【台積電佈局新存儲技術】
近年來，在人工智能（AI）、5G等推動下，以MRAM（磁阻式隨機存取存儲器）、鐵電隨機存取存儲器 (FRAM)、相變隨機存取存儲器（PRAM），以及可變電阻式隨機存取存儲器（RRAM）為代表的新興存儲技術逐漸成為市場熱點。這些新技術吸引各大晶圓廠不斷投入，最具代表性的廠商包括台積電、英特爾、三星和格羅方德（Globalfoundries）。
那麼，這些新興存儲技術為什麼會如此受期待呢？主要原因在於：隨着半導體制造技術持續朝更小的技術節點邁進，傳統的DRAM和NAND Flash面臨越來越嚴峻的微縮挑戰，DRAM已接近微縮極限，而NAND Flash則朝3D方向轉型。
此外，傳統存儲技術在高速運算上也遭遇阻礙，處理器與存儲器之間的「牆」成為了提升運算速度和效率的最大障礙。特別是AI的發展，數據需求量暴增，「牆」的負面效應愈加突出，越來越多的半導體廠商正在加大對新興存儲技術的研發和投資力度，尋求成本更佳、速度更快、效能更好的存儲方案。
從目前來看，最受期待的就是MRAM，各大廠商在它上面投入的力度也最大。MRAM屬於非易失性存儲技術，是利用具有高敏感度的磁電阻材料製造的存儲器，斷電時，MRAM儲存的數據不會丟失，且耗能較低，讀寫速度快，可媲美SRAM，比Flash速度快百倍，在存儲容量方面能替代DRAM，且數據保存時間長，適合高性能應用。
MRAM的基本結構是磁性隧道結，研發難度高，目前主要分為兩大類：傳統MRAM和STT-MRAM，前者以磁場驅動，後者則採用自旋極化電流驅動。
另外，相較於DRAM、SRAM和NAND Flash等技術面臨的微縮困境，MRAM可滿足製程進一步微縮需求。目前，DRAM製程工藝節點為1X nm，已接近極限，而Flash走到20 nm以下後，就朝3D製程轉型了。MRAM製程則可推進至10nm以下。
在過去幾年裏，包括台積電、英特爾、三星、格羅方德等晶圓代工廠和IDM，相繼大力投入MRAM 研發，而且主要着眼於STT-MRAM，也有越來越多的嵌入式解決方案誕生，用以取代Flash、EEPROM和SRAM。
- 台積電
早在2002年，台積電就與工研院簽訂了MRAM合作發展計劃。近些年，該公司一直在開發22nm製程的嵌入式STT-MRAM，採用超低漏電CMOS技術。
2018年，台積電進行了eMRAM芯片的「風險生產」，2019年生產採用22nm製程的eReRAM芯片。
2019年，台積電在嵌入式非易失性存儲器技術領域達成數項重要的里程碑：在40nm製程方面，該公司已成功量產Split-Gate（NOR）技術，支持消費類電子產品應用，如物聯網、智慧卡和MCU，以及各種車用電子產品。在28nm製程方面，該公司的嵌入式快閃存儲器支持高能效移動計算和低漏電製程平台。
在ISSCC 2020上，台積電發佈了基於ULL 22nm CMOS工藝的32Mb嵌入式STT-MRAM。該技術基於台積電的22nm ULL（Ultra-Low-Leakage）CMOS工藝，具有10ns的極高讀取速度，讀取功率為0.8mA/MHz/bit。對於32Mb數據，它具有100K個循環的寫入耐久性，對於1Mb數據，具有1M個循環的耐久性。
它支持在260°C下進行90s的IR迴流焊，在150°C下10年的數據保存能力。它以1T1R架構實現單元面積僅為0.046平方微米，25°C下的32Mb陣列的漏電流僅為55mA。
目前，台積電已經完成22nm嵌入式STT-MRAM技術驗證，進入量產階段。在此基礎上，該公司還在推進16 nm 製程的STT-MRAM研發工作。
除了MRAM，台積電也在進行着ReRAM的研發工作，並發表過多篇基於金屬氧化物結構的ReRAM論文。
工研院電光所所長吳志毅表示，由於新興存儲技術將需要整合邏輯製程技術，因此現有存儲器廠商要卡位進入新市場，門檻相對較高，而台積電在這方面具有先天優勢，因為該公司擁有很強的邏輯製程生產能力，因此，台積電跨入新興存儲市場會具有競爭優勢。
據悉，工研院在新興存儲技術領域研發投入已超過10年，通過元件創新、材料突破、電路優化等方式，開發出了更快、更耐久、更穩定、更低功耗的新一代存儲技術，目前，正在與台積電在這方面進行合作。未來，台積電在新興存儲器發展方面，工研院將會有所貢獻，但具體內容並未透露。
- 三星
三星在MRAM研發方面算是起步較早的廠商，2002年就開始了這項工作，並於2005年開始進行STT-MRAM的研發，之後不斷演進，到了2014年，生產出了8Mb的eMRAM。
三星Foundry業務部門的發展路徑主要分為兩條，從28nm節點開始，一條是按照摩爾定律繼續向下發展，不斷提升FinFET的工藝節點，從14nm到目前的7nm，進而轉向下一步的5nm。
另一條線路就是FD-SOI工藝，該公司還利用其在存儲器製造方面的技術和規模優勢，着力打造eMRAM，以滿足未來市場的需求。這方面主要採用28nm製程。
三星28nm製程FD-SOI（28FDS）嵌入式NVM分兩個階段。第一個是2017年底之前的電子貨幣風險生產，第二個是2018年底之前的eMRAM風險生產。並同時提供eFlash和eMRAM（STT-MRAM）選項。
該公司於2017年研製出了業界第一款採用28FDS工藝的eMRAM測試芯片。
2018年，三星開始在28nm平台上批量生產eMRAM。2019年3月，該公司推出首款商用eMRAM產品。據悉，eMRAM模塊可以通過添加三個額外的掩膜集成到芯片製造工藝的後端，因此，該模塊不必要依賴於所使用的前端製造技術，允許插入使用bulk、FinFET或FD-SOI製造工藝生產的芯片中。
三星表示，由於其eMRAM在寫入數據之前不需要擦除週期，因此，它比eFlash快1000倍。與eFlash相比，它還使用了較低的電壓，因此在寫入過程中的功耗極低。
2018年，Arm發佈了基於三星28FDS工藝技術的eMRAM編譯器IP，包括一個支持18FDS (18nm FD-SOI工藝)的eMRAM編譯器。這一平台有助於推動在5G、AI、汽車、物聯網和其它細分市場的功耗敏感應用領域的前沿設計發展。
2019年，三星發佈了採用28FDS工藝技術的1Gb嵌入STT-MRAM。基於高度可靠的eMRAM技術，在滿足令人滿意的讀取，寫入功能和10年保存時間的情況下，可以實現90％以上的良率。並且具備高達1E10週期的耐久性，這些對於擴展eMRAM應用有很大幫助。
2019年底，Mentor宣佈將為基於Arm的eMRAM編譯器IP提供IC測試解決方案，該方案基於三星的28FDS工藝技術。據悉，該測試方案利用了Mentor的Tessent Memory BIST，為SRAM和eMRAM提供了一套統一的存儲器測試和修復IP。
- Globalfoundries（格羅方德半導體股份有限公司）
2017年，時任Globalfoundries首席技術官的Gary Patton稱，Globalfoundries已經在其22FDX（22nm製程的FD-SOI工藝技術）製程中提供了MRAM，同時也在研究另一種存儲技術。
由於Globalfoundries重點發展FD-SOI技術，特別是22nm製程的FD-SOI，已經很成熟，所以該公司的新興存儲技術，特別是MRAM，都是基於具有低功耗特性的FD-SOI技術展開的。
今年年初，Globalfoundries宣佈基於22nm FD-SOI 平台的eMRAM投入生產。該eMRAM技術平台可以實現將數據保持在-40°C至+125°C的温度範圍內，壽命週期可以達到100,000，可以將數據保留10年。該公司表示，正在與多個客户合作，計劃在2020年安排多次流片。
據悉，該公司的eMRAM旨在替代NOR閃存，可以定期通過更新或日誌記錄進行重寫。由於是基於磁阻原理，在寫入所需數據之前不需要擦除週期，大大提高了寫入速度，宏容量從4-48Mb不等。
- 英特爾
英特爾也是MRAM技術的主要推動者，該公司採用的是基於FinFET技術的22 nm製程。
2018年底，英特爾首次公開介紹了其MRAM的研究成果，推出了一款基於22nm FinFET製程的STT-MRAM，當時，該公司稱，這是首款基於FinFET的MRAM產品，並表示已經具備該技術產品的量產能力。
結語
由於市場需求愈加凸顯，且有各大晶圓廠大力投入支持，加快了以MRAM為代表的新興存儲技術的商業化進程。未來幾年，雖然DRAM和NAND Flash將繼續站穩存儲芯片市場主導地位，但隨着各家半導體大廠相繼投入發展，新興存儲器的成本將逐步下降，可進一步提升 MRAM等技術的市場普及率。
原文：
https://mp.weixin.qq.com/s/sMZ0JwclWf1zAEPkW8Rn0Q
ic功耗計算 在 [問題] 晶片功耗與發熱功率的關係- 看板Electronics - 批踢踢實業坊 的八卦
請問各位前輩一個問題
晶片的功耗可由電壓與電流的關係量測得到
這樣子量到的功耗與發熱的功率有直接關係嗎?
目前看到的一些資料感覺這兩者是相同的
只是例如TDP和power consumption可能在定義的操作條件不相同外
似乎電功率都會全部轉換成熱能釋放出來
不知道這樣的理解是否正確?
因為直覺上會覺得晶片消耗的電功率除了熱以外
應該也會消耗在其他的地方
例如要打高速訊號去驅動其他IC
或是要對外界的其他電容做充放電等等
而不會全部變成熱能 (例如60%電功率會轉換成熱)
不知道這樣的想法是不是有什麼問題
懇請各位指教
謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.28.121
※ 文章網址: https://www.ptt.cc/bbs/Electronics/M.1487167516.A.118.html
... <看更多>