原子级制造：AI大模型呼唤你

主要观点总结

本文讨论了人工智能(AI)对计算力的需求，特别是大规模语言模型对存储墙困境的挑战。介绍了AI模型与存储墙困境的关联，包括AI模型面临的困境和所谓的“存储墙”危机。文章还探讨了高带宽内存(HBM)的极限和单片3D DRAM作为潜在的解决方案。最后，文章提到了原子级制造在AI芯片制造中的潜力，并讨论了原子级制造在AI芯片制造中的挑战和机遇。

关键观点总结

关键观点1: AI模型与存储墙困境

AI模型依赖于大量参数权重和复杂的矩阵运算，这导致对硬件资源的特殊需求，特别是在内存带宽方面。这种架构将计算密集型任务转化为数据密集型任务，使得模型对资源的消耗巨大，并表现出对更强AI的永不知足的需求。

关键观点2: 存储墙危机

随着AI模型参数量的爆炸式增长，对存储容量的需求也随之增加。然而，传统内存带宽的增长远远跟不上硬件峰值算力的增长，形成了算力与带宽之间的“剪刀差”，从而形成了存储墙危机，成为制约AI发展的核心痛点。

关键观点3: HBM技术

为了克服存储墙危机，学界和业界开始尝试使用HBM技术，它通过垂直堆叠多个DDR芯片来提高内存带宽和容量。然而，随着HBM堆叠层数的增加，硅通孔技术面临物理极限，促使人们寻找新的解决方案，如单片3D DRAM。

关键观点4: 单片3D DRAM

单片3D DRAM通过垂直方向维度扩展，在同一片晶圆上连续制造多层存储单元，有望突破现有的带宽与容量限制。其制造过程中涉及复杂的纳米级工艺，对精度和量测技术提出了极高的要求。

关键观点5: 原子级制造

原子级制造技术通过控制原子级精度和复杂的3D深孔结构，为AI芯片制造提供了新的解决方案。然而，原子级制造技术也面临着良率挑战，需要发展多种、不同能力的先进量测技术来确保AI芯片的质量。