摘要：生成式人工智能，尤其是大语言模型，在训练和推理过程中需要强大的计算能力和大量内存来存储和处理庞大的模型参数。人工智能工作负载的激增进一步加速了对芯片级创新的需求，以降低其功耗。
生成式人工智能，尤其是大语言模型，在训练和推理过程中需要强大的计算能力和大量内存来存储和处理庞大的模型参数。人工智能工作负载的激增进一步加速了对芯片级创新的需求，以降低其功耗。
随着传统摩尔定律微缩速度的放缓，3D 异质集成作为实现更高性能和更低功耗的重要领域而受到广泛关注。熔融键合与混合键合技术（晶圆对晶圆和芯片对晶圆）凭借其通过高密度 I/O 实现器件垂直堆叠的能力，已成为新型 3D 架构的关键推动力。
本次报告将概述通过晶圆对晶圆键合实现的逻辑、存储和光子器件领域的关键技术转折点，并探讨为解决散热、间距微缩和应力管理等根本性挑战所需的材料与工艺创新。(From：IEEE)
一、背景与驱动因素
AI 的爆发式增长推动了计算需求，导致能耗急剧上升（如 GPT-4 的训练计算量是 GPT-2 的 10,000 倍）。数据中心功耗激增，甚至依赖核电站供电，热管理成为关键挑战。半导体行业正经历从“移动互联网”到“AI 时代”的转型。二、关键架构转折点（Inflections）
1、逻辑器件：背面供电网络（BSPDN）
传统正面供电（FSPDN）存在功率损耗和面积占用问题。BSPDN 可将面积缩小最多 30%，功耗降低 20%。多种实现方式（Buried Power Rail、Power Via、Direct Backside Contact）在复杂度与性能之间权衡。2、存储器：DRAM 技术演进
从 RCAT → BCAT → VT（垂直晶体管）→ 3D DRAM，单元尺寸不断缩小（8F² → 4F²）。4F² DRAM 采用晶圆对晶圆键合（Hybrid 或 Fusion Bonding）实现阵列与外围电路集成。混合键合因其集成简便和成本优势成为主流选择。3、光子学：微LED（μLED）
用于 AR/VR 和芯片间光通信，具有高亮度、高分辨率、低功耗和长寿命等优势。演示了 300mm 晶圆上 μLED 与 CMOS 驱动电路的集成，包括 Cu 垫键合、晶圆级点亮和 GaN-CMOS 键合。三、键合技术的关键进展
混合键合间距不断缩小：从 2μm → 1μm → 0.5μm → 0.1μm，推动 3D NAND、DRAM 和逻辑堆叠的发展。四、结论
AI 发展亟需逻辑、存储和封装技术的创新以降低能耗。W2W 混合键合与熔融键合是实现 3D 集成和新器件架构的关键技术。键合间距需进一步缩小至 ≤0.5μm，以满足 DRAM 和逻辑技术路线图。热管理需求推动了新型高导热键合材料的开发。来源：卡比獸papa
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
