大算力芯片，正在拥抱Chiplet

随着摩尔定律走到极限，Chiplet被行业普遍认为是未来5年算力的主要提升技术。

在和业内人士交流时，有人曾表示：“要么业界采用Chiplet技术，维持摩尔定律的影响继续前进，要么就面临商业市场的损失。”

随着摩尔定律走到极限，Chiplet被行业普遍认为是未来5年算力的主要提升技术。

战场已拉开，纷争开始了

Chiplet不算是新的技术，但是这股浪潮确实是近年来开始火热的。

什么是Chiplet？

Chiplet俗称芯粒，也叫小芯片，它是将一类满足特定功能的die（裸片），通过die-to-die内部互联技术实现多个模块芯片与底层基础芯片封装在一起，形成一个系统芯片，以实现一种新形式的IP复用。

简单来说，可以理解为将每个小的芯片用“胶水”缝合在一起，形成一个性能更强的大芯片。这也不算是一个新鲜的技术，例如：英特尔将两个芯片（一个 CPU 和一个用于 CPU 大型 L2 高速缓存的快速静态内存芯片）放在一起，放入公司于1995年末推出的Pentium Pro CPU 的封装中。

也许去年，大部分厂商还沉浸在Chiplet技术的未来应用上，那到了今天Chiplet已经成为各大厂商的产品中的必选角色。

首先来看AMD，AMD是选择Chiplet最积极的厂商之一。

在2019年的时候，AMD就初次尝试了Chiplet封装，将不同工艺节点的CPU内核且I/O规格不同的芯片封装在一起，显著提高了能效和功能。

之后，AMD又发布了实验性产品，即基于3D Chiplet技术的3D V-Cache。使用的处理器芯片是Ryzen 5000，采用台积电3D Fabric先进封装技术，成功地将包含有64MB L3 Cache的Chiplet以3D堆叠的形式与处理器封装在了一起。

从数据性能来看，采用3D Chiplet的原型芯片将性能平均提高了12%。从这一点上，也能看到3D Chiplet对实际工作负载的提升有实质性的贡献。

不止在CPU，AMD在GPU方面也选择了Chiplet技术。目前，AMD发布的最新MI300系列芯片时，同样采用Chiplet技术，8个GPU Chiplet加4个I/O内存Chiplet的设计，总共12个5nm Chiplet封装在一起，使其集成的晶体管数量达到了1530亿，高于英伟达H100的800亿晶体管。这款芯片在推出时，也是打出了对标英伟达H100的口号。

此外，AMD含Chiplet技术的CPU销量占比也在不断提高。根据德国电脑零售商Mindfactory数据，2021年10月至2022年12月间AMD CPU的销量中，含Chiplet技术的CPU销量占比不断提高，从约80%上升至约97%。

再来看英特尔。英特尔的首次推出基于Chiplet设计的处理器是Sapphire Rapids，时间在2023年1月。

具体来看，通过两组镜像对称的相同架构的building blocks，组合4个Chiplets，获得4倍的性能和互联带宽。每个基本模块包含计算部分（CHA & LLC & Cores mesh， Accelerators）、memory interface部分（controller， Ch0/1）、I/O部分（UPI，PCIe）。通过将上述高性能组件组成基本的building block，再通过EMIB技术进行Chiplet互联，可以获得线性性能提升和成本收益。

最后，来看英伟达。英伟达坐稳GPU领域霸主这一点毋庸置疑，而霸主英伟达在今年推出的“最强”GPU B200也同样采用Chiplet技术。GB200超级芯片是由2颗B200 GPU和1颗Arm架构的Grace CPU（中央处理器）组合而来。

由此可见，英特尔、AMD、英伟达都在自家的CPU、GPU上使用了Chiplet技术。这将Chiplet推入了一个全新的商业化阶段。

Chiplet这一锤，算是重重砸下了。

Chiplet从CPU到GPU

在之前传统的GPU也是由一个中央工作负载处理器，将渲染任务发送到芯片内的多个着色器块之一。每个单元都被赋予一块几何体来处理、转换为像素，然后对它们进行着色。

后来AMD发现，Chiplet 用在CPU上效果很好，并且降低了制造成本。于是在GPU上也选择了放弃中央处理器，用多个小芯片取代单个硅块，每个小芯片处理自己的任务。渲染指令以称为命令列表的长序列发送到 GPU，其中所有内容都称为绘制调用。

AMD 2019年Chiplet专利

该文件于 2019 年 6 月发布，即提交近两年后，该功能已在 RDNA 2 中实现。AMD 于 2020 年开始推广该架构，并于同年 11 月推出了首款配备全新 RT-texture 处理器的产品。

不同制程及封装技术下的芯片良率、成本、面积的关系注：D为缺陷密度，c为负二项分布中的集群参数或Seed’s model中临界值数量

摩尔定律没死，但确实是老了，在14nm之后成本曲线就变了。5nm工艺的成本相比7nm工艺增长了近1倍，3nm工艺相比5nm工艺预计将增长近1倍。在半导体工艺、规模限制越来越大的情况下，传统大芯片的策略确实是寸步难行。

总体来看，Chiplet有四大优点：

第一，通过将功能块划分为小芯片，那么不需要芯片尺寸的持续增加。这就提高了良率并简化了设计和验证的流程。

第二，每个小芯片是独立的，那就可以选择最佳工艺。逻辑部分可以采用尖端工艺制造，大容量SRAM可以使用7nm左右的工艺制造，I/O和外围电路可以使用12nm或28nm左右的工艺制造，这就大大降低了制造的成本。

第三，组合多样，适合定制化，轻松制造衍生类型。比如说采用相同的逻辑电路但是不一样的外围电路，或相同外围电路但不同的逻辑电路。

第四，不同制造商的小芯片可以混合使用，而不仅仅是局限在单个制造商内。

这些特点都非常适合用在大算力芯片上。相较于传统消费级芯片，算力芯片面积更大，存储容量更大，对互连速度要求更高。采用Chiplet既可以降低成本提升良率，又可以允许更多计算核心的“堆料”，还能便于引入HBM存储。

越接近摩尔定律极限如5nm、3nm和2nm的芯片走Chiplet设计路线越有意义。

清华大学交叉信息研究院特聘研究员、助理教授马恺声也分析过，到底什么样的芯片适合使用Chiplet：“具体到芯片应用来说，CPU和GPU这种大芯片是适合的，对于大芯片来说，建议是超过200平方毫米，最好是超过400平方毫米的是适合做Chiplet的；如果仅从成本角度看，如MCU这样本身价格较低的芯片目前是没有必要的。”

我们也能看到，Chiplet技术在CPU和GPU上的商用确实比较顺利。