1.国家超算互联网正式上线,有助于缓解算力供需矛盾
2.工信部:大力发展基于大模型的智能装备、软件等智能产品
3.大尺寸化加速!首片国产8英寸蓝宝石衬底GaN HEMTs晶圆发布
4.全球首款!清华团队芯片领域获重要突破发布AI光芯片“太极”
5.法雷奥上海嘉定基地开工,从事激光雷达、域控制器等研发生产
6.唯捷创芯牵头,《车用芯片技术 射频前端芯片技术要求及试验方法》标准立项
1.国家超算互联网正式上线,有助于缓解算力供需矛盾
集微网消息,4月11日,国家超算互联网正式上线,将有助于缓解目前算力供需矛盾,加快形成新质生产力,为数字中国建设、数字经济发展等提供坚实支撑。
近年来,我国算力设施建设已取得显著成绩,但面对人工智能等技术的快速发展,全社会对算力提出更高要求,算力中心亟需突破现有单体运营模式。为破解上述难题,2023年4月国家超算互联网正式启动建设。
目前已有超过200家应用、数据、模型等服务商入驻国家超算互联网,并提供超过3200款商品。这些商品覆盖科学计算、工业仿真、AI模型训练等前沿数字化创新领域,可满足全社会对先进计算服务的需求。
据介绍,国家超算互联网联合体成员已达128家,涉及国家超算、区域算力中心、超算研制机构、算力运营、网络运营、应用软件、技术服务等算力各领域。
2.工信部:大力发展基于大模型的智能装备、软件等智能产品
集微消息,4月11日,工业和信息化部党组书记、部长金壮龙主持召开人工智能赋能新型工业化企业座谈会暨第八次制造业企业座谈会。金壮龙在会上表示,要大力发展基于大模型的智能装备、软件等智能产品。
会上,来自人工智能技术供给侧、智能化转型需求侧的11家企业负责人交流发言,介绍了底层核心技术研发、工业应用场景开拓、产业生态构建等方面的创新实践,并提出针对性意见建议。另有14家企业作书面交流。
金壮龙指出,要落实全国新型工业化推进大会部署,以人工智能和制造业深度融合为主线,以智能制造为主攻方向,以场景应用为牵引,夯实人工智能赋能底座,推动制造业全流程智能化,加快重点行业智能升级,大力发展基于大模型的智能装备、软件等智能产品,加强人才、标准、检测能力、开源机制等支撑体系建设,推动人工智能全方位、深层次赋能新型工业化,加快形成新质生产力。要充分发挥我国完备产业体系和新型信息基础设施优势,坚定信心,从供给侧、需求侧、基础侧协同发力,加快培育面向工业领域的大模型,凝练和开放工业应用场景,深化工业数据开发利用,提升算力供给能力,着力营造良好环境,积极探索人工智能和工业融合发展新路径,形成双向赋能的发展格局。
3.大尺寸化加速!首片国产8英寸蓝宝石衬底GaN HEMTs晶圆发布
集微网报道 氮化镓晶圆的大尺寸化进程再次加速。在近日召开的2024九峰山论坛暨中国国际化合物半导体产业博览会上,西安电子科技大学联合广东致能科技展示了全球首片8英寸蓝宝石基氮化镓高电子迁移率晶体管(GaN HEMTs)晶圆器件。此前,德州仪器的一位高管也表示,该公司正在将其多个晶圆厂的 6 英寸氮化镓转向 8 英寸晶圆生产。从6英寸晶圆转向8英寸生产的芯片数量将大幅提升,是半导体器件发展的必由之路。随着氮化镓市场的逐步扩大,晶圆的大尺寸化正在加速。
良率超过95%
近日,2024九峰山论坛召开。据行家说三代半公众号报道,西安电子科技大学郝跃院士、张进成教授课题组李祥东团队与广东致能科技联合攻关,首次展示了全球首片8英寸蓝宝石基GaN HEMTs晶圆。李祥东教授在会上介绍,通过调控外延工艺,其氮化镓外延片不均匀性控制在4%以内,所制备的HEMTs器件的cp测试良率超过95%,击穿电压突破2000V。
据了解,目前200V以下以及650V左右的氮化镓功率HEMT已在8英寸晶圆线上实现了量产,然而在8英寸线上实现2000V级别的氮化镓器件的展示尚属首次。8英寸晶圆将是氮化镓成为主流电力电子器件的必由之路。一方面,采用蓝宝石衬底可以大幅提升氮化镓耐压,蓝宝石衬底技术路线近年来已被广泛认为是实现1200-3300V GaN HEMTs的首选方案。
另一方面,由于转向8英寸晶圆,每片GaN HEMTs晶圆的芯片数将比6英寸晶圆多近2倍,氮化镓器件成本与6英寸方案相比也将大幅下降。随着8英寸蓝宝石衬底制备工艺的日趋成熟和大批量出货,单片价格将快速下跌。届时,叠加超薄缓冲层和简单场板设计等优势,蓝宝石基GaN HEMTs晶圆成本有望进一步降低,并将对现有硅基MOSFET、IGBT以及碳化硅 MOSFET产生冲击。
蓝宝石氮化镓晶圆是一种先进的半导体材料,它结合了氮化镓的优异电子特性和蓝宝石衬底的高热导性。这种材料在高频、高功率和高温度应用中表现出色,尤其是在光电子和功率电子领域。今年1月,致能科技还与郝跃院士、张进成教授团队等合作攻关,通过采用致能科技的薄缓冲层AlGaN/GaN外延片,成功在6英寸蓝宝石衬底上实现了1700V GaN HEMTs器件。
2027年达到6.178亿美元
近年来,随着低碳绿色需求的增长,氮化镓器件的应用范围也在不断增加。消费领域一直是 OEM 采用氮化镓的主要推动力,由于电子设备对更快、更便宜和更环保的供电的需求,快速充电一直是氮化镓器件的主要应用。但氮化镓技术日趋成熟,该材料开始渗透到工业、汽车、数据中心等应用中。Yole Intelligence预测,氮化镓器件在汽车和出行行业的市场将从 2021年的530万美元增长到2027年的3.089亿美元,复合年增长率高达97%。电信/数据通信将以69%的年增长率增长,到2027年达到6.178亿美元。
在汽车电动化与智能化趋势下,汽车搭载的电子电力系统越来越多。氮化镓已率先在车载激光雷达产品中落地应用,优越的开关性能使得氮化镓十分适用于车载激光雷达。2023年,英诺赛科低压车规级氮化镓产品已在头部车企的车载激光雷达中得到量产应用。在新能源汽车领域,氮化镓器件在中低端汽车市场发展空间较大,目前主要占据400V以下应用。同时,GaN器件也在往高压应用上推进研发。据悉,博世正在开发一种用于汽车的1200V氮化镓技术。
对于数据中心而言,随着AI大模型热潮的不断发展,数据中心计算需求不断增加,对高效、可靠且节能的硬件组件的需求也日益迫切。氮化镓由于其优越的电学性质,将在数据中心中发挥更加重要的作用。氮化镓能够提高电力转换效率,降低能源浪费,这将有助于支持AI系统更高效地运行,特别是在需要大量计算资源的场景下。同时,氮化镓的可靠性也可能为AI系统提供更稳定的运行环境,减少因硬件故障导致的系统中断。
Yole Intelligence预测,到 2027 年,功率氮化镓器件市场的价值将达到20亿美元,而2021年为1.26 亿美元。Yole Intelligence预计,复合年增长率预计将达到 59%。随着氮化镓渗透到汽车和电信/数据通信等应用领域,除了独特的合作伙伴关系之外,还出现了许多并购、大量投资。
中国发挥关键推动
中国将是推进氮化镓应用发展的主要市场之一。中国持续推进数字化与绿色低碳战略,目前已经成为全球新能源汽车领域最大的创新应用的市场;预计到2025年,5G通信基站所需氮化镓射频器件的国产化率将达到80%;第三代半导体功率器件将在高速列车、新能源汽车、工业电机、智能电网等领域规模应用。
与此同时,我国的氮化镓产业也在快速发展。除上述科技成果外,今年初北京大学团队研发了增强型p型栅氮化镓(GaN)晶体管,并首次在高达4500V工作电压下实现低动态电阻工作能力。中国科学院微电子所在氮化镓器件可靠性及热管理研究方面取得重要进展,高频高压中心刘新宇研究员团队在氮化镓电子器件可靠性及热管理方面取得突破,六项研究成果入选第14届氮化物半导体国际会议ICNS-14(The 14th International Conference on Nitride Semiconductors)。
产业方面,晶湛半导体氮化镓外延片生产扩建项目于1月份竣工,项目预计年产6英寸氮化镓外延片12万片,8英寸氮化镓外延片12万片;中瓷电子子公司博威第三代半导体功率器件产业化项目已建成并投入使用,项目主要产品为氮化镓通信基站射频芯片与器件等产品,产能规划为600万只/年。此外,英诺赛科计划赴港上市的消息也引来业界极大的关注。据悉,英诺赛科计划募资3亿美元,以扩大氮化镓芯片产能。
4.全球首款!清华团队芯片领域获重要突破发布AI光芯片“太极”
随着各类大模型和深度神经网络涌现,如何制造出满足人工智能发展、兼具大算力和高能效的下一代AI芯片,已成为国际前沿热点。
清华大学电子工程系方璐副教授课题组、自动化系戴琼海院士课题组,摒弃传统电子深度计算范式,另辟蹊径首创分布式广度智能光计算架构,研制全球首款大规模干涉衍射异构集成芯片——太极(Taichi),实现160 TOPS/W的通用智能计算。该研究成果于北京时间4月12日凌晨以《大规模光芯片“太极”赋能160 TOPS/W通用人工智能》为题
发表在最新一期的《科学》(Science)上。
方璐、戴琼海为论文的通讯作者,电子工程系博士生徐智昊、博士后周天贶(清华大学水木学者)为论文第一作者。
“挣脱”算力瓶颈的中国光计算睿智尝试
作为人工智能的三驾马车之一,算力是训练AI模型、推理任务的关键。倘若把大模型当作是做一道精致的菜肴,算力就好比一套称手的烹饪工具。
世人皆知巧妇难为无米之炊,但再好的厨子,没有一口好锅、一把好刀,面对鲜美的食材也只能望而兴叹。
光计算,顾名思义是将计算载体从电变为光,利用光在芯片中的传播进行计算,以其超高的并行度和速度,被认为是未来颠覆性计算架构的最有力竞争方案之一。
光芯片具备高速高并行计算优势,被寄予希望用来支撑大模型等先进人工智能应用。
智能光计算作为新兴计算模态,在后摩尔时代展现出有望超越硅基电子计算的潜力。然而其计算任务局限于简单的字符分类、基本的图像处理等。其痛点是光的计算优势被困在了不适合的电架构中,计算规模受限,无法支撑亟需高算力与高能效的复杂大模型智能计算。
行胜于言,直面科研领域痛点问题,帮助光计算“挣脱”算力瓶颈,另辟蹊径,“从0到1”重新设计适合光计算的新架构,是这个清华团队迈出的关键一步。
光电智能技术交叉创新团队部分成员合影(左三为戴琼海院士、右二为方璐副教授)
从“无极”而至“太极”的双向奔赴
从构思到实验,开辟新赛道、做第一个吃螃蟹的人往往都伴随着巨大的困难与压力。
每一个研究成果的背后,都凝缩了团队每一位成员的心血,是历经无数失败与彻夜难眠后,结出的那颗最耀眼的结晶。但方璐却将这次科研历程比拟为一场浪漫的“双向奔赴”:从算法架构上自顶向下探索,在硬件芯片设计上自底向上推演。
相异于电子神经网络依赖网络深度以实现复杂的计算与功能,“太极”光芯片架构源自光计算独特的‘全连接’与‘高并行’属性,化深度计算为分布式广度计算,为实现规模易扩展、计算高并行、系统强鲁棒的通用智能光计算探索了新路径。
据论文第一作者、电子系博士生徐智昊介绍,在“太极”架构中,自顶向下的编码拆分-解码重构机制,将复杂智能任务化繁为简,拆分为多通道高并行的子任务,构建的分布式‘大感受野’浅层光网络对子任务分而治之,突破物理模拟器件多层深度级联的固有计算误差。
化“深”为“广”:分布式广度光计算架构
团队以周易典籍‘易有太极,是生两仪’为启发,建立干涉-衍射联合传播模型,融合衍射光计算大规模并行优势与干涉光计算灵活重构特性,将衍射编解码与干涉特征计算进行部分/整体重构复用,以时序复用突破通量瓶颈,自底向上支撑分布式广度光计算架构,为片上大规模通用智能光计算探索了新路径。
通俗来讲,干涉-衍射的组合方式仿佛就是在拼乐高玩具。乐高积木可以通过一个模块凹槽与另一个模块凸起的契合来完成两个组件的拼接。在科研团队眼中,一旦把干涉、衍射变成基础模块,进行重构复用,可以凭借丰富的想象力搭建出变化无穷的造型。
两仪一元:干涉-衍射融合计算芯片
据论文报道:“太极”光芯片具备879 T MACS/mm²的面积效率与160 TOPS/W的能量效率,首次赋能光计算实现自然场景千类对象识别、跨模态内容生成等人工智能复杂任务。
“太极”光芯片有望为大模型训练推理、通用人工智能、自主智能无人系统提供算力支撑。
复杂智能任务实验结果展示
方璐表示,“之所以将光芯片命名为‘太极’,也是希望可以在如今大模型通用人工智能蓬勃发展的时代,以光子之道,为高性能计算探索新灵感、新架构、新路径。”
学科交叉融合,探索无限可能
“太极”光芯片的诞生是多学科交叉碰撞、探索无限的过程。
从一个初步设想到打破常规思维、确立科研思路,从理论计算到架构创新,再到模拟试验、现场实测......每一个重大突破性研究,都涉及不同学科高度交叉融合,催生出“0到1”的成果。
北京信息科学与技术国家研究中心的光电智能技术交叉创新团队由来自电子系、自动化系、集成电路学院、软件学院的领域学者和专门研究人员组成。
在这里,“理学思维融合工科实践,交叉领域践行原始创新”的理念一以贯之,团队始终致力于为中国成为世界科学中心和创新高地贡献出清华力量。
和团队的对话中,“初心”和“坚持”两个词语,被多人反复提及。恰如团队成员所言,“科学研究是一个厚积薄发的过程,不是一蹴而就的,就像在黑暗中来回摸索,可能会经历反复失败,但一定要坚持自己的初心。”
一次次“推翻重来”“背水一战”的底气背后,是什么支撑着团队的坚持求索?
答案是:良好的学术环境和有组织科研的全方位保障。
2021年4月19日,习近平总书记在清华大学考察时强调,重大原始创新成果往往萌发于深厚的基础研究,产生于学科交叉领域,大学在这两方面具有天然优势。要保持对基础研究的持续投入,鼓励自由探索,敢于质疑现有理论,勇于开拓新的方向。
“当时,我有幸参与向总书记汇报团队的科研进展,在现场聆听总书记的嘱托。”三年过去,方璐和许多清华人一样,是亲历者、践行者,更是答卷人。
方璐认为,这次突破性科研成果的成功取得,是清华大学深入推进有组织科研的一次生动实践。
该课题受到科技部2030“新一代人工智能”重大项目、国家自然科学基金委杰青项目、基础科学中心项目,清华大学-之江实验室联合研究中心支持。
在合作者中,有来自各个学科、不同背景的成员。他们集思广益,多学科、多角度地探索更多解决途径。
跨界交叉、深度融合,创新的火花在学科碰撞中不断迸发,为科研团队厚植基础、勇攀高峰提供了新动能。
5.法雷奥上海嘉定基地开工,从事激光雷达、域控制器等研发生产
集微网消息,4月10日,法雷奥集团的“舒适及驾驶辅助系统生产研发基地”正式开工建设。实现了24个小时内数证齐发,跑完了过去1个月未必跑得完的流程。该项目成为今年嘉定首个拿地即开工项目。
据悉,该项目占地约45亩,建筑面积约3万平方米,主要从事自动驾驶摄像头、激光雷达、域控制器、芯片绑定等项目的研发与生产。