如今，半導體無處不在。它們是現代世界的力量——從日常的智能手機、平板電腦、筆記本電腦、智能手表到后臺運行 AI 算法的云服務器。隨著技術日新月異，制造商競相將晶體管推向更小、更緊湊、更高效的節點。

起初，很難相信半導體真的可以解決所有這些問題，包括提高 AI 性能。但在本文中，您將探索新一代尖端半導體技術如何實現這一目標。

尋找緊湊型晶體管及其對 AI/ML 效率的影響

幾十年來，戈登·摩爾定律一直指導著半導體的發展。摩爾定律指出，隨著時間的推移，技術不斷進步，標準電路板上可安裝的晶體管尺寸每兩年將翻一番，這意味著晶體管將變得越來越小。顯然，它存在物理限制。目前，晶體管的尺寸已從 5nm 減小到 3nm、2nm，未來甚至將達到 1.4nm。在這個規模下，硅原子電子的基本物理特性成為一個限制因素。因此，人們發明了新的解決方案來滿足這一需求：

環柵 (GAA) 晶體管

這些是更高級、更先進的晶體管結構，晶體管的柵極端子從各個側面接觸通道。這有助于實現連續縮放，也提高了晶體管的性能。

眾所周知，經典晶體管是平面晶體管，因為所有關鍵元件（柵極、源極、漏極和溝道）都位于二維平面上，電流從源極流向漏極，由施加在柵極端子上的電壓控制。隨著晶體管變得越來越小，漏電流和短溝道效應等問題開始出現。隨著時間的推移，工程師發現可以更好地控制這種電流，從而提高功率效率和性能。此后，FinFET 應運而生。FinFET 具有從硅基板突出的三維結構。類似于水中的魚鰭，因此得名。現在，在這個突出物上，柵極端子從所有 3 個側面包裹溝道，從所有 3 個側面控制電場，從而使其對溝道具有更多的靜電控制，如下圖所示。

FinFET 結構。

現在，由于晶體管尺寸不會停止減小，半導體行業正處于甚至 FinFET 也不足以控制更短通道的境地。出現的問題是由于短通道效應和漏電流的結合，最終導致更高的功率下降。

這就是 GAAFET 發揮作用的地方。為了重新獲得對通道的控制，柵極端子必須從更多側面覆蓋通道。因此得名 Gate-All-AroundFET。這意味著電場可以從所有側面進入通道，提供最大程度的場效應和更好的通道控制。

為實現這一目標，GAAFET 具有各種結構——納米片 FET 和納米線 FET。

納米片 FET 使用堆疊的「薄片」或「晶圓」作為通道，而不是導線，以實現更好的電流流動。（用于 3nm 及以上）。柵極完全包圍這些薄片，提供 360 度電場以控制通道。源極和漏極連接在納米片的兩端，允許電流流過它們。由于薄片的面積比導線更寬，因此電流比納米線 FET 更大。

納米線與納米片 GAAFET 結構。

納米線場效應晶體管 (FET) 是圓柱形通道，完全被柵極包圍，再次提供 360 度電場，以更好地控制通道。納米片在縮放時可能會失去對泄漏的控制，而納米線則保持更好的開關行為。

由于納米線場效應晶體管 (FET) 中的通道非常薄且呈圓柱形，因此它允許柵極的電場完全包圍并更有效地控制整個通道，并且由于納米線的面積比納米片薄，因此它們比納米片場效應晶體管 (FET) 更適合極端縮放（亞 2 納米）。納米線也比納米片占用更少的空間，并且可以垂直堆疊以在單位面積上封裝更多晶體管。因此，增加了密度并實現了極端小型化。這在設計超密集邏輯電路和存儲芯片時非常有用。

臺積電、英特爾、三星等公司正在轉向使用 GAAFET 來制造 3nm 和 2nm 芯片。三星將其版本稱為 MBCFET（多橋通道 FET）。MBCFET 是 GAAFET 的變體，其中通道水平放置，就像「帶狀」。這些也被稱為帶狀 FET。它們可以實現更高的單位面積電流。

這些晶體管幾何結構如何推動人工智能的發展？

人工智能和機器學習技術的發展受到并行處理和迭代循環能力的顯著影響。尤其是晶體管的發展在以下方面對增強這些過程發揮了至關重要的作用：

• 更高的密度：這意味著在給定的區域中裝入更多的晶體管，這可以顯著增加單個芯片上的核心數量或 AI 專用加速器的數量，從而提高性能。

• 更快的速度：考慮晶體管縮小對其性能的影響，隨著電子需要行進的距離減少，我們可以實現更高的時鐘速度和更快的數據傳輸。這反過來又會減少訓練和推理時間。

• 降低功耗：在相同工作負載下，較小的節點消耗的能量較少，這對于那些需要大量電力的 ML 模型來說至關重要。因此，有助于降低大型數據中心的運營成本。

這些好處不僅僅在于提高計算能力；這些創新還可以解鎖以下先進的人工智能應用：

實時語音翻譯：語音翻譯涉及圍繞音頻輸入和輸出工作的大型深度學習模型。它實時處理音素、語法和上下文。這可以通過并行處理實現。這些晶體管幾何結構確保可以并行執行更多操作而沒有延遲，同時確保幾乎即時的翻譯。

此外，現代芯片格局已經發生了重大轉變，包括專用的 AI 和 ML 模塊，例如張量核心和神經處理單元。這些專用模塊旨在以無與倫比的效率處理復雜的矩陣運算和卷積，從而縮短語音識別和自然語言處理等任務的處理時間，而這些任務是語音翻譯的核心。

此外，更小的晶體管需要更少的電量。這使得在設備（例如智能手機）上運行密集的 AI 工作負載成為可能，而不會過快耗盡電池。實時翻譯可以成為一種隨時隨地的功能，而不僅僅依賴于云服務器。

精確的自動駕駛算法：為了使這些車輛有效運行，它們依賴于來自各種來源（例如 LiDAR、雷達、攝像頭和 GPS）的大量數據。挑戰在于處理這些海量數據并將它們合并為一個統一的世界視圖，這項任務需要相當大的計算帶寬。新的晶體管幾何結構允許顯著加快數據吞吐量和并行處理能力。這反過來又實現了實時傳感器融合，這是自動駕駛的關鍵組成部分。

當來自各種來源的傳感器數據組合在一起時，車輛的人工智能系統必須解釋這些信息以識別物體、預測其運動并制定安全導航策略。微芯片上晶體管密度的增加使得更復雜的算法能夠以最小的延遲執行，從而提高準確性和安全性。

此外，汽車有嚴格的熱和功率限制，尤其是電動汽車。更小、更高效的晶體管有助于降低發熱量，主要是因為它們減少了每個晶體管在運行過程中切換（即打開和關閉）所需的能量。這使得人工智能系統能夠在汽車環境中廣泛采用，而不會導致電池過熱或負擔過重。

加速科學研究：科學研究領域，尤其是在模擬藥物開發的分子相互作用、運行復雜的氣候模型或分析大量基因組數據等領域，對大量計算資源有著無盡的需求。隨著晶體管的縮小，HPC 系統可以擁有更多的處理核心和更大的片上緩存，從而提高大規模模擬的吞吐量。粒子物理學或天文學等領域依賴于篩選大量數據集，而這又可以通過由小型晶體管組成的高級芯片輕松實現，這些芯片構成了專用的加速器。這些芯片可以更有效地處理大量數據集，從而在更短的時間內計算出模式識別和其他見解。即使是超級計算機也有功率限制。通過在單個芯片上添加更多內核或將更多計算能力集成到相同的功率范圍內，材料科學、醫學等領域現在可以進行擴展模擬，并以以前無法實現的水平運行 AI 驅動的分析。

無處不在的設備 AI：

從智能手機到生成媒體：移動設備和可穿戴設備的設備 AI：通過將更多晶體管封裝到更小的區域，現代芯片可以在智能手機和可穿戴設備上處理復雜的操作，例如面部識別、實時翻譯和增強現實。這不僅可以減少延遲，還可以通過最大限度地減少功耗和發熱量來幫助節省電池壽命。

醫療診斷和醫療保健：可穿戴健康監測器和復雜的成像系統使用這些相同的更密集、低功耗芯片來現場處理生命體征、心電圖數據或 X 射線圖像，從而減少對大型服務器的依賴，并實現更快、更準確的患者護理。

機器人和工業應用中的邊緣計算：無人機、自主機器人和先進的生產線可以快速融合傳感器輸入以在本地做出實時決策。這減少了對持續云連接的需求，從而縮短了響應時間并降低了網絡成本。

用于媒體和內容創作的生成式人工智能：無論是創建逼真的圖像還是生成自然的音頻，密集的晶體管布局都有助于大型人工智能模型更快地訓練并更高效地運行。這意味著內容創作者（甚至是日常用戶）可以在緊湊型設備或較小的服務器上制作高質量的視覺效果或音景，而不必僅僅依賴龐大的數據中心。

結論

縮小晶體管尺寸的競賽帶來的不僅僅是更小的物理占用空間。無論是在手機、無人機、醫院還是創造精美的數字藝術上，每個新節點都使 AI 工作負載能夠更快、更節能地運行。隨著制造商從 3nm 邁向 2nm 及更遠，半導體幾何形狀的這些進步將繼續拓寬 AI 的范圍、能力和可持續性，最終徹底改變我們的生活、工作和發展方式。