北京大學團隊研發出全球首款二維 GAAFET 晶體管，以鉍材料突破接觸電阻量子極限，開啟后摩爾時代。這項成果在《自然》發表，實測性能超越國際巨頭，二維堆疊技術使中國半導體站上 1 納米制程競爭最前沿。

近年來，隨著半導體行業的不斷發展，摩爾定律逐漸失效，使得人們越來越難以改進芯片制造工藝。許多人認為全環繞柵極（GAA）架構工藝推動了芯片工藝的發展。

后摩爾定律時期，AI 芯片又如何發展？

如何走向 GAAFET

在 GAA 之前，半導體制造工藝主要經歷了兩個重要時期：平面場效應晶體管（PlanarFET）和鰭式場效應晶體管（FinFET）。20 世紀 50 年代末，貝爾實驗室開發了 MOS 管，正式宣告計算機中電子管時代的終結。隨后的 50 年里，人們努力將平面場效應晶體管工藝改進至 20 納米，但發現突破 20 納米工藝瓶頸十分困難。2000 年，加州大學伯克利分校的胡晨明教授引入了一種新的場效應晶體管結構，稱為 FinFET。顧名思義，其結構類似鰭。FinFET 在芯片制造過程中突破了 20 納米的關鍵工藝節點，并在近年來將芯片工藝發展到了 5 納米以下。然而，目前的 FinFET 工藝只能發展到 2 納米，仍處于研發階段。大多數人對將 FinFET 工藝提升至 2 納米以下并不樂觀。因此，另一種高性能結構 GAAFET 應運而生，被認為可以取代 FinFET 并延續摩爾定律。

與傳統的 FinFET 相比，后者僅覆蓋通道的三面，而 GAAFET 的情況下，以納米線通道設計為例，整個通道輪廓完全被柵極覆蓋，表明柵極對通道的控制更為出色。

2022 年，三星首次采用 GAA 技術突破了鰭式場效應晶體管 (FinFET) 的性能限制，通過降低電源電壓水平來提高功率效率，同時通過增加驅動電流能力來增強性能。三星正在率先將納米片晶體管應用于高性能、低功耗計算應用的半導體芯片，并計劃將其擴展到移動處理器。三星電子總裁兼晶圓代工業務負責人崔時永博士表示：「隨著我們不斷展現在下一代技術應用于制造業方面的領導地位，例如晶圓代工行業首款高 K 金屬柵極 (High-K Metal Gate)、鰭式場效應晶體管 (FinFET) 以及極紫外光 (EUV) 技術，三星實現了快速發展。我們力求憑借全球首款采用 MBCFET 的 3 納米工藝，繼續保持這一領先地位。我們將繼續在競爭性技術開發方面積極創新，并建立有助于加快技術成熟的流程。」

三星的專有技術利用具有更寬通道的納米片，與使用具有更窄通道的納米線的 GAA 技術相比，可實現更高的性能和更高的能源效率。利用 3nm GAA 技術，三星將能夠調整納米片的通道寬度，以優化功耗和性能，滿足各種客戶需求。此外，GAA 的設計靈活性對于設計技術協同優化 (DTCO) 非常有利，有助于提升功率、性能、面積 (PPA) 優勢。與 5nm 工藝相比，第一代 3nm 工藝可將功耗降低高達 45%，性能提高 23%，面積減少 16%，而第二代 3nm 工藝則可將功耗降低高達 50%，性能提高 30%，面積減少 35%。

相對于 FinFET 的優勢

1. 柵極控制與功耗特性

GAAFET 通過三維環繞柵極結構（Gate-All-Around）實現了溝道控制能力的質的飛躍。相較于 FinFET 的二維接觸，GAAFET 柵極對溝道的靜電控制顯著增強，從而有效降低漏電流，使整體功耗優于 FinFET。

2. 交流頻率性能對比

在交流頻率表現上，納米片（NS）GAAFET 的設計參數對其性能起決定性作用；

更寬且更薄的納米片通過優化有效電流與電容的平衡，性能超越 FinFET；

傳統方形納米線（NW）GAAFET 因載流子遷移率受限，頻率響應弱于 FinFET。

3. 器件面積優化潛力

NS GAAFET 通過堆疊更寬、更薄的納米片結構，在相同 Weff 下可實現比 FinFET 更緊湊的器件布局；

單層納米片 GAAFET 在固定堆疊間距下，面積效率高于雙層結構；

通過三維堆疊設計，NS GAAFET 可進一步突破 FinFET 的面積限制，為高密度集成提供更大潛力。

另外，GAAFET還有可擴展性優勢：熱管理與電子遷移特性

1. 熱效應抑制能力

GAAFET 的低功耗運行特性使其在大多數工作場景下發熱量顯著低于傳統 FinFET。其全環繞柵極（GAA）結構不僅增強了柵極控制能力，還優化了散熱路徑，有效降低了器件內部的熱積累，從而提升了抗熱效應能力，確保高性能下的穩定性。

2. 電子遷移抗性優化

GAAFET 的三維柵極包裹溝道設計大幅增強了載流子控制能力：通過抑制漏電流，顯著降低電子遷移（Electromigration）風險；

在相同制程節點下，相較于 FinFET，GAAFET 的電子遷移率更低，進一步減少功耗損失，延長器件壽命。

3. 綜合可擴展性優勢

得益于上述特性，GAAFET 在功耗、頻率、面積、熱管理及可靠性方面均展現出優異的可擴展性（Scalability），使其成為先進制程（如 3nm 及以下）的關鍵技術路徑。

GAAFET 將是未來幾年半導體行業的絕對領先技術但其發展仍面臨諸多挑戰。這種新一代晶體管在低工藝節點上具有顯著優勢，然而其復雜的立體結構、嚴苛的材料要求以及與現有技術平臺的不兼容性，導致研發進程異常緩慢。目前全球僅有臺積電（TSMC）和三星兩家巨頭具備量產能力，凸顯了該技術的高門檻特性。

當前 GAAFET 領域的競爭格局暗流涌動。在高端芯片需求持續爆發的背景下，蘋果、英特爾等科技巨頭對先進制程的渴求與日俱增。臺積電與三星的技術角力已進入白熱化階段，任何一方若能在良率或性能上取得突破，都將重塑全球芯片供應格局。這種競爭不僅關乎企業利益，更將決定各國在下一代半導體技術中的話語權。

然而，GAAFET 的產業化之路依然任重道遠。要實現穩定量產，需要跨越包括極紫外光刻（EUV）設備升級、設計工具鏈重構、材料體系革新在內的多重技術鴻溝。這些挑戰既需要數百億美元的持續投入，更有賴于整個產業生態的協同創新。從實驗室突破到規模化生產，GAAFET 技術仍需經歷漫長的優化過程。唯有通過全產業鏈的通力合作，才能最終實現高性能、高良率與成本控制的平衡，為后摩爾時代的信息技術發展奠定堅實基礎。

一葉知秋：后摩爾時代的 AI 芯片

從 GAAFET 的火熱可以反映出后摩爾時代 AI 芯片的發展特征。

在后摩爾定律時代，受傳統晶體管微縮限制的影響，AI 芯片開發正經歷重大變革。隨著 AI 工作負載日益復雜且數據密集，新的設計范式應運而生，旨在維持性能提升和效率提升，而非僅僅依賴提高晶體管密度。

AI 硬件不再依賴「一刀切」的方案，而是不斷發展，除了通用 CPU 之外，還包含專用處理單元（GPU、TPU 和 NPU）。這種方法使 AI 系統能夠將特定任務分配給最合適的硬件，從而優化機器學習推理、訓練和邊緣計算的性能。針對自然語言處理或計算機視覺等任務量身定制的領域特定架構，也能通過降低計算開銷和延遲來提高效率。

將人工智能算法直接集成到硬件中是另一個關鍵轉變。傳統上，人工智能模型依靠軟件優化來實現性能提升，但深度學習模型日益復雜，要求硬件和軟件之間更緊密地集成。如今，人工智能加速器內置了對神經網絡運算的支持，無需進行大量的軟件調優，即可實現更快、更高效的處理。這一趨勢在邊緣人工智能設備中尤為明顯，因為在這些設備上，能效和實時推理能力至關重要。

人工智能芯片開發的未來將依賴于相互補充的多種計算框架。同時，熱力學計算為隨機計算提供了實用性，而光子計算則為增加通信帶寬提供了短期解決方案。它們在未來的異構計算系統中都可能占有一席之地。可逆計算、熱力學模型和光子解決方案等新興范式可能會在此類系統中共存，以應對不同的人工智能工作負載。

量子計算和神經形態計算等新興技術或將重塑人工智能芯片的發展。量子計算有望以比現有系統更快的速度解決復雜問題，而神經形態芯片則模擬人腦的工作方式，以更低的能耗提供卓越的人工智能性能。雖然它們都還無法取代現有的人工智能硬件，但目前正在對其進行深入研究，并可能引領未來的突破。

隨著晶體管規模縮小帶來的收益遞減，光子計算和量子計算等新興技術正在為人工智能硬件打開新的大門。

隨著人工智能芯片開發超越摩爾定律的傳統模式，行業正面臨一場巨變，其進展取決于晶體管密度以外的其他因素。專用架構、異構計算和 3D 芯片堆疊方面的創新正在推動性能提升，而能源效率和成本考量仍然至關重要。人工智能硬件的未來需要在這些進步與制造復雜性和供應鏈約束的挑戰之間取得平衡。