第三代IPU相對于上一代性能提高40%，能耗比實現了16%的提升。

　　事實上，Bow IPU的堆疊并不算特別復雜，主要負責計算、存儲的IPU die位于下層，上方的die則主要為供電、節能等方面的功能提供幫助。盧濤曾這樣介紹Bow IPU的die設計：“這是個大小die的設計，大die是計算die，小die主要做電源、能耗等方面相關的管理。”

　　盧濤表示，Bow IPU整體性能提升一方面來自新增的die，另一方面則得益于3D封裝技術。那么，Graphcore為何沒有選用更先進的工藝而選擇改變封裝方式？

　　對此，盧濤進一步指出，上一代IPU已經有了594億個晶體管，面積大概為823平方毫米，這可能是7納米的單個die能生產的最精密芯片了。如果想再提升，不換工藝，就只能是換封裝。

　　“在經過深入評估之后，Graphcore認為，選擇更先進的工藝并不能像以前那樣獲得大幅度的性能提升。而從成本收益角度看，也不劃算。于是，我們選擇了3D Wafer-on-Wafer作為芯片性能提升新方法。正是得益于這個決定，使得我們新芯片即使面積稍有上升，但成本與上一代比較相近，最終讓我們可以以不變的價格交付新芯片。”盧濤說。

　　對此，電子創新網CEO張國斌也持有類似觀點。“現在摩爾定律放緩，再往先進工藝演進的話，成本投入太大，不是一般公司能承受的，所以大家就認為延續摩爾定律的一個方法就是往2.5D和3D封裝的方向發展。”他指出，Bow IPU這個產品代表的不是一個小眾趨勢，反而是一種大趨勢，就是芯片以后要提升性能，可能會走2.5D/3D這種封裝形式。

　　張國斌表示，對于晶圓級封裝技術，不只是英特爾、格芯、臺積電、三星等大的晶圓廠在研究，包括日月光等一些芯片封裝企業也在研究，這對推動芯片的性能提升非常有好處。

　　商業場景落地和社區建設伴生而行

　　公開資料顯示，作為一家人工智能硬件初創公司，Graphcore于2016年正式成立，IPU是該公司主要的技術成果，也是向外界傳播的概念，官網宣稱IPU是一款專為AI計算而設計的全新處理器。

　　長期關注半導體/芯片行業發展的資深觀察人士黃燁鋒表示，在AI芯片領域，Graphcore是全球最知名、最有實力的那批AI公司中的一個，也是在中國市場投入比較大的初創企業。“這家公司做AI芯片相對較早，勉強說引領發展趨勢也行。不過，AI芯片的發展方向現在逐漸明朗化，未來大家都會越做越像。”他說。

　　黃燁鋒進一步指出，諸如較大的片上存儲空間、高度并行計算能力、跨芯片通信機制、芯片具備弱可編程性等都是AI芯片未來發展的趨勢，而Graphcore的IPU是較早且在近存計算上頗具代表性的一類兼具可編程性的AI芯片。

　　落地難，是AI行業的通病，雖然AI芯片一直在持續發展，但落地的速度比預期的慢。作為AI芯片行業的企業，未來Graphcore將如何進一步發展以及加速商業化，對于行業具有參考價值。

　　盧濤曾把現在的AI芯片公司分成七大類，第一類是在組建團隊的，第二類是在宣講理念的，第三類是有了芯片的，第四類是有了芯片給客戶送測的，第五類是有落地的，第六類是有很多場景落地的，第七類是真正能夠跟GPU（圖形處理器）分市場份額的。

　　“Graphcore目前處在第五至第六的階段。”盧濤表示，要達到第七類，Graphcore首先要做的是生態建設，二是持續耕耘開發者與研究者社區的建設，三是與用戶和客戶保持充分的溝通，建立緊密的聯系。

　　他還表示：“生態建設是一個持續的、需要花力氣、花時間、花精力、花巧勁的活兒，因為用戶在選擇一個平臺的時候，一是會很關注新的平臺能為自己帶來什么價值，二是會特別關注遷移到新的平臺所需要耗費的工作量。生態建設越完備、生態發展得越好，用戶的遷移成本就會越低，也就是用戶在遷移到IPU時遇到的潛在阻力也會更小。”

　　其實，Graphcore這一發展策略有著英偉達的影子。“當年GPU從專用的圖形處理器發展到后來可實現CUDA編程和應用于AI之時，就是英偉達將更多注意力轉向軟件、工具，完善開發生態的過程。像IPU這樣的AI處理器也必然經歷這樣的過程。”黃燁鋒說，Graphcore現在的發展關鍵更在于生態構建與實實在在的場景落地上。

　　對于公司的商業化進程，盧濤曾表示：“我很早就和CEO（Nigel Toon）聊過，公司的第一優先級是有人用我們的產品；第二是有人用了這個產品，服務他的業務；第三是業績；第四才是利潤。現有順序不能弄錯，先得有人用你的東西，才能談其他。”

　　如今，這樣的順序依舊沒有變。“商業場景落地和社區建設是相互支持、伴生而行的。針對商業客戶，我們需要開發者對平臺的支持，開發者花費時間和精力將自己的業務遷移到IPU上，或基于IPU開發自己的業務。落地的場景越多，越能推進其他商業用戶的跟進和加入，也能加快后續其他案例落地的速度。”盧濤告訴記者。

　　過去一年中，Graphcore與升哲科技、安捷中科、深勢科技等公司圍繞包括城市治理、氣象以及分子動力學等領域開展合作，還與金山云推出了基于Graphcore IPU平臺的服務器產品——金山云IPU服務器，用于AI任務在云端的訓練和推理，這也是中國首個大型公有云廠商對外公開推出自己的IPU云產品。

　　“我們會持續深耕本地的合作伙伴，在一些相關的AI應用領域，會做進一步的加深合作，比如用AI輔助科研、自動駕駛等，都是我們2022年在AI應用和垂直領域中比較重要的方向。”盧濤說，持續落地更多應用場景是商業化唯一的路徑，“這里沒有捷徑可以走。”