因为专业

所以领先

客服热线
136-9170-9838
[→] 立即咨询
关闭 [x]
行业动态 行业动态
行业动态
了解行业动态和技术应用

浅谈AI芯片产生的背景和技术发展与AI芯片封装清洗介绍

合明科技 👁 1996 Tags:AI芯片7nm工艺3D封装

我们说AI芯片,一般是泛指所有用来加速AI应用,特别是基于神经网络的深度学习应用的硬件,它可以是一颗独立的芯片,也可以是芯片中的模块,其基本技术都是相关的。

image.png

综合来说,AI计算的需求爆炸性增长,而通用处理的处理能力很难提升,这中间就出现一个很明显的gap。所以,一个很直接的想法就是,如果通用处理器不能满足AI计算的需求,我们是否可以设计针对AI计算的专用处理器呢?答案当然是肯定的。这也就是领域专用计算的概念。

image.png

一般来说,一个领域是不是适合开发专用的处理器有两个条件,第一是这个领域的应用需求足够大,有很强的动力驱动相应的研发投入;第二是这个领域的计算模式限定在一个较小的集合,这样我们才有可能用专用硬件来对这些特定的运算进行加速。AI领域正好满足这两个条件。因此,我们说AI芯片设计是一个典型的领域专用计算问题,也就是domain specific computing。

image.png

图的右半部分就是软件开发的工作和相应的工具。细节内容我就不展开讲了,感兴趣的朋友可以看看我的公众号上关于专用处理器的文章。这里我只想强调一点,就是我们设计一个专用处理器,往往需要设计新的指令集架构,编程模型,甚至是新的编程语言。这也意味着我们可能没有现成的软件工具可以使用,我们在设计和优化新的硬件的同时,必须打造新的软件工具链。只有提供全栈的软硬件,才能让用户特别是开发者利用好新硬件的能力。这个也是专用处理器设计的一个巨大挑战。

image.png

image.png

image.png

对GEMM的加速效果是受很多因素影响的。首先要有大量的运算单元,这个相对比较容易,但即使有了大量的运算单元,如果数据不能有效的供给到GEMM引擎,则它理论上计算能力再强也发挥不出来。这也是为什么我们经常看到AI芯片宣传的峰值运算能力很强,但跑实际网络的有效算力就差了很多。此外,还有很多需要做架构优化和权衡的问题。比如可编程性。值得一提的是,一直强调自己是从做硬件之前就开始做软件工具的。从实际展示的结果来看,芯片利用率还是比较高的,这个应该是硬件架构比较平衡,软件工具比较完善才可能做到的。

image.png

下面我们看一下展示的达芬奇AI处理器架构,它吸取了过去几年AI硬件加速的经验,融合向量,标量和矩阵的的运算。3D Cube:16*16*16三维弹性立方体,可在一个时钟周期内完成4096个FP16 MAC运算。而这个核通过不同的配置,可以作为 几十毫瓦的IP到支持几百瓦的芯片,的不同场景,比如高能效的Ascend 310到算力最强的Ascend 910。

image.png

当然,这几年AI芯片的热潮也给我们带来一些很有意思的,比较特殊的架构。比如,Grophcore的IPU是一个大规模并行,同构众核架构。最基本的硬件处理单元是IPU-Core,它是一个SMT多线程处理器,可以同时跑6个线程,更接近多线程CPU。芯片上有一千多个小的这种通用处理器核。同时,芯片没有外部存储,而是实现了300M左右的片上存储,这个也是很少见的。

image.png

如果总结一下这几年AI计算加速在产业的发展,简单来说就是无芯片不AI。从云到边到端的各种场景都需要AI运算能力,因此也都需要AI加速。但是在不同的场景下,对AI加速的需求又有很大差别。

image.png

这个例子里面中间一列,我们看到目前业界应用最多的软件栈。硬件基于Nvidia GPU,软件是基于CUDA。正好Nvidia刚刚发布了新的AI软硬件产品,我们不妨展开来看一下。

image.png

A100是7nm工艺,使用HBM2存储器接口,3D封装,整体性能有大幅提升。具体来说,Tensor Core支持更多的数据类型,特别是AI中常用的数据类型,支持固定结构的2:4稀疏化处理。FP16/BF16的峰值处理能力是312TFLOPS,INT8的峰值处理能力是624TOPS,如果是稀疏处理的情况,则最高性能翻倍。近几年很多AI芯片初创公司都说自己的芯片硬件性能比Nvidia GPU高几倍,不过现在看来,即使单看硬件,A100的指标也是最强的。

image.png

在A100的基础上,整个硬件产品线也做了升级,从显卡到云服务器到边缘服务器到自动驾驶和智能机器平台,非常完整。

image.png

image.png


比如对于推荐系统和交互是语音结合自然语言处理这类的系统都给出了专门的解决方案。而Nvidia AI就是一个端到端的软硬件加速方案,从大数据处理,到AI的training,再到inference,可以说把Nvidia的生态优势发挥到了极致。

芯片封装清洗:

合明科技研发的水基清洗剂配合合适的清洗工艺能为芯片封装前提供洁净的界面条件。

水基清洗的工艺和设备配置选择对清洗精密器件尤其重要,一旦选定,就会作为一个长期的使用和运行方式。水基清洗剂必须满足清洗、漂洗、干燥的全工艺流程。

污染物有多种,可归纳为离子型和非离子型两大类。离子型污染物接触到环境中的湿气,通电后发生电化学迁移,形成树枝状结构体,造成低电阻通路,破坏了电路板功能。非离子型污染物可穿透PC B 的绝缘层,在PCB板表层下生长枝晶。除了离子型和非离子型污染物,还有粒状污染物,例如焊料球、焊料槽内的浮点、灰尘、尘埃等,这些污染物会导致焊点质量降低、焊接时焊点拉尖、产生气孔、短路等等多种不良现象。

这么多污染物,到底哪些才是最备受关注的呢?助焊剂或锡膏普遍应用于回流焊和波峰焊工艺中,它们主要由溶剂、润湿剂、树脂、缓蚀剂和活化剂等多种成分,焊后必然存在热改性生成物,这些物质在所有污染物中的占据主导,从产品失效情况来而言,焊后残余物是影响产品质量最主要的影响因素,离子型残留物易引起电迁移使绝缘电阻下降,松香树脂残留物易吸附灰尘或杂质引发接触电阻增大,严重者导致开路失效,因此焊后必须进行严格的清洗,才能保障电路板的质量。

合明科技运用自身原创的产品技术,满足芯片封装工艺制程清洗的高难度技术要求,打破国外厂商在行业中的垄断地位,为芯片封装材料全面国产自主提供强有力的支持。

推荐使用合明科技水基清洗剂产品。




[图标] 联系我们
[↑]
申请
[x]
*
*
标有 * 的为必填