欢迎访问
新型存储器市场崛起,本土企业聚焦“国产替代”
2023-02-23 来源:网络整理
1415

关键词: 物联网 半导体 晶圆

在过去的几年里,我们看到全球对研发和生产的大量投资,世界各国政府通过直接投资和企业激励措施对这一领域给予了前所未有的关注。世界经济显然将半导体视为一个具有越来越重要战略意义的领域。


尽管经济逆风,但到 2023 年,我们将看到公共和私人来源对半导体研究和生产的持续投资。SEMI 报告称,2020 年、2021 年和 2022 年总共有 57 座新晶圆厂开工建设。这些投资需要时间才能成熟为实际的晶圆厂产能,但我们已经开始看到一些最早的投资取得成果。对于为高级片上系统 (SoC) 提供技术的公司来说,所有这些投资都是一个机会,例如 EDA、设备和嵌入式技术,以及类似ReRAM 这样的非易失性存储器 (NVM) IP。

到 2023 年,我们还将看到电源管理 IC (PMIC)、音频放大器 IC 和其他用于消费、汽车、工业、电信和医疗应用的高压设计等领域的功能集成度加快。从历史上看,与数字设计(如 130 纳米和 180 纳米)相比,此类模拟/混合信号设计采用更成熟的工艺几何形状制造,但不断增加的功率和成本压力意味着其中一些设计正在转向更先进的节点,从而有可能进一步集成逻辑和内存。通过在 65nm-40nm 双极-CMOS-DMOS (BCD) 工艺中将高压器件与逻辑门和 NVM 集成到单个芯片上,设计人员可以降低功耗并提高性能。

用于汽车、电池供电的物联网设备、智能卡等应用的微控制器中的系统集成也在加速。这些 MCU 必须支持日益复杂的编程,同时还要将成本和功耗保持在最低水平。通过在片上集成更多资源并消除外部存储器组件,设计人员可以降低成本和功耗并提高系统速度和安全性。随着这些设计向更小的工艺节点(最终为 28 纳米和 22 纳米)扩展,这些设备的 NVM 必须能够与其他片上组件一起扩展,同时提供所需的性能、功率和成本。

然而,对于大多数应用而言,将闪存(传统的 NVM)嵌入到 28nm 以下的 SoC 中在经济上并不可行。即使采用 3D 堆叠、高级封装和小芯片架构,嵌入式闪存也面临着巨大的成本、功耗和安全挑战。由于这些集成挑战——以及闪存的其他挑战——2023 年将有更多公司在高级节点上寻找 NVM 替代方案。

电阻 RAM (ReRAM)、相变存储器 (PCM)、磁阻 RAM (MRAM) 和铁电 RAM (FRAM) 等新兴 NVM 提供了替代方案。与闪存相比,这些技术中的每一种都可以更轻松地扩展到高级几何结构,但每一种技术也都有其优点和缺点。在考虑成本、复杂性、功耗、性能和其他参数时,ReRAM 为各种应用提供了最佳平衡。

对于没有传统闪存技术的新晶圆厂,向新 NVM 技术的过渡相当简单,尤其是当 NVM 像 ReRAM 一样集成在生产线后端 (BEOL) 时。因为它是在 BEOL 集成的,所以每个工艺节点可以采用一次 ReRAM,然后它将适用于所有节点的变体。相比之下,闪存集成在前端 (FEOL),因此它必须适应节点的每个变体。这种 FEOL 集成还意味着使用闪存的公司必须经常进行设计权衡,这可能会损害 FEOL 中集成的其他模拟组件,从而导致整体性能下降、尺寸增大和成本增加。在使用像 ReRAM 这样的 BEOL NVM 进行设计时,这些权衡不是一个因素。

2023 年,我们将看到 ReRAM 技术开始进入主流。台积电和英飞凌等公司已宣布将 ReRAM 推向汽车市场,其他晶圆厂也开始在其 IP 库中采用 ReRAM。




突破传统架构,RRAM(ReRAM)存算一体有望提升计算系统能效比

开发新计算系统源于几点:数据指数增长、功耗增加,当前计算系统的性能限制也是原因之一。对此,业界提出“近内存”或存内计算(In-memory Computing),以解决数据中心的几个问题,包括数据传输“存储墙”(Memory barrier)、高功耗和时间成本。涉及深度学习网络的数据中心需要巨大的计算能量,要求高可靠性、更出色容量、带宽和性能的存储器,从而衍生出关于新的非冯•诺依曼系统的新兴存储技术研究。

普遍认为,RRAM(也即 ReRAM,阻变式随机存取存储器)、PCM(相变随机存取存储器)和 MRAM(磁随机存取存储器)等新型存储器是下一代存储技术路线,这些也是“存内计算”的基础技术,从技术特征来看,这些技术有哪些独特性?

资深电子器件专家 Ray 表示,上述的下一代非易失性存储器首先是作为存储级内存被提出的,在存储层级中介于内存和硬盘之间,因此,存储的性能指标对这些下一代非易失性存储器仍然适用,如面积、功耗、读写速度、集成性、成本等。此外,下一代非易失性存储器也非常适用于存内计算,而存内计算又对这些存储器提出了新的要求,如开关比、多阻态、鲁棒性等。RRAM、PCM 和 MRAM 等是目前研究较多的下一代非易失性存储器,它们各有优势和不足。

MRAM 中的磁性材料磁化方向变化的时候,从磁性材料两端电极上读取得到的隧穿电流会发生变化,从而得到不同电阻,其编写速度快、重复编写周期长,但其材料制备较复杂、开关比较低、易受扰动。

PCM 是利用相变材料在焦耳热作用下,在结晶态和非晶态之间转换,从而呈现出不同阻态,其已经在英特尔等公司的产品中使用,大规模集成性较好,但其写入速度较慢、写入能耗较大。

RRAM 主要依靠绝缘层在电场作用下,通过离子的迁移形成导电细丝,再通过控制导电细丝的通断控制阻态,综合来看在各个指标上均具有比较优异的性质,其结构简单、存储密度高且支持片上3D 集成、开关比可达1000以上、读写速度和功耗适中,且其可通过控制导电细丝的形态形成多阻态,从而模仿生物大脑中神经突触功能,适合存内计算和类脑计算。

目前 RRAM 作为新兴存储器,其规模化制备的良率、成本、外围控制电路等还需进一步优化,同时,我们也很欣喜地看到国内和国际的多家制造厂商已经布局 RRAM 的制备,并且已完成晶圆级 RRAM 芯片的流片。

在 RRAM 商业化之前,还需要解决哪些难题?Ray 说道,同其他研究一样,RRAM 的科研主要解决科学问题,在进行商业化的时候还有很多工程问题需要解决,包括大规模制造、架构和软件的配合、应用场景等,但目前来看,其很多科学问题已经经过了大量的研究,取得了很多突破,这些技术问题相信随着时间的推移也将逐步解决。

物联网和网络边缘的人工智能(AI)和机器学习(ML)快速增长,这些应用端的计算系统的能效比的问题日益突出,而 RRAM 作为一种较佳的解决方案,成为研究的焦点。

Ray 进一步说道,目前的计算架构采用冯诺伊曼架构,其存储与计算单元分离,因此,在 AI 等计算应用中,大量数据需要不断在片下的内存和片上的计算单元之间搬运,然而由于内存带宽不足带来的“存储墙”问题,导致计算延时和能耗较高,难以满足 AI 模型的算力和功耗需求。存算一体技术将存储单元与计算单元融合,在存储器内利用物理定律进行计算,避免了“存储墙”问题,极大地降低了数据搬运的能耗和延时,并提升了计算的能效比。基于 RRAM 的存算一体目前是国内外的研究热点和前沿,其主要实现方式分为两种,即模拟式存算一体和数字式存算一体。

模拟式存算一体利用了 RRAM 的模拟式阻态特性,通过电导存储多比特数据。以神经网络中应用较广泛的矩阵乘积运算为例,其电导值存储神经网络的权值,输入为电压值,利用欧姆定律完成乘法,得到电流值,然后阵列中同一条数据线上的电流根据基尔霍夫电流定律相加,从而完成乘加运算。模拟式存算一体可以达到较高的存储密度,但其对环境噪声和温度较敏感,运算精度较低,主要适合低精度、小算力的应用场景。

而数字式存算一体中,其每个 RRAM 只存储一比特数据,经过乘法运算得到电流后再经过数字电路进行后续加法等运算,此种方法虽然存储密度低于模拟式存算一体,但其优势是在保证计算能效比的前提下,支持高精度、大算力的运算,提高计算的鲁棒性,从而极大地拓展了存算一体的应用场景。

相比于 CMOS 器件,目前 RRAM 的局限性主要体现在编写周期有限上,因此目前 RRAM 主要适用于 AI 推理等操作,而相信随着工艺的演进,得到更高编写周期的 RRAM 也是非常有希望的。另一个局限性是 RRAM 阻值的波动性,而此问题在数字化存算一体中可以得到很好的解决。

在即将召开的ISSCC 2023上,存算一体相关的论文至少有21篇,占了整个ISSCC录用论文的10%。而从技术路径来分类,纯模拟的存算一体在session 7 (SRAM存算一体Macro)中只有2篇,其余均是数字。数字化技术将成为“存算一体”的大趋势。




新兴领域存储需求旺盛

存储器是半导体的重要分类,前者占据了后者约1/3的市场份额。据WSTS预测,到2022年,全球半导体存储器市场份额将达到1554.58亿美元,占全球半导体市场规模比例为25.34%。另据IDC预测,全球数据存储需求总量将从2019年的41ZB增长至2025年的175ZB,期间的增幅将超过4倍。

存储器在3C(计算机、通讯、消费电子产品)产品中应用最多,可细分为五个市场。

•第一,5G基站。5G可归类在通讯领域,它的工作环境恶劣,且需全天候工作。比如,5G基站的BBU(基带处理单元)和AAU(有源天线单元))上,都有导入高性能、高可靠性SLC NAND Flash。

•第二,汽车电子。汽车的仪表盘、ADAS、充电桩、V2X等系统或部件,都需要小容量的存储器件来存储数据,目前一些存储供应商的NOR Flash和NAND Flash已经应用到车规市场。

•第三,物联网。近几年来,物联网对小容量存储器需求大,除了物联网MCU之外,随着穿戴市场的兴起,蓝牙耳机、智能手环/手表均有存储数据的需求,推动了NOR Flash和NAND Flash的发展。

•第四,大数据中心。大数据中心会使用大容量的存储器来存储海量的数据。

•第五,人工智能。人工智能一般也会使用大容量存储器,该技术对先进存储器的发展有推进作用。

再观察国内存储器供应商信息。对比国外存储器供应商,比如三星、SK海力士、美光等大厂,它们都采用IDM模式,这与它们的公司演进有关,可能部分封测环节可选择代工,但主要的生产制造掌握在自己手里。由于国内存储行业的发展时间较短,有许多存储企业还处于Fabless阶段,包括了兆易创新、东芯半导体等。



Baidu
map