日本东丽成功开发Micro LED显示器用材料
06-08
集成电路从处理信号的类型可以分为两大类，即模拟电路和数字电路。
模拟电路处理连续的模拟信号，而数字电路处理离散的数字信号。
在自然界中，信号以模拟信号的形式存在（例如在无线传输系统中，无线信号就是典型的模拟信号），而数字信号主要存在于人工电子系统中。
模拟信号与数字信号之间的转换是通过混合信号电路完成的。
混合信号电路系统通常包括模拟电路和数字电路，并且我们看到数字电路在混合信号电路系统中所占的比例越来越大（更多内容见下文）。
混合信号系统应用广泛，包括信号互连（以太网、USB接口等）、音频系统、无线通信系统等。
虽然混合信号集成电路应用广泛，但在混合信号系统的开发过程中，有将是每个时期推动其技术发展的主要应用。
这样的驱动应用需要满足几个条件： 1、首先从应用角度来看，驱动应用必须有足够大的市场，而且市场增长必须足够快，以保证整个行业有足够的兴趣投入研发以满足需求。
应用要求。
2、其次，从技术角度来看，驱动的应用对技术要求足够高，现有技术还不能完全满足应用需求；同时，技术进步也会对驱动应用本身产生影响，例如，随着混合信号系统的技术指标的进步，驱动应用可以提供更好的用户体验。
当驱动应用满足这两个条件时，就会让行业投入技术研发，带动技术进步。
对于混合信号集成电路系统来说，21世纪前15年的驱动应用显然是无线通信系统。
从市场角度来看，2019年是无线通信市场的蓬勃发展阶段，而在无线通信射频芯片中，混合信号集成电路扮演着极其重要的角色：例如数模的信噪比。
- 混合信号系统的模拟转换器（ADC） - 采样率之间的权衡关系将直接决定整个射频芯片的前端架构，并进一步决定芯片功耗、灵敏度等重要指标。
年后，随着人工智能的兴起，我们看到高速互连正在成为混合信号集成电路技术发展的主要驱动力。
人工智能与混合信号集成电路人工智能无疑是当下最热门的技术，也是半导体领域最大的市场之一。
人工智能模型的具体运行包括两个环节，即训练和推理。
训练过程中需要大量的数据，通过梯度反向传播算法得到人工智能模型的权重；训练阶段完成后，可以部署模型并开始根据用户输入运行推理。
大模型时代，无论是大型人工智能模型的训练还是人工智能模型的推理都需要在云数据中心完成。
尤其是在模型越来越大的趋势下，训练和推理很难在单台机器上完成，而是需要在云数据中心的多台服务器上进行分布式计算。
在大型语言模型领域，模型训练往往需要数百台服务器，预计未来分布式计算的规模会越来越大。
在分布式计算中，数据互连起着极其重要的作用。
分布式计算系统中的每台计算机完成单步计算后，需要将每台计算机的结果汇总在一起；另外，在一些分布式计算框架中，每台计算机还需要能够直接访问其他计算机上的存储数据。
事实上，当前分布式计算的主要瓶颈是数据互联。
理论上，分布式计算的性能与分布式系统中的计算机数量之间应该存在线性关系；然而，由于数据互连的开销，分布式计算的性能和计算机数量往往无法实现线性关系，并且随着人工智能大模型时代的到来，分布式系统变得越来越大，并且数据互联的成本不断增加。
也就是说，数据互联已经成为人工智能大模型时代最迫切需要解决的问题。
解决数据互连的重要任务落在了混合信号系统上。
数据互连的物理层是典型的混合信号系统：在接收端，混合信号电路需要对接收到的信号（往往经过大量的信道衰减和干扰）进行处理，付原始信号，并进行转换将其转换为数字信号。
在发送端，混合信号系统需要能够根据信道的特性对发送的信号进行处理，以保证接收端在信号衰减后仍然能够很好地恢复数据。
因此，大型人工智能模型使得分布式计算成为必然，而分布式计算的性能瓶颈需要混合信号集成电路来解决。
前面提到，人工智能之所以成为混合信号集成电路的驱动应用，是因为它满足： 1、应用市场足够大：人工智能已经成为全社会最流行的应用，其市场容量无疑很大。
而当混合信号集成电路成为人工智能的重要使能技术时，芯片企业就有足够的动力投入研发。
2、技术驱动力充足：从技术角度来看，人工智能对数据互联的需求在技术上具有很大的挑战性。
如何确保在不同的互连距离下以最低的功耗实现最高的数据带宽是人工智能对混合信号系统*的挑战。
此类需求进一步细化为不同的接口：例如G下一代以太网标准、实现超高带宽互连的光互连（随着共封装光学的发展，光接口进一步获得了更大的市场动力）在这些互连接口中，对于混合信号系统的驱动力来说，中长距离互连（包括以太网和光互连）尤为重要。
我们预计该领域的混合信号系统技术未来将会快速发展，这将成为混合信号集成电路领域最热门的方向。
从产品需求来看，混合信号系统数据互连的技术路线基本可以分为短距离互连（例如在chiplet上使用）、中距离互连（用于同一服务器中不同加速卡的互连） ）和远程互连（用于不同服务器之间的互连）。
就混合信号电路技术而言，这些不同的互连要求也构成了整个技术谱。
首先，超短距离（包括封装内的数据互连）对于先进封装技术至关重要，其带宽和面积开销决定了chiplet系统可以扩展多大。
由于超短距离互连的信号衰减比较小，对于混合信号集成电路系统来说，超短距离的主要要求是成本考虑，如何提高互连密度（或者在尽可能小的面积内完成电路） ），但这并不会成为电路设计技术演进的主要驱动力。
其次，从中距离互联开始，通道带来的信号衰减和干扰变得越来越重要。
为了补偿信号衰减的影响，越来越多的相关技术开始应用于混合信号系统中。
这些技术包括：在接收端，采用信道均衡技术，即根据预测的信道衰减和干扰，在接收端采用CTLE（连续时间线性均衡器）或模拟FIR等技术，以模拟电路为主，辅以模拟电路。
数字电路设计可以消除这些影响。
在发送端，根据预测的信道特性，将可以抵消此类信道影响的分量添加到发送的信号中。
预计未来中端互连将不断增加调制复杂度（如PAM-4、PAM-6，甚至更高），以提高信道利用率。
为了满足复杂调制的需求，中端互连的混合信号电路将沿着目前的技术路线继续演进，即继续优化模拟前端电路的性能，并采用更复杂的数字电路技术来提高性能。
当目前的模拟前端+数字增强路线还不够时，有望进一步演进到目前长距离互连所采用的技术。
长距离互连有望成为混合信号集成电路系统技术演进的前沿，极有可能引入最前沿的技术。
同时，相关技术可能会慢慢被中距离互联所采用。
一方面，远距离互联最受人工智能技术关注（因为它决定了分布式计算的数据互联开销，进而决定了分布式计算的效率，而分布式计算效率是当前人工智能技术的关键因素）人工智能大模型训练和（部署的关键），另一方面是最具技术挑战的，而且从通道类型来看，也有两种解决方案：光互连和铜绞线互连相互竞争从混合信号集成电路技术的角度来看，我们今年看到了技术路线上的重要一步，那就是越来越多的接收器正在走向基于ADC+DSP的解决方案。
可以认为是较之前的模拟信号均衡技术又前进了一步，在中距离互连常用的模拟信号均衡技术中，在模拟电路中加入相应的频域响应元件（如加入电感或反馈电容来消除）。
通道衰减，或者信号在模拟域延迟叠加以近似FIR滤波效果）实现均衡；然而，这种模拟信号的通道均衡往往无法处理响应非常复杂的通道，处理灵活性也比较有限。
为了更好地处理复杂通道（这种处理对于长距离互连至关重要），需要采用ADC+DSP的解决方案。
在该方案中，接收信号首先经过比较简单的模拟通道均衡和信号处理，然后使用高速采样ADC将其采样为数字信号，然后在数字域使用DSP进行进一步的通道均衡和滤波，从而可以对Channel进行更复杂的处理。
在ADC+DSP方案中，核心点是ADC需要实现高采样率而不消耗太多功耗。
随着混合信号集成电路设计的发展，ADC的性能（采样率、信噪比和功耗）也在不断提高。
如今，采用ADC+DSP方案来处理长距离互连已经成为可行甚至主流的方案。
。
在ISSCC中，所有与高性能光互连相关的论文仍然采用模拟通道均衡方法，而在ISSCC中，至少有通用论文采用ADC+DSP方案。
随着这样的方案成为主流，一方面我们会看到它将进一步推动混合信号设计领域的核心模块ADC的性能迭代，从而推动整个混合信号集成电路设计的发展;另一方面，将促进混合信号设计与数字设计的进一步融合。
未来，我们期望看到数字算法能够提高混合信号设计的性能，而这种“尽早数字化，在数字域处理问题”的思想也可能被运用在混合信号设计和甚至广泛应用于其他集成电路设计领域。
【本文由投资界合作伙伴微信公众号授权：半导体行业观察者。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，实时传递行业热点新闻、深度评论和前瞻观点帮助企业家掌握新兴技术。
趋势和行业变化，以及对未来技术趋势的洞察。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-17
06-18
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态