1. 首頁 > 生活百科 > >

制造工藝大升級，AI算力節節高

ai芯片人工智能半導體

制造工藝大升級，AI算力節節高

文章圖片

制造工藝大升級，AI算力節節高

AI 狂奔背后 ， 半導體制造正迎來劇變 。
人工智能 (AI) 應用正在快速發展 ， 變得更加智能、快速且數據密集 。 每個應用都依賴于半導體來快速傳輸、存儲和處理這些數據 。 為了制造下一代 AI 所需的半導體 ， 科技行業正處于幾十年來最重大變革的十字路口 ， 需要擁抱新的制造方案和材料 。
毫無疑問 ， 擴展先進的 NAND、DRAM 和邏輯器件以滿足 AI 的需求是一項工程挑戰 。 然而 ， 將這些奇跡轉化為實實在在的實體產品 ， 也蘊含著技術復雜性 。 正是這些復雜性促使像 Lam Research 這樣的公司超越傳統的制造工藝 ， 探索并實現大膽且顛覆性的、百年一遇的變革 ， 為 AI 和其他數據密集型應用的新時代鋪平道路 。
許多這樣的變化已經在進行中 ， 它們代表著芯片制造方式的根本性轉變 。
利用先進科學應對挑戰滿足人工智能日益增長的需求所帶來的挑戰需要重新思考如何應用物理和化學來顯著改變傳統的制造工藝 。
金屬沉積（或稱金屬化）至關重要 ， 因為它能夠創建互連 ， 從而實現更高的集成密度 ， 進而提升器件性能 。 二十五年多以來 ， 鎢一直是NAND、DRAM以及邏輯/代工廠中段應用中的首選互連金屬 。 然而 ， 鎢需要使用物理阻擋層 ， 例如氮化鈦（TiN） ， 其電阻率遠高于純鎢金屬 ， 以增強粘附性并控制特征間的泄漏 。 然而 ， 極小的觸點或線路中的每一埃空間都是寶貴的空間 ， 必須為電阻率最低的金屬（在本例中為鎢）保留 。 顯然 ， 不需要這種阻擋層的金屬元素更受青睞 。
半導體的運行需要快速電信號通過連接傳輸命令 。 在蝕刻納米級特征時 ， 需要用金屬（傳統上是鎢）填充這些連接 ， 以創建這些至關重要的連接 。 金屬電阻越低 ， 信號速度越快 。 但隨著NAND、DRAM和邏輯電路擴展到更復雜的架構 ， 電信號必須通過更嚴格的連接傳輸 ， 這增加了出現瓶頸、速度變慢以及可能發生電氣短路的可能性 。
為了解決這些問題 ， 一種名為鉬（Mo）的金屬正逐漸成為填充極小尺寸的首選金屬 。 這是因為鉬不僅在這些尺寸下具有較低的電阻率 ， 而且不需要高電阻阻擋層 。 這意味著該特征對電導的總電阻將更低 ， 工藝步驟減少 ， 效率提高 ， 芯片整體速度也得到提升 。 在一個顯著改進的例子中 ， 用鉬填充的接觸點比用氮化鈦/鎢填充的相同接觸點的接觸點電阻降低了50%以上 。

鉬是金屬化技術的一項重大進步 ， 在納米級互連中其電阻比鎢低得多 。
在某些應用中 ， 鎢仍將具有實際意義 ， 但向鉬的轉變是半導體真正的代際變革 ， 其意義遠不止在更小的空間內塞入更多元素 。 它代表著半導體制造關鍵環節的重大變革——半導體金屬化的新時代 ， 為未來先進存儲器和邏輯技術的擴展鋪平了道路 ， 從而助力未來的人工智能、云計算和下一代智能設備 。
蝕刻和沉積創新至關重要盡管金屬的轉變可能具有革命性 ， 但蝕刻和其他沉積技術的創新對于解決在整個半導體工藝流程中引入新材料和器件結構的復雜性也同樣重要 。
其中一項創新就是近期推出的Lam Cryo? 3.0 。 這項專有技術能夠通過數百個字線層形成存儲通道 ， 同時保持為實現器件性能最大化而設計的通道形狀（或輪廓） 。 它結合了Lam Research獨特的高功率受限等離子體反應器以及由極低溫度驅動的全新蝕刻化學工藝 。 Lam Cryo 3.0可以蝕刻10微米深的存儲通道 ， 其輪廓偏差相對于通道深度的變化小于0.1% ， 并且蝕刻速率提高了2.5倍 。
同樣重要的是 ， 我們需要不斷推進原子層沉積 (ALD) 技術的發展 。 今年早些時候 ， Lam 推出了 ALTUS? Halo ， 這是全球首款利用金屬鉬優勢生產尖端半導體的 ALD 設備 。 這是 ALD 技術二十年來最大的突破 。 多年來 ， 實驗室和晶圓廠積累的經驗和研發成果成就了 ALTUS Halo 。 目前 ， 該設備已進入認證階段 ， 并已與所有領先的芯片制造商合作 ， 實現量產 。

ALTUS Halo 是 Lam 差異化產品組合的一部分 ， 可幫助芯片制造商克服業界一些最艱難的擴展挑戰 。
為未來人工智能鋪平道路隨著人工智能、云計算和其他數據驅動技術的需求持續快速增長 ， 對半導體性能的需求促使該行業開始進行工程和制造的代際轉變 ， 以滿足當前和未來的需求 。
但與以往的技術轉型不同的是 ， 這些代際轉變正在迅速發生 ， 以跟上人工智能的指數增長曲線 ， 將通常長達十年的材料轉型轉變為加速的開發周期 。
轉向新金屬以及改進蝕刻和沉積工藝不僅僅是為了滿足半導體行業當前和新興的需求 。 通過解決引入新材料和加工能力的復雜性以及半導體制造的高度集成挑戰 ， 這些創新使得滿足計算設備日益增長的性能需求成為可能——從數據中心的AI服務器到智能手機和PC的邊緣設備 。
從本質上講 ， 今天的努力將鞏固定義人工智能時代及以后的半導體制造的技術基礎 。
*聲明：本文系原作者創作 。 文章內容系其個人觀點 ， 我方轉載僅為分享與討論 ， 不代表我方贊成或認同 ， 如有異議 ， 請聯系后臺 。
【制造工藝大升級，AI算力節節高】想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 ， 關注我們！

    推薦閱讀