异构集成与异构计算

[导读]导读这篇文章主要为了搞清楚以下几个问题：1）什么是异构集成？2）什么是异构计算？3）什么是算力？4）异构集成、异构计算、算力的关系？5）什么是异构时代？1）异构集成异构集成（HeterogeneousIntegration）异构集成通常和单片集成电路（monolithic）相对...

导读

这篇文章主要为了搞清楚以下几个问题：1）什么是异构集成？2）什么是异构计算？3）什么是算力？4）异构集成、异构计算、算力的关系？
5）什么是异构时代？

1）异构集成
异构集成（Heterogeneous Integration）

异构集成通常和单片集成电路（monolithic）相对应，我们常见的芯片都是单片集成电路，它们属于同构集成（homogeneous Integration)，意味着在同一种材料上制作出所有元件。这曾经是杰克•基尔比（Jack Kilby）的伟大梦想，并最终成为现实，进而推动了信息技术的巨大进步，对人类文明的进步也产生重大影响。

异构集成和同构集成二者并不相互排斥，所有异构集成的单元都是同构集成。

异构集成（Heterogeneous Integration）准确来讲，全称为异构异质集成，异构集成可看作是其汉语的简称，这里，我们将其分为异构(HeteroStructure)集成和异质(HeteroMaterial)集成两大类。

HeteroStructure Integration

HeteroStructure Integration（异构集成）主要指将多个不同工艺节点单独制造的芯片封装到一个封装内部，以增强功能性和提高性能，可以对采用不同工艺、不同功能、不同制造商制造的组件进行封装。例如将不同厂商的7nm、10nm、28nm、45nm的小芯片通过异构集成技术封装在一起。

这里主要以硅材质的芯片为主，工程师可以像搭积木一样，在芯片库里将不同工艺节点的Chiplet小芯片通过异构集成技术组装在一起。

HeteroMaterial Integration

HeteroMaterial Integration（异质集成）是指将不同材料的半导体器件集成到一个封装内，可产生尺寸小、经济性好、灵活性高、系统性能更佳的产品。

如将Si、GaN、SiC、InP生产加工的芯片通过异质集成技术封装到一起，形成不同材料的半导体在同一款封装内协同工作的场景。

过去，出于功耗、性能、成本等因素的考虑，集成首先在单片上实施，例如SoC。近些年，由于摩尔定律日益趋缓，单片集成的发展受到了一些影响。得益于先进封装与芯片堆叠技术的创新，设计人员可以将系统集成至单个封装内形成SiP，这就推进了异构异质集成的发展。

下图所示 Intel 的Co-EMIB技术就属于典型的异构集成技术。

今天，Heterogeneous Integration 异构异质集成主要是指封装层面（Package Level）的集成，其概念出现的历史并不长，是在近十年间随着先进封装技术的兴起而日益受到业界的重视，并逐渐发展为电子系统集成中最受关注的环节。

2）异构计算
异构计算（Heterogeneous Computing）

异构计算是指将CPU、GPU、FPGA、DSP等不同架构的运算单元整合到一起进行并行计算。

例如，CPU擅长管理和调度，比如读取数据，管理文件，人机交互等；GPU管理弱，运算强，更适合整块数据进行流处理的算法；FPGA实时性高，能管理能运算，但是开发周期长，复杂算法开发难度大；DSP适合特定算法的计算等。

当人工智能等海量计算诉求到来之后，GPU、FPGA、DSP去配合CPU进行计算的使命就自然而然的产生了，这就是异构计算。

异构计算技术从上世纪80年代中期产生，由于能有效获取高计算能力、可扩展性好、资源利用率高、发展潜力大，已成为并行计算领域中的研究热点。

近年来，人工智能持续爆发，对算力提出了更高的要求。异构计算作为大计算时代的解决方案，打破传统通用计算的限制，融合不同指令集和体系架构的计算单元，完美支持大计算场景。异构计算的实现架构通常是CPU GPU/FPGA/DSP，主要由CPU完成不可加速部分的计算以及整个系统的控制调度，由GPU/FPGA/DSP完成特定的任务和加速。异构计算是一种特殊形式的并行和分布式计算，区别于CPU计算的通用架构，整合多种计算架构如CPU、GPU、FPGA、DSP、ASIC等，可简单理解为：专人干专事，人多力量大。

3）算力
算力（Computing Power）算力，顾名思义就是计算能力。算力原本是比特币处理能力的度量单位，即为CPU计算哈希函数输出的速度。现在已经成为一个描述计算能力的通用名词。算力存在于各种硬件设备中，没有算力就没有软硬件的正常应用。高配置的电脑算力更高，可以运行复杂大型的软件，低配置的电脑算力不够，适合运行一般的办公软件。算力受处理器的运行速度、存储、网络等因素的影响，而算力的核心在芯片。算力为大数据和人工智能的发展提供基础保障，算力是人工智能发展的动力和引擎。