中文 英语

在汽车中使用5nm芯片和高级套餐

与会专家:ADAS和自动驾驶汽车电子领域的挑战和一些潜在解决方案。

受欢迎程度

德赢娱乐网站【官方平台】半导体工程坐下来讨论先进节点芯片的影响和先进的包装与Jay Indertt的汽车可靠性,战略合作高级主任克拉;Dennis Ciplickas,高级解决方案副总裁PDF的解决方案;Uzi Baruch,副总裁兼总经理的汽车业务单位擎天普利;Gal Carmel,总经理Proteantecs.'汽车部门;Andre Van de Geijn,业务发展经理yieldHUB;杰夫·菲利普斯,担任运输市场负责人国家仪器。以下是那次谈话的摘录。要查看本讨论的第一部分,请单击在这里。第二部分是在这里

SE:在5nm,也就是一些汽车人工智能芯片正在开发的地方,我们遇到了工艺变化、电迁移、电磁干扰、电力传输问题和检测挑战等问题。过去我们从未在极端环境中植入过先进的节点芯片。我们真的了解未来会发生什么以及如何应对吗?

菲利普斯: We know there’s going to be a lot of change in the requirements, the use cases, the expectations, and the standards around autonomous driving, including how vehicles react and the types of decisions they can make and not make when a human life is on the line. Ultimately, it’s going to be us figuring out how to consolidate and tie those things together. That will be necessary for us to even be able to adapt from the production and verification of the behavior of the chip. On top of that, we need to put in place the appropriate behavior and autonomy, having algorithms on there so the car can make the right decisions. Data is the key to that.

SE:我们也有软件进入这张照片。如果更新复杂系统的一部分,则可能影响该系统中的所有内容。如果您添加了大量的软件,性能降级,并且可以影响道路上的每辆车。

ciplickas.软件具有挑战性,因为它不遵循任何物理规律。硬件听起来很难,但实际上它遵循一些边界条件。有了软件,你可以改变一件事,而这可能会带来大量意想不到的后果。

卡梅尔:使用深度数据,我们虚拟化硬件以更好地意识到软件操作的影响。通过这些虚拟化,您可以转移到适应性软件模型,该模型通常针对车辆的ECU性能和现场劣化量身定制。AI应用程序增加了芯片上AI的部分以满足软件的需求。此反馈将有助于减少冗余并确保优化功能。此外,现场推理和培训将不断改进硬件和软件如何相互交互。

ciplickas.:我们已经谈到了5nm的筹码作为一个我们从未以前从未以前的全新世界,以及挑战所有这些数据并吸收和连接所有这些挑战。高级技术中的关键实际上是要了解您缺少的数据。例如,5nm中的线路(mol)具有三维电相互作用,您只需用物理检查就无法看到。这是我们一直在追求内联“设计的设计”的主要原因 - 获得泄漏的敏感措施,这反过来表明风险转变为真实缺陷的潜在缺陷。要正确响应,您必须知道缺陷首先存在,这意味着您必须创建新数据。只需将呈现为制造过程的伪像的数据就是不够的。需要差异化数据。

SE:为了能够识别这些问题,检验和计量都需要改变什么?从测试的角度来看,需要改变什么才能理解这里发生了什么?

Rathert:最大的挑战是没有看到本身的缺陷,而是理解哪些挑战将是相关的 - 哪些可能成为激活的潜在缺陷。What I would love to see, and it doesn’t exist today, is some connection to the designer’s mind that says, ‘These are my critical areas for reliability,’ and some connection to the test engineer’s mind that says, ‘These portions are difficult to test.’ Then I would improve my value proposition by being able to focus inspection there and report data that is isolated to those regions, and feed that back to harden designs and improve test vectors. There’s a whole unharvested opportunity in that.

菲利普斯:连接这两个有价值。您谈论我们需要设计团队的矢量和我们需要测试团队的矢量。我们越多,可以将这两个两个人聚在一起,并具有迭代或协作,对齐的数据集,了解对芯片上需要发生的输入和输出的了解更好。这是尝试通过这个过程加速的钥匙之一。我们需要桥接设计以测试和消除产品开发生命周期中存在的众所周知的墙壁。

SE:所以基本上,反馈回路必须向左更远,向右更远?

卡梅尔:它需要在进一步左右进一步进一步左转。我们需要通过工具链并使用该数据圈回并改进芯片。

SE:除了安全性和设计之外,我们期待的另一个挑战是安全性。这会影响整个系统的安全性和价值。我们如何在这些系统中建立安全机制?

ciplickas.:可靠性和安全性和安全性之间肯定存在联系。安全性有很多角度,但我发现的一件事是你将用来优化可靠性的一些技术和测量,可以为您提供提高安全性的工具。例如,调试监视器或漂移和移位监视器可以检测到某些类型的攻击,无论是在T = 0处检测到,还是它被检测为异常行为或在字段中漂移。但是那些相同的监视器已经用于系统操作和优化。两者之间存在相关的基础设施,尽管它们以非常不同的方式应用。

卡梅尔我们需要把它看作是一个利用数据的机会,因为你产生的数据越有价值,芯片的签名就变得越好。最终,这些数据可以帮助您理解是否有异常情况。对于关车敏感的车辆来说,这可能更加紧迫。使用深度数据,您可以创建24/7的舰队可见性,并在问题出现时立即识别问题。

SE:鉴于通过这些系统迁移的数据量,您实际上是否能够拿起一个非常轻微的异常,或者只是在所有其他噪音中都会噪音吗?

卡梅尔:我们提供的是深度数据,基于通用芯片遥测测量。我们正在介绍实际芯片和系统操作,性能,可靠性利润率和性能下降。这种现实世界的数据不依赖于转移点,但在现场操作输出上。

ciplickas.关于你所说的信号和噪音,我很乐观地认为,这个行业一定能够开发出找到这种信号的技术。如果你看一下工具在处理晶圆或线键时产生的传感器数据,你能得到的各种良好信号是巨大的。你在这些信号中发现的异常有时是微小的光点。我们开发了机器学习技术,在原本“好的”噪音的海洋中找到那些微小的光点。不要把它想成一个制造晶圆的工具,如果你把它想成一个在现场运行的系统,理解这些微小的光点是有可能的。但这需要很多工作。

SE:回顾制造周期,你是否发现数据中有任何差错,你会说,‘好吧,这是一个我们以前不了解的潜在安全风险?”

ciplickas.:了解使用上游数据的下游信号是一种非常强大的技术。

Baruch.:人们经常倾向于看待预测模型,好像它们实际上是预测性的。但他们错过了这个功能集的事实 - 实际上有助于你预测某事物的能力 - 是过滤噪音的最重要的部分,看看有什么重要性,什么是任何问题的根本原因是什么。我们经常使用左右模型,但必须以受过教育的方式完成。你不想回到干草堆中寻找针。好的模特可以帮助您找到重要的是什么,并且只要您决定查看它们的角度,就不是那么重要。当您构建这些模型时,您希望预测某些东西。但是,当他们错了时,您还需要可以返回并修复这些模型中的属性的人。

ciplickas.:出色的一点。

SE:Adas与自治车辆之间似乎存在巨大差距。迁入完全自主权,您必须开始思考在一起工作的系统系统。当您在道路上使用不同几代芯片和不同几代软件时的汽车和设备时会发生什么,因为它们是10年前生产的?

卡梅尔:从ADA移动到AV的基础是要了解该领域在现场经验的故障。最终,这是一个定义性能信封的问题。每辆车都有自己的性能信封,因为它具有不同的硬件,不同的软件,不同的层。当您确切地了解如何定义此性能信封并在安全性,可靠性和安全性之间创建平衡时,请控制船队。使用深度数据,我们可以定义每个模型和每个单元的独立功能并概述自主层次结构。

SE:除了地理围栏区域之外,我们还会在其他地方看到自动驾驶汽车吗?比如在高速公路上为自动驾驶汽车设置的单行道,在这种情况下,你必须在离开高速公路后接管自动驾驶汽车。

卡梅尔:允许车辆逐步退出Geofeced区域的关键是覆盖和可扩展性。当在Geofeced区域外操作时,可靠性和可预测性将确保可以遵循故障安全协议,并且需要对ECU的操作功能和安全配置文件的绝对确定性。这只能通过连续监测和非侵入式内部系统完整性验证来实现。

ciplickas.这听起来像是一种很自然的进化。你可以在学习的基础上,从你能表现得很好的领域开始。我喜欢你说的地理围栏地区会增长。这将给我们提供大量的学习机会,这将使我们的自主性达到更高的水平。

范德格杰恩这不仅仅是费用的问题。改进产品和组件并从中学习是需要时间的。自动驾驶不是某一天你就能启动的东西,它确实存在。它将在未来10年得到改善,直到你真正拥有你感到舒服的东西,它可以完成人类能做的80%或90%的事情。

SE:我们似乎还有很长的路要走。

Baruch.:如果您查看与此相关的规定,在一方面,您有中国,它们可以在他们可以做些什么以及他们从监管角度控制的事情上宽松。另一方面,欧洲国家距离批准。但这也与第二趋势重叠,这是对排放控制的电气化,并且在向市场引入市场时,它们可以并行地进行,这需要完全自主和完全电气化。鉴于推动电气化的所有罚款和法规,我们在这种方向上看到了更大的运动与快速制作完全自主汽车的需要。

SE:汽车中的先进包装是新的。几十年来,我们有多芯片模块,但不像我们通过传感器融合或大约7/5nm芯片看到的套餐。对可靠性有何影响?它只是我们必须处理的另一层复杂性和数据层吗?我们必须确保所有芯片不仅仅是在已知优质死亡方面的可接受范围内吗?

范德格杰恩这取决于它们将被用在汽车的哪个部分。如果它们是用于娱乐系统之类的东西,你可以使用与数百万部手机相同的组件,你可以信任这些组件。如果你的手机有很高的故障,你将不再使用它们。许多公司会说,‘这是娱乐系统的一个组件,我可以通过取出模块,然后放入一个新模块来替换它。“这和你的运动管理系统使用这些包是完全不同的。制造座椅前后移动按钮的公司可能会开发出全新的技术,在这些按钮不再工作的时候取代它们。但如果它是一个运动管理单元,那就完全不同了。这也取决于你把它们放在哪里以及你如何使用这些部件。

卡梅尔高级封装增加了另一层复杂性,因为它缺乏可见性,并依赖高密度架构,这限制了冗余回退。此外,芯片的人工智能部分正在增长。这不仅涉及封装和先进节点,而且芯片架构是人工智能驱动的,并使用现场推理和训练来不断改进硬件架构。使用这种反馈循环,您可以减少硬件冗余并优化复杂性。

Baruch.:除此之外,包装确实为层次结构和组装组件的概念增加了复杂性。如果您在另一个上有一个,则需要在三个维度中交互。本身介绍了数据的语义概念。它有多个向量,其中一个也是层次元素。它确实增加了复杂性,因为当您查看一个组件时,您本身不会将其视为单个单位。您还在查看属于部分的组件的层次结构。如果您不这样做,您将在您离开该分析的情况下非常有限。但是,如果您这样做,它可以超级有价值,可以针对问题而定。

ciplickas.这又回到了E142规范,它代表了这个层次结构,并且知道所有被放置在这个三维堆叠包中的部件的所有关系。由于组件之间的相互作用,包内系统或3D集成将带来新的失效模式。芯片到芯片的通信不同于芯片到板的通信,电热/机械的相互作用是不同的。一家汽车制造商表示,在压力之下,SRAM的失败是可以预见的。他们实际上是在长凳上测量的。这导致了PCB本身的设计规则,如何建立安装点在一个ECU的外壳。这是一个宏观版本的挑战将发生在3D或2.5D集成在这些包中,这将被放在恶劣的环境中。所以这不仅仅是芯片间的通信。现在,想象这些东西有不同的热量分布。这会改变这些东西上的膨胀和应力,然后会改变性能,因为我们知道应力会改变设备的行为。 Knowing the behavior of the individual chips at wafer sort test, and then knowing what was put together in a package — and having the package-level evaluation, and putting all that together — is a huge challenge. It’s a whole new frontier to use advanced 2.5D integration in a car, and especially in a safety-critical system.

[uzi baruch自从最佳加入并加入Proteantecs作为首席战略官。]

相关的
芯片足以押注你的生活(圆桌会议的第1部分)
表格的专家:改善汽车半导体的策略。
预测和避免汽车芯片的故障(以上圆桌会议第2部分)
表格的专家:新方法依赖于越来越好的数据,但还需要在供应链中共享数据。
在汽车上使用足够安全的IP
看看安全关键设计中不同的ASIL水平。



1评论

客人 说:

当容量处于危机时,5nm是最糟糕的。

留下一个回复


(注意:此名称将公开显示)