ASIC半导体芯片基础知识

架构师技术联盟

共 3414字,需浏览 7分钟

 ·

2022-02-17 12:29



ASIC (Application Specific Integrated Circuit )芯片是专用集成电路,是针对用户对特定电子系统的需求,从根级设计、制造的专有应用程序芯片,其计算能力和计算效率可根据算法需要进行定制,是固定算法最优化设计的产物。ASIC 芯片模块可广泛应用于人工智能设备、虚拟货币挖矿设备、耗材打印设备、军事国防设备等智慧终端。


在硬件层面,ASIC 芯片由基本硅材料、磷化镓、砷化镓、氮化镓等材料构成。在物理结构层面,ASIC 芯片模块由外挂存储单元、电源管理器、音频画面处理器、网络电路等IP核拼凑而成。同一芯片模组可搭载一个或几个功能相同或不同的ASIC 芯片,以满足一种或多种特定需求。


ASIC 芯片分类

(1) 根据定制程度不同,ASIC 芯片可被分为全定制ASIC 芯片、半定制ASIC 芯片及可编程ASIC芯片。




① 全定制ASIC 芯片


全定制ASIC 芯片是定制程度最高的芯片之一,研发人员基于不同电路结构设计针对不同功能的逻辑单元,于芯片板搭建模拟电路、存储单元、机械结构。逻辑单元之间由掩模版连接,ASIC 芯片掩模版也具备高度定制化特点。


全定制化ASIC 芯片设计成本较高,平均每单位芯片模块设计时间超过9 周。该类芯片通常用于高级应用程序。


相对半定制化ASIC 芯片,全定制化ASIC 芯片在性能、功耗等方面表现优秀。如应对相同功能,在同种工艺前提下,全定制化ASIC 芯片平均算力输出约为半定制化ASIC 芯片平均算力输出的8 倍,采用24 纳米制程的全定制化ASIC 芯片在性能上优于采用5 纳米制程的半定制化ASIC 芯片。


② 半定制ASIC 芯片

构成半定制ASIC 芯片的逻辑单元大部分取自标准逻辑单元库,部分根据特定需求做自定义设计。相对全定制ASIC 芯片设计成本较低,灵活度较高。


根据标准逻辑单元和自定义逻辑单元数量搭配模式不同,半定制ASIC 芯片可细分为门阵列芯片和标准单元芯片。

a、 门阵列芯片

门阵列ASIC 芯片包括有信道门阵列、无信道门阵列和结构化门阵列。门阵列ASIC 芯片结构中硅晶片上预定晶体管位置不可改变,设计人员多通过改变芯片底端金属层等方式调整逻辑单元互连结构。


有信道门阵列ASIC 芯片:该类芯片晶体管位置高度固定,设计人员可在晶体管行之间预定义的空白空间进行电路布局;



无信道门阵列ASIC 芯片:无信道结构下,晶体管行之间不存在电路布局空间,设计人员通常于门阵列单元上方进行布线;



结构化门阵列ASIC 芯片:该结构包括基本门阵列行及嵌入块。嵌入块可提高线路布局灵活度,但对芯片体积构成限制。该结构下,线路布局面积使用效率较高,设计成本较低,周转时间较短。



b、 标准单元



该类ASIC 芯片由选自标准单元库的逻辑单元构成。设计人员可按算法需求自行布置标准单元。除标准单元外,微控制器、微处理器等固定块也可用于标准单元ASIC 芯片架构。




③ 可编程ASIC 芯片



广义而言,可编程ASIC 芯片可分为FPGA 芯片和PLD 芯片。在实际生产过程中,将FPGA 芯片列为不同于ASIC 芯片的研究机构和企业数量不断增加,故本报告仅将PLD(Programmable Logic Device)视为可编程ASIC 芯片子类别。


PLD 亦称可编程逻辑器件,在结构上包括基础逻辑单元矩阵、触发器、锁存器等,其互连部分作为单个模块存在。设计人员通过对PLD 进行编程以满足部分定制应用程序需求。


(2) ASIC 芯片可根据终端功能不同分类为TPU 芯片、BPU 芯片和NPU 芯片。

① TPU 为张量处理器,专用于机器学习。如Google 于2016 年5 月研发针对

Tensorflow 平台的可编程AI 加速器,其内部指令集在Tensorflow 程序变化或更新算法时可运行。


② BPU 是大脑处理器,是由地平线科技提出的嵌入式人工智能处理器架构。


③ NPU 是神经网络处理器,在电路层模拟人类神经元和突触,并用深度学习指令集直接处理大规模电子神经元和突触数据。


ASIC芯片特点

CPU 等传统芯片通过读取、执行外部程序代码指令而生成结果,相对而言,ASIC 芯片读取原始输入数据信号,并经内部逻辑电路运算后直接生成输出信号。


(1) 优点:

相对CPU、GPU、FPGA 等类型芯片,ASIC 芯片在专用系统应用方面具备多元优势,具体表现在如下几方面。


① 面积优势:ASIC 芯片在设计时避免冗余逻辑单元、处理单元、寄存器、存储单元等架构,以纯粹数字逻辑电路形式构建,有利于缩小芯片面积。应对小面积芯片,同等规格晶圆可被切割出更多数量芯片,有助于企业降低晶圆成本。


② 能耗优势:ASIC 芯片单位算力能耗相对CPU、GPU、FPGA 较低,如GPU 每算力平均约消耗0.4 瓦电力,ASIC 单位算力平均消耗约0.2 瓦电力,更能满足新型智能家电对能耗的限制。


③ 集成优势:因采用定制化设计,ASIC 芯片系统、电路、工艺高度一体化,有助于客户获得高性能集成电路。


④ 价格优势:受到体积小、运行速度高、功耗低等特点影响,ASIC 芯片价格远低于CPU、GPU、FPGA 芯片。当前全球市场ASIC 芯片平均价格约为3 美元,远期若达到量产规模,ASIC 芯片价格有望保持持续下降态势。


(2) 缺点:

① ASIC 芯片定制化程度较高,设计开发周期长,成品需要做物理设计和可靠性验证,面市时间较慢。


② ASIC 芯片对算法依赖性较高。人工智能算法高速更新迭代,导致ASIC 芯片更新频率较高。


③ 因ASIC 芯片定制化程度较高,研发周期相对漫长,扩大了ASIC 成品被市场淘汰的风险。


ASIC 芯片产品介绍

① 谷歌于2016 年推出TPU,谷歌旗下2017 版AlphaGo 物理处理器中镶嵌4 个TPU,可支持谷歌云TPU 平台和机器学习超级计算机。


② IBM 通过模拟大脑结构于2014 年8 月推出制程为28 纳米的第二代TrueNorth芯片,可应用于实时视频处理。


③ 英特尔于2017 年推出Xeon 系列ASIC 芯片。该系列芯片可独立充当处理器,无需附加主机处理器和辅助处理器,可应用于机器深度学习。


④ 斯坦福大学推出基于新神经形态计算架构的ASIC 芯片运算速度为普通电脑9,000倍,可模拟约100 万个大脑神经元、几十亿个突触连接。


⑤ 新兴科创企业将ASIC 芯片应用拓展至安防、辅助驾驶、传统家电、智慧医疗等领域。


中国 ASIC 芯片产品销售规模持续增长依据包括但不限于以下因素: 
① 边缘计算领域将成为专用深度学习 ASIC 芯片主要营收领域。
② 移动通信设备、头显设备(AR、VR、MR)、平板电脑、无人机、智能家居设备等消费性电子产品将成为 ASIC 芯片产品集中应用领域。 
③ 以图形架构为基础的深度学习处理器盛行,ASIC 更适用于图形架构运算环境。 
④ 预计 2022 年前后,能够同时进行训练和推理的人工智能终端设备将更加普及,ASIC芯片将被大量导入该类设备。


参考来源:中国ASIC芯片行业精品报告

下载地址:ASIC技术专题分析

《中国ASIC芯片行业精品报告》
《2020中国 FPGA 芯片行业研究报告》

ASIC技术专题分析

2021中国智能网卡行业概览

中国数据处理器行业概览(2021)
DPU在数据中心和边缘云上的应用
英伟达DPU集数据中心于芯片

本号资料全部上传至知识星球,更多内容请登录智能计算芯知识(知识星球)星球下载全部资料



转载申明:转载本号文章请注明作者来源,本号发布文章若存在版权等问题,请留言联系处理,谢谢。


推荐阅读

更多架构相关技术知识总结请参考“架构师全店铺技术资料打包”相关电子书(37本技术资料打包汇总详情可通过“阅读原文”获取)。

全店内容持续更新,现下单“全店铺技术资料打包(全)”,后续可享全店内容更新“免费”赠阅,价格仅收198元(原总价350元)。



温馨提示:

扫描二维码关注公众号,点击阅读原文链接获取架构师技术全店资料打包汇总(全)电子书资料详情


浏览 152
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报