揭秘芯片的诞生过程
我们生活在一个芯片无处不在的世界里,手里的智能手机,工作使用的电脑,出行使用的交通工具,都因为芯片的存在才能完成不断的更新迭代,为人类世界带来巨大的变化。
芯片是什么?
芯片,也叫微芯片,由一小块平坦晶圆上的电子电路构成。晶体管是芯片上的微型开关,可以控制电流的打开和关闭。在晶圆上通过添加和去除材料形成多层互连的格栅结构,从而构成无数的微型电流开关。
晶圆由硅制成,与那些可直接传导电流的金属不同,硅是一种半导体,通常需要在其中掺杂一些元素(如硼B,磷P)才能实现电流的传导,这也为控制电流的开关提供了一种途径。硅是地壳中含量第二丰富的元素,仅次于氧元素,在自然界中通常以二氧化硅的形式存在,也就是我们常见的砂子。晶圆便是由主要物质成分为二氧化硅的硅砂制成,首先将硅砂熔融成大晶柱,叫做硅晶柱,再将其切割成薄片,便成为晶圆。
芯片上的元件是以纳米为单位度量的,1纳米是十亿分之一米。作为比较,人类头发的直径大概为100微米,也就是一万分之一米,而一个病毒的直径大约为14纳米。透过最先进的光刻机,目前最先进芯片上的最小元件可以加工到5纳米以下。芯片上元件的尺寸越小,便能装更多的晶体管,芯片的功能也就越强大。
芯片的进步,使得计算能力和存储空间得到大幅度的提升,也推动了高科技的发展。未来的虚拟现实技术,人工智能技术和深度学习技术都会产生大量的数据,而要处理这些数据,离不开具有超高性能的芯片。
那么,芯片是如何制造出来的呢?
芯片的制造过程大致可分为以下十步:
1.沉积:将材料薄膜沉积在晶圆上,材料可以是导体、半导体和绝缘体
2.光刻胶涂覆:在材料薄膜上涂上一层光敏材料,光刻胶或者光阻,之后再放入光刻机
3.曝光:在光刻机中,光束透过掩模板聚焦在光刻胶上,将掩模板上的图案转移到光刻胶上
4.计算光刻:通过算法优化掩模板,减小其受光刻胶化学变化的影响
5.烘烤和显影:去除多余的光刻胶
6.刻蚀:去除多余的空白部分
7.计量和检验:时刻检测晶圆的数据并反馈给光刻系统
8.离子注入:在去除光刻胶之前注入离子调整部分晶圆的半导体特性
9.重复制程:根据所需要的层数重复光刻
10.封装芯片:切割晶圆,形成单个芯片并封装
芯片制造所需要的外部条件有哪些?
不同种类的光刻机和超净间。芯片就像是迷你的摩天大楼,它的结构可达到100多层,层与层之间以纳米精度相互交叠,这种精度也称为“套刻精度”。由于层与层之间的图案不同,便需要不同类型的光刻机来加工。ASML的深紫外线光刻机有几个不同的种类,适用于关键性的小图案和普通型的大图案。无论多小的灰尘,一旦落在晶圆上便会对晶圆造成很严重的损伤。所以芯片的制造需要在干净的环境中进行。世界上多数厂商所使用的超净间为“ISO 1级”,即空气中每立方米颗粒直径在100到200微米之间的颗粒数不超过10个,没有直径大于200微米的颗粒,而相对比之下,干净的医院里每立方米空气中有10000颗粉尘,可见,日常的环境的洁净度远远达不到超净间的标准。超净间中的空气会不断的循环和过滤,工作人员也需要穿着特殊的工作服维持超净间的洁净。
芯片的制造模式有哪些?
芯片的制造模式可分为三类:一类IDMs是设计并加工芯片,另一类Foundries是依据代工合同为其他公司加工芯片,有些公司例如高通、英伟达和超微半导体,只从事芯片的设计而不进行加工,以期节约运营成本。
芯片如何从设计走向量产?
从芯片的设计到量产总共要走过四个阶段,分别是设计阶段、开发阶段、试产阶段和量产阶段。
设计阶段:在此阶段,客户给厂商提供芯片电路,厂商根据客户的实际需求设计和优化掩模板
开发阶段:在确定了掩模板后,厂商需要在少量晶圆和光刻机上试验光刻,确保设计好的掩模板可以
被转移到光刻胶上,这也是此阶段的难点。
试产阶段:开发阶段确定好的加工设置叫做工艺窗口,在试产阶段需要做的便是扩大这个工艺窗口,
因为每加入一台光刻机便会多一个变量,例如光波长、加工精度等,为了能让更多的光刻
机协同工作,需要尝试将工艺窗口扩大,以容纳更多种设置。(可以简单理解为容错性)
量产阶段:在此阶段,厂商需要起到一定的监测作用,确保光刻机能够以最大的优良率不间断的生产
芯片。
上一篇: 探索m_xiang_的个人世界
下一篇: 湿法腐蚀:半导体光刻工艺中的关键步骤
推荐阅读
-
揭秘手机芯片的命名规则
-
探索决策树模型-2. 揭秘决策树的训练过程
-
Soul源码解析系列(3):揭秘插件如何被加载和执行的过程
-
苹果手机的芯片大揭秘!
-
深入了解A15芯片的制作过程与编程技巧
-
揭秘 Linux 启动过程的内部机制
-
揭秘光刻胶的构成与光刻过程
-
揭秘芯片的诞生过程
-
跟随技术牛人脚印,实战揭秘项目从无到有全过程的设计与实施
-
【摩尔线程+Colossal-AI强强联手】MusaBert登上CLUE榜单TOP10:技术细节揭秘 - 技术实力:摩尔线程凭借"软硬兼备"的技术底蕴,让MusaBert得以从底层优化到顶层。其内置多功能GPU配备AI加速和并行计算模块,提供了全面的AI与科学计算支持,为AI推理和低资源条件下的大模型训练等场景带来了高效、经济且环保的算力。 - 算法层面亮点:依托Colossal-AI AI大模型开发系统,MusaBert在训练过程中展现出了卓越的并行性能与易用性,特别在预处理阶段对DataLoader进行了优化,适应低资源环境高效处理海量数据。同时,通过精细的建模优化、领域内数据增强以及Adan优化器等手段,挖掘和展示了预训练语言模型出色的语义理解潜力。基于MusaBert,摩尔线程自主研发的MusaSim通过对比学习方法微调,结合百万对标注数据,MusaSim在多个任务如语义相似度、意图识别和情绪分析中均表现出色。 - 数据资源丰富:MusaBert除了自家高质量语义相似数据外,还融合了悟道开源200GB数据、CLUE社区80GB数据,以及浪潮公司提供的1TB高质量数据,保证模型即便在较小规模下仍具备良好性能。 当前,MusaBert已成功应用于摩尔线程的智能客服与数字人项目,并广泛服务于语义相似度、情绪识别、阅读理解与声韵识别等领域。为了降低大模型开发和应用难度,MusaBert及其相关高质量模型代码已在Colossal-AI仓库开源,可快速训练优质中文BERT模型。同时,通过摩尔线程与潞晨科技的深度合作,仅需一张多功能GPU单卡便能高效训练MusaBert或更大规模的GPT2模型,显著降低预训练成本,进一步推动双方在低资源大模型训练领域的共享目标。 MusaBert荣登CLUE榜单TOP10,象征着摩尔线程与潞晨科技联合研发团队在中文预训练研究领域的领先地位。展望未来,双方将携手探索更大规模的自然语言模型研究,充分运用上游数据资源,产出更为强大的模型并开源。持续强化在摩尔线程多功能GPU上的大模型训练能力,特别是在消费级显卡等低资源环境下,致力于降低使用大模型训练的门槛与成本,推动人工智能更加普惠。而潞晨科技作为重要合作伙伴,将继续发挥关键作用。