模擬技術基礎學不懂怎麼辦（模擬技術能捲土重來嗎）

2023-04-14 23:53:45 2

來源：內容由半導體行業觀察（ID：icbank）編譯自semiengineering，謝謝。

這個行業已經到了一個拐點，模擬技術得到了全新的面貌，但數位技術不會輕易退讓。

我們生活在一個由數字處理主導的模擬世界，但這可能會改變。領域的特殊性，以及對更高層次優化的渴望，可能會為模擬計算提供一些顯著的優勢——以及捲土重來的可能性。

在過去的四十年裡，數字縮放和靈活性的優勢已經把模擬和數字之間的分界線推向了邊緣。如今，這些轉換通常是在傳感器和執行器附近完成的。通信一直是一個難題，因為無論是有線還是無線信道，都不默認數位化的要求。

1960年代的 Heathkit 模擬計算機

但有幾個重要的變化即將到來，包括:

從經濟意義上說，晶片擴展正在放緩或停止，這意味著未來從數字擴展中獲得的收益不再得到保證。這是領域特定體系結構的主要驅動因素之一。

領域特異性意味著靈活性的價值降低，這在過去對模擬是不利的。

刻線限制意味著許多系統將變成多模，而每個模不必在同一技術節點上實現。這可能使更舊、更便宜的節點可以用於模擬。

人工智慧推理嚴重依賴於乘/積運算，這在模擬中是非常高效的。

近似計算可能會變得更加普遍。

延遲正在成為一個更重要的性能需求。

「世界是模擬的，所以電路將是模擬的，」 Fraunhofer IIS自適應系統部工程高級混合信號自動化組經理 Benjamin Prautsch 說。「有一些類別的IP從數字輔助和完全數字替代中獲益顯著。然而，由於模擬和數字之間的轉換產生了限制，因此需要在系統級別上研究這種好處。一個聰明的模擬電路可能會超越使用數字輔助的媒體電路，但有許多因素和性能衡量會發揮作用。」

除了傳感器和執行器，無線通信也變得越來越重要。Ansys產品營銷總監馬克•斯威南(Marc Swinnen)表示:「過去，所有東西都是用網線連接的。」「如今，每一件物聯網設備都需要無線連接。他們正在使用無線電通信，這創造了越來越多的模擬和射頻內容。此外，當你觀察數位訊號頻率時，它們一直在攀升。5GHz是一個神奇的數字，在這個數字中，電感成為一個重要的參與者，即使在晶片級也是如此。然後，必須考慮電磁效應。如果你想正確地分析它們，這些數位訊號看起來非常像模擬信號。當你看到2.5D和3D結構時，這是一個更大的問題，就晶片而言，你有非常高速的導線，可以移動很長的距離。」

每增加一個新的節點，數字電路的性能特性就會得到改善。面積下降，性能上升，功率下降，電容下降。然而，這對於模擬就不成立了。每一個新的節點通常都與電壓降低有關，這損害了模擬，因為它降低了噪聲容限。變化對模擬電路的影響要比數字電路大得多。FinFET為模擬產生了限制。這樣的例子不勝枚舉。

這導致模擬不得不做出妥協。西門子EDA產品經理Sumit Vishwakarma表示:「如果你在單個模具上製造所有東西，比如12納米，那麼模擬就需要移動到相同的工藝節點。」「你被迫失去模擬性能。由於模擬性能在低技術節點上開始惡化，它需要幫助。這就是為什麼我們會看到數字輔助模擬設計的湧入。」

當模擬電路和數字電路解耦，並採用適當的技術時，模擬電路就不會受損。Semtech信號完整性解決方案集團營銷和應用副總裁Tim Vang說:「我們可以設計出在某些情況下與數字電路具有相同甚至更好的功能的模擬電路，我們也可以在較老的節點上做到這一點。」「成本可以更低，因為我們不需要所有的數字功能，所以模具尺寸可以更小。我們可以降低能耗，因為我們沒有那麼多的功能。」

模擬還可以利用更多的製造技術。Vang補充說:「從任何流程節點中獲得的東西都是有限的，即使是在模擬中。」「如果你想使用CMOS，我們甚至可以在65納米技術中做事情。我們也使用其他工藝，如BiCMOS，或矽鍺。它們甚至可以更適合與光學元件連接。光學通常喜歡將信號表示為電流，而不是電壓，而雙極非常擅長驅動這些電流。」

隨著小晶片獲得越來越多的關注，做出這些技術決策增加了更多的靈活性。Mythic公司產品和業務開發高級副總裁蒂姆•韋林(Tim Vehling)表示:「一種小晶片的方法，或者一種異構的方法來整合邏輯或能力，都很有意義。」理論上，模擬計算部分可以保持在40nm或28nm。然後你可以把它和一個有處理器，內存和I/O的數字晶片相匹配，它可能是10nm。它們可以集成到單個包或單個堆疊架構中。隨著晶片的出現，模擬技術的壽命更長了。」

這也為光學創造了優勢。Vang說:「在IEEE和其他標準組織中，他們使用像共封裝光學或板載光學這樣的詞，這一切都是為了使光互連更接近開關和CPU。」「這主要是為了節省驅動整個板到位於底盤前端的光學元件的電力。這些是現在使用的可插拔模塊。高速運行時的能量消耗已經足夠了，他們一直在推動將模擬光學裝置與電路板上的數字開關越來越近。我們認為這是一個巨大的機會，它們將有效地像世界上的光學I/O晶片一樣工作。」

延遲是一種性能指標，它給數字遊戲帶來了困難。「我們的模擬引擎運行速度只是數字引擎的一小部分，」Vehling說。「我們在兆赫範圍內運行，而不是千兆赫範圍。由於數據移動，數字架構與延遲作鬥爭。對於模擬解決方案，權重是固定的，計算在元素本身內部。從延遲的角度來看，即使在兆赫範圍內，我們也比數字架構更快。」

這對通信系統有很大的好處。「信號基本上有通過晶片的飛行時間，」Vang說。「沒有A-D的轉換、數字處理，然後在另一端從D-to-A。解決方案基本上是零延遲，或者接近零延遲。如果您討論的是從紐約到洛杉磯的互連，延遲不是那麼重要，但如果您試圖在數據中心內移動幾米，延遲的節省是顯著的。對於超級計算機用戶來說，模擬有一些獨特的優勢:成本、功率和延遲。」

數字世界是非常精確、可預測和確定性的。這些要求與模擬相牴觸，但這種情況正在改變。「人工智慧的準確性取決於模型，」Vehling說。「根據他們選擇的模型，準確度會發生變化。如果你選擇大一點的模型，它會有更好的精度。較小的模型精度較低。如果你選擇不同的精度，你會得到不同的精度。如果您選擇不同的解析度，您的精度將會改變。如果你有一個不同的數據集或者它被訓練成不同的，你的準確性將會改變。我們看到有人會修剪模型，因為他們想讓它更適合。如果你修剪它，會降低準確性。在數字系統中，一個給定應用程式的模型的精度可能會有很多變化——可能不像在模擬系統中那樣變化，但今天肯定會有變化。在任何情況下，人工智慧模型的準確性都有很大的變化，更不用說數字和模擬了。」

任何人工智慧系統的核心都是乘法/累積函數(見圖2)。西門子的Vishwakarma說:「執行這些MAC操作所消耗的能量是巨大的。」「部分原因是神經網絡有權重，而這些權重需要存儲在內存中。他們必須不斷地訪問內存，這是一個非常消耗能量的任務。如果你比較計算和數據傳輸的能力，它幾乎是前者的1/10。為了解決這個問題，公司和大學研究人員正在研究模擬計算，將權重存儲在快閃記憶體中。內存計算是一個常用的術語，權值存儲在內存中。現在我只需要輸入一些輸入，然後得到一個輸出，基本上就是這些權重與我的輸入相乘。」

模擬電路實現 MAC 功能

還可以進行其他架構上的權衡。「你可以看到峰值神經網絡被用於檢測基於時間的變化，然後可以組合部署，」Vehling說。「你可能會看到一個尖刺神經網絡部署在傳感器級別，以檢測變化或運動。一旦發生這種檢測，您就轉向更詳細或更精確的模型來識別對象。因此，你已經開始看到將人工智慧部署到該行業的分層方法。」

但也存在障礙。Movellus總裁兼執行長莫•費薩爾表示:「原則上，全模擬解決方案應該更節能。」「但在一個以數字為主的混合設計中，實現模擬效率的承諾並不容易。對於大多數公司來說，模擬是具有挑戰性的，因為它不能在較小的幾何尺寸上伸縮，並且在產量、性能和可伸縮性方面令人失望。然而，模擬技術仍在少數領域顯示出前景和潛力。」

混合意味著轉換器。Vishwakarma說:「當你想把模擬基礎設施插入數字世界時，你需要轉換器。」「輸入端需要DAC，輸出端需要ADC。這就是模擬如何融入數字世界的連接方式，因為我們只需要模擬來解決計算密集的MAC操作。但世界上的其他地方都是數位化的。」

這就是必須考慮系統級權衡的地方。Fraunhofer的Prautsch說:「一個優化的模擬核可以顯著降低功耗和吞吐量，但它需要這些轉換。」「轉換是否會減少模擬替換的好處是一個系統級的決定，需要通過建模和概念優化來分析。」

轉換器的問題能被克服嗎？Vehling說:「如果你能在模擬世界中實現數字工作，我們的效率將大大提高。」他說:「如果我們能真正擁有一個原生模擬處理器，而不是將原生模擬信號從傳感器中提取出來，而不是轉換，那將是理想的。這將大大提高電力效率、性能和延遲時間。」

不是每個人都相信這是正確的方向。「將與計算相關的功能轉移到模擬領域絕對可以提供卓越的性能和能源效率，」Ambiq的首席技術官兼創始人斯科特·漢森(Scott Hanson)說。「幾家創新的創業公司在這裡展示了傑出的成果，並發展了專業知識。然而，模擬計算的固有挑戰(例如，節點可伸縮性差，設計時間長，不同計算問題之間缺乏靈活性等)使得只有少數非常專業的專家能夠在這個領域取得成功。」

相反，Hanson關注的是實現技術的持續改進，以及跨節點遷移設計是相當容易的事實。「還有其他互補的技術，比如亞閾值和近閾值計算。過程節點縮放與子閾值和近閾值計算的結合為令人興奮的AI新功能提供了巨大的空間，所有這些都沒有基於模擬計算的複雜性。簡而言之，我們押注於數字計算。」

模擬要想成為人工智慧的主導引擎，它必須滲透到訓練和推理中。「如果你能從你的雷射雷達傳感器、雷達和CMOS圖像傳感器獲取原始信號，而不是將其轉換為數位訊號然後再返回，將原始輸入輸入到模擬陣列，那麼收益將是巨大的，」Vehling說。「但你必須訓練系統以模擬方式識別數據。這就是模擬計算機的未來，一個真正的模擬系統。與此同時，我們在融入數字架構方面也受到了一些限制。」

我們必須克服一些挑戰。西門子的Vishwakarma說:「模擬信號的挑戰之一是模擬信號的呈現方式沒有限制。」「人工智慧擅長識別模式，但我們不能只給它一個連續的信號。它需要被離散和量子化。為了訓練模型，您需要迭代地更新權重，直到它確定為將用於推斷的權重為止。然後我可以把權值保存在非易失性內存中。但是，我們不能改變模擬的權重值，快閃記憶體中的電阻的值。一旦你裝上，它就在那裡了。如果你需要改變權重，你就需要像DRAM一樣的隨機存取存儲器，這就是我們的問題所在。」

有些事情模擬比數字做得更好，但最大的問題是如何集成它們，使它們在系統層面產生期望的增益。然而，由異構實現技術為每個子系統提供的潛在解耦可能使模擬計算更容易被考慮為越來越多的功能。這樣他們就能以更低的成本提供卓越的性能。

如果模擬計算真的變得更加普遍，新的存儲技術很可能會被研究和開發，這將使模擬AI成為可能。它可以提供數量級的增益。或者用馬克·吐溫的話來說，「模擬技術的消亡被大大誇大了。」

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點讚同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。

今天是《半導體行業觀察》為您分享的第3067內容，歡迎關注。

晶圓｜集成電路｜設備｜汽車晶片｜存儲｜臺積電｜AI｜封裝