美國芯片產業的助推器和指南針 – SRC - 網安 - 專業的網絡安全產業、社區、知識平臺

功不可沒的SRC

美國半導體研究聯盟（Semiconductor Research Corporation, SRC）是世界著名的高科技產業聯盟，SRC應用“產學研用”的發展模式，在半導體公司和學術界之間架起了一座合作的橋梁，為美國半導體行業保持技術領先立下了汗馬功勞。

自1982年成立以來，SRC已經為半導體研究項目資助了超過20億美元，并且贊助超過12,000名研究生，為半導體行業輸送了從行業領軍人物、企業精英到技術骨干、高校教授、科研機構PI等一系列高層次人才。龐大的半導體人才儲備為行業的健康發展提供了源源不斷的動力，SRC無疑是關鍵的源頭活水。

到2021年底，SRC與全球100多所高校、2400余名學者、4700名半導體從業人員建立了研究合作關系。20 多家一流半導體公司是 SRC 的成員，其中包括AMD、IBM、ARM、英特爾、三星電子、德州儀器、美光科技、臺積電、西門子、亞德諾半導體、聯發科、格芯、海力士等。SRC的戰略合作伙伴包括DARPA和NSF。

芯片研究的牽頭人

SRC是許多芯片研究項目的組織者、推動者、贊助者和牽頭人，以合作項目作為抓手，推進先進技術研發和關鍵技術攻堅。目前SRC組織并贊助的關鍵項目有：

人工智能與硬件

人工智能與硬件研究項目旨在創建新的高效人工智能平臺，以應對未來數據規模的增大所帶來的巨大工作負載。其研究重點包括高能效人工智能加速架構、人工智能系統的軟硬件協同設計、人工智能硬件模型的魯棒性與隱私性和人工智能與系統架構設計等。SRC贊助的人工智能與硬件相關項目，如用于物聯網邊緣人工智能應用的可擴展 RISC-V 處理器、面向深度學習的硅光子協同設計、芯片內嵌統計學習模塊設計等。

EDA技術

EDA（Electronic Design Automation）技術是現代電子設計技術的核心。EDA技術依靠強大的電子計算機，在EDA工具軟件平臺上，以硬件描述語言對既定的電子電路進行描述，形成設計文件，并對設計文件進行自動邏輯編譯、化簡、綜合、優化、仿真、布局、布線、測試及診斷等步驟，實現集成電路設計功能。EDA技術可大幅減少集成電路設計師的工作量，極大提高設計效率、縮短設計周期及節省設計成本。但是隨著新興納米材料與晶圓制造工藝的不斷應用，先進制程下芯片設計與制造遇到了新的挑戰，如良率提升困難、能效比過低等問題，對EDA技術提出了更高的要求。SRC作為芯片研究的牽頭人，大力贊助EDA相關研究項目，促進EDA技術的發展，推動芯片設計能力與時俱進。SRC贊助的相關研究項目包括大規模集成電路計算機輔助設計與測試、失效分析與診斷優化、高覆蓋率自動測試矢量生成技術、低成本測試方案設計、高層次邏輯綜合技術、3D芯片堆疊與芯粒技術等。

納米材料和工藝

半導體制造技術的更新迭代離不開新材料新工藝的應用，以實現芯片密度、性能和功能上的提升。納米制造材料和工藝項目主要研究用于規模化數字和模擬設備制造的新材料和工藝，有針對性的研究解決了圖案化、納米工程材料、沉積和蝕刻工藝、工藝集成和計量方面的關鍵挑戰。SRC贊助的相關研究項目包括納米電子計算、面向先進信息技術的自旋電子材料、用于加速計算技術的創新材料與工藝等。

芯片制造

芯片的制造過程可以分為前道工藝和后道工藝。前道是指晶圓制造廠的加工過程，即在空白的硅片完成電路的加工；后道是指晶圓的切割、封裝成品以及最終的測試過程。前道工藝包括光刻、刻蝕、薄膜生長、離子注入、清洗、量測等；后道工藝包括減薄、劃片、裝片、鍵合等封裝工藝以及終端測試等。芯片制造研究項目重點在于提升光刻技術、封裝集成技術、制造工藝。芯片制造相關的研究項目有納米光刻機設計與制造、基于成本驅動的互連層3D集成技術、設計規則違例（design rule violation）自動識別等。

硬件安全

硬件安全研究項目開發用于設計和制造可信賴硬件產品的技術和工具，以確保硬件產品具有抵御惡意訪問、篡改和偽造的能力。集成電路是生產大多數硬件設備必不可少的部分，但集成電路易受到克隆、硬件木馬入侵、過度生產、反向工程等攻擊方法的威脅。安全是物聯網產業持續發展亟需解決的問題。隨著物聯網的興起，硬件安全越來越成為人們關注的熱點，而解決物聯網設備安全問題的關鍵在于硬件設備的身份驗證、標識、密鑰存儲以及軟件IP保護。硬件安全研究項目的研究重點在于實時攻擊感知、硬件安全屬性、假冒檢測和安全驗證確認等一系列抵御攻擊的保護措施。硬件安全相關研究項目包括基于硬件的數據加密隔離、存內計算加速的全同態加密技術、基于物理不可克隆函數的自校正可靠本地身份驗證、數字芯片邏輯鎖定技術等。

未雨綢繆的十年計劃

根據摩爾定律：集成電路上的晶體管數目，每隔約18個月便會增加一倍，其性能也將提升一倍。但是隨著制程工藝越來越先進，摩爾定律也正達到極限。因此半導體行業需要制定一個新的計劃來取代幾十年前制定的路線圖，為此美國半導體行業協會與SRC 于2020年12月聯合發布了一份半導體十年計劃，這是一份概述未來十年半導體發展方向的研究報告。該計劃要求美國每年額外提供 34 億美元推進芯片研究發展和關鍵技術攻關，同時以半導體技術為助力，共同促進人工智能、量子計算、先進無線通信等新技術的發展。目前，SRC的半導體十年計劃主要圍繞著以下五大具體應用場景進行深化變革。

智能感知

智能感知要求在模擬硬件方面取得根本性突破，用以生成能夠感知、理解和推理的智能接口，圖1展示了實現智能接口的整體方法與技術路線。

圖1 實現智能接口的整體方法技術路線

在未來十年里，智慧社會的概念將會越發流行。智慧社會包含了智慧工廠、智慧城市、智慧汽車、智慧家居等智能領域，信息技術的發展將智能引入到社會生產生活的方方面面，促進了生產力的進步。但數字芯片無法感知周圍的環境信息，因此需要傳感器充當芯片的“眼睛”和“耳朵”。傳感器將外部環境的信息處理成模擬信號，再轉化成數字芯片需要的數字信號。模擬信號數字化將會產生大量的數字信息，圖2展示了傳感器采集數據規模的增長趨勢。顯然，每個傳感器的平均數據采集速率呈指數增長，預計在2032年將超過10^20 bit/s，因此，日益增長的超大規模外部數據采集需求對用于智能感知的模擬硬件設備的采集能力提出了更高的要求。

圖2 全球傳感器收集數據趨勢和預測

存儲

隨著多媒體應用和計算機網絡的迅速發展，海量數據涌入人們的生活，各種電子設備產生的數據量呈指數級增長，圖3顯示了信息存儲需求不斷增長的大趨勢。因此，需要改進處理算法、優化存儲系統，以提高系統性能。

圖3 爆炸式增長的信息量，代表著不斷增長的信息存儲需求

與此同時，人工智能成為存儲理論和技術發展的關鍵驅動因素。大量的模型參數和海量的數據對存儲空間、傳輸的速率以及系統的容量，帶寬和能耗都提出了更高的要求，特別是發展勢頭如火如荼的深度學習領域。深度學習在向大模型的發展過程中，需要大量的數據以完成深度學習模型的訓練和學習。特別是在計算機視覺、自然語言處理和自動駕駛等領域，需要的數據維度高，數據規模大。深度學習不斷向深、向大發展催生了更高效的存儲系統的研究需求。

通信

通信領域需要新的理論和技術創新來解決通信容量與數據生成速率之間的不平衡問題。

隨著通信設備數量的增加，毫米波作為一項增強設備通信能力和提高通信信道容量的關鍵技術，成為新一代5G通信標準的重要組成部分，原因有二：首先，如圖4所示，毫米波的頻譜很寬，能夠容納大量通信信道；其次，設備之間經常進行近距離通信，而毫米波在近距離通信中是有效的。

圖4 毫米波的頻譜分解

安全

在網絡空間中，人工智能也常被用于攻擊和防御，甚至會出現攻擊方和防御方都使用人工智能來增強攻擊或者防御的效果。如圖5所示，網絡空間中存在兩種人工智能中的攻防形式。首先，第一種情況下，人工智能被用來自動使用多種工具來攻擊系統，防御者使用人工智能技術來對抗快速發展的人工智能攻擊。其次，第二種是人工智能對抗攻擊，攻擊者利用人工智能模型中的漏洞，欺騙或利用人工智能系統，防御者使用人工智能抵御人工智能對抗攻擊，增強系統抗風險能力。

利用人工智能發動的攻擊將比以往任何一個時代都更具逃逸性、滲透性和適應性。同時，人工智能對抗攻擊通過欺騙模型、擾動訓練數據、竊取訓練數據和模型來進行攻擊。例如，在停車標志上貼上便簽可能會讓人工智能算法將其誤認為限速標志。因此，保護人工智能服務需要集成數據安全、模型安全和應用程序安全。在數據層面，保護數據的完整性、來源和質量至關重要。模型安全性是通過將安全性和隱私保護融入模型開發和構建的整個過程來實現的。應用程序安全是通過人工智能應用程序的端到端管理來實現的，包括操作建模和應用程序測試。

圖5 網絡安全與人工智能中的兩大攻防

計算范式

隨著傳統的確定性計算解決方案達到極限，新的非確定性但“足夠精確”的方法正在被考慮用于系統構建，從而獲得最佳的計算性能能耗比。例如基于香農啟發的概率計算模型可以在可靠性較差的情況下提高網絡可靠性水平，同時還可以為新型的節能計算體系結構的設計提供理論支撐。如圖6所示，基于香農啟發的概率計算模型包括了基于信息的度量、低信噪比電路結構（如內存結構、自旋電子邏輯、電壓過刻度電路）和統計誤差補償技術（如算法噪聲容限、似然處理）。該模型致力于通過電路、邏輯和架構方法形成系統級納米器件的誤差統計信息，以便以最小的開銷實現誤差補償。

圖6 基于香農啟發的概率計算模型

結束語

久負盛名的美國半導體研究聯盟在推動美國半導體發展和助力其保持行業領先地位作出了重要貢獻，建立了一套成熟的產學研用的發展生態，實踐證明這是健康的、可持續的，并且提出半導體十年計劃的前瞻性目標，為半導體的蓬勃發展持續注入動力。面對亟待發展半導體行業和一系列卡脖子的技術難題，或迎頭趕上，或彎道超車，也許SRC的成功經驗是值得我們思考與借鑒的。

參考資料：

https://www.src.org/

https://www.src.org/about/decadal-plan/

https://www.src.org/program/grc/

聲明：本文部分內容整理自外文網站資料，版權歸原作者所有。圖片均來自網絡。