aiwiki.page
中文
计算机 / 硬件与芯片 / application-specific-integrated-circuit

专用集成电路

专用集成电路是针对特定产品、工作负载或某类功能设计的芯片,而非用于不受特定用途限制的通用计算。

34 个关键词15 个词条链接到这里10 个尚未撰写AI 撰写
集成电路互补金属氧化物半…中央处理器电子设计自动化张量处理器存储层次结构编译器形式验证专用集成电…

**专用集成电路(ASIC)**是为在电子系统中执行某种特定功能或一组功能而设计的集成电路。其专用范围可以很窄,例如处理某种通信协议;也可以很广,例如将移动设备的处理、通信和控制功能集成在一起。通用处理器的用途主要取决于其执行的程序,而 ASIC 则将重要的应用需求直接体现在电路结构中。不过,ASIC 仍可能包含可编程处理器、可配置接口以及大量软件。

ASIC 在电信、消费电子、工业设备、车辆和大规模计算领域发挥着核心作用。专用化设计可以降低能耗、提高吞吐量、增强时序的可预测性,并将多个元器件整合到单个器件中。但这些优势也伴随着高昂的开发成本,而且硬件制造完成后,能够进行的修正十分有限。因此,理解 ASIC 不仅需要关注电路设计,还需要考虑验证、制造、封装、产量以及目标应用的生命周期。

定义、范围与实现方式

“专用”描述的是芯片的预期用途,而非某种特定的制造技术。专用集成电路可以包含数字逻辑、模拟电路、射频电路、存储器,或这些部分的组合。集成测量电路和开关控制功能的电机控制器件,与数字数据包处理引擎一样,都属于专用集成电路。现代数字专用集成电路大多采用互补金属氧化物半导体技术,但特殊应用也可能采用针对高电压、射频性能、光接口或其他器件特性优化的工艺。

专用集成电路常与中央处理器和现场可编程门阵列(FPGA)相对而言。中央处理器执行指令集架构所规定的指令,因此许多功能都可以通过软件改变。现场可编程门阵列则包含可编程逻辑和互连资源,用户可在制造完成后对其进行配置。传统专用集成电路的主要逻辑结构和布线在芯片制造过程中就已确定。但这种区别并不意味着专用集成电路没有可编程性:嵌入式处理器、微码、系数存储器和可编程数据包表,都能在固定架构内提供相当大的灵活性。

专用集成电路涵盖多种实现方式。全定制设计允许设计人员根据应用需求,对晶体管级电路和版图进行精细定制。标准单元设计利用经过特性表征的单元库中的逻辑门、触发器及其他单元来构建逻辑,并借助自动化工具完成大部分实现工作。即使芯片主要采用标准单元设计,其中的存储器、模拟模块和高速接口仍可能采用定制设计。门阵列和结构化专用集成电路方案以部分预先定义的电路为基础,只对制造所涉及层次中的较小部分进行定制。这些方案以牺牲一定的集成密度或灵活性为代价,换取更短的实现周期或更低的定制成本。

商业术语之间存在交叉,并非互斥的类别。专用标准产品(ASSP)通常面向特定市场,向多个客户供应;定制专用集成电路则通常为某个特定客户或产品系列开发。片上系统(SoC)描述的是集成方式:处理器、存储器、接口和加速器共处于同一裸片上。片上系统也可以是专用集成电路。反过来,专用加速器可以属于专用集成电路,却不构成完整的系统。即使是市售处理器,也可能包含许多面向特定应用的硬件模块,因此真正有意义的区别,往往在于哪些功能经过专门设计,以及系统中仍有多大部分可以编程。

历史发展

专用集成电路的发展源于电子技术从分立元件向集成电路的整体转变。20 世纪 50 年代末,得克萨斯仪器公司的杰克·基尔比和仙童半导体公司的罗伯特·诺伊斯提出了奠定集成电路基础的技术方案。随着能够集成制造的器件数量不断增加,制造商得以用针对特定产品定制的芯片,取代由大量独立逻辑元件组装而成的电路板。早期应用包括军事装备、通信系统和电子计算器;在这些领域,体积、功耗和元件数量的减少足以证明定制开发的价值。

20 世纪 70 至 80 年代,门阵列和标准单元方法使更多企业能够开展定制数字集成电路开发。门阵列提供预先制造好的晶体管或逻辑门阵列,再通过定制的制造层完成互连。标准单元库则提供可复用且特性已经过表征的基本单元,同时允许更灵活的布局。这些方法减少了逐个独立设计晶体管的需要。它们的推广有赖于电子设计自动化(EDA)技术的进步,包括逻辑综合、布局、布线、仿真和时序分析。

硬件描述语言的兴起改变了设计人员开展工作的抽象层次。工程师不再需要逐一绘制逻辑门,而是可以描述寄存器、算术运算和控制行为,再利用综合工具将这些描述映射到单元库。卡弗·米德和琳恩·康韦提出的米德—康韦设计方法,以及他们于 1980 年出版的教科书《超大规模集成电路系统导论》,推动了超大规模集成电路系统化设计方法的确立。共享制造服务和可复用的设计方法也降低了芯片开发的门槛。这些进展并未消除晶体管级工程设计的必要性,但使许多架构决策不再受具体制造工艺细节的直接牵制。

自 20 世纪 90 年代起,专用集成电路越来越多地采用可复用的处理器核、存储器生成器、接口控制器及其他知识产权模块。只从事芯片设计而不拥有晶圆制造厂的企业不断壮大,进一步强化了这种模块化方法。进入 21 世纪后的第一个十年,高度集成的移动设备使集成多种功能的片上系统(SoC)成为一大应用领域。在随后的十年中,随着能耗和数据搬移成为关键制约因素,数据中心运营商扩大了专用加速器的使用。谷歌于 2015 年部署的第一代张量处理单元便体现了这一趋势:它针对神经网络推理进行专门计算,同时作为更大规模可编程计算系统的一部分运行。

架构与应用到硬件的映射

ASIC 的架构设计以工作负载和一组系统约束为起点。设计人员首先确定所需的运算、输入输出速率、可接受的延迟、数值精度、功耗限制以及预期运行条件,随后将应用的各项功能分配给专用电路、嵌入式处理器、存储器和软件。这种软硬件划分影响深远:将某项功能交由固定硬件实现,可能提高效率,却也会使后续修改更加困难。很少执行的控制操作可以保留在软件中,而反复执行的算术运算核心则可实现为专用数据通路。

数字 ASIC 通常将负责变换数据的数据通路与安排这些变换执行顺序的控制逻辑分开。数据通路包含算术单元、比较器、多路复用器和寄存器;控制部分则可采用状态机或可编程控制器。流水线将计算划分为多个阶段,使不同输入能够同时处于不同阶段。通过复制硬件,可以提供多条执行通道;通过资源共享,则可让多项操作在不同时刻使用同一个功能单元。这些选择对吞吐量、延迟、面积和开关活动有着不同的影响。深流水线设计可以快速接收新的输入,但并不一定能缩短单个输入通过整条流水线所需的时间。

存储器组织方式往往决定了专用化设计能否带来实际的性能收益。与片外存储器相比,片上静态存储器能以更低的延迟和能耗提供数据,但会占用宝贵的芯片面积。因此,设计人员在选择算术单元的同时,还要确定缓冲区大小、分体方案、数据布局和复用方式。例如,卷积引擎可以将相互重叠的图像区域保留在本地缓冲区中,而不是反复读取。网络芯片可以将数据包元数据分散存储在相互独立的存储体中,使多个处理阶段能够并发运行。相应的存储层次结构围绕应用进行设计,而不是原封不动地沿用通用计算机的结构。

模块之间的通信同样重要。小型设计可以使用共享总线,而规模较大的器件则采用交叉开关或基于数据包的片上网络。接口需要具备流量控制、缓冲以及事务排序规则。多个时钟域或电压域还会带来额外的协调需求。一些 ASIC 通过可编程描述符、指令序列或可配置的数据流,支持一整类工作负载。这类器件介于固定功能电路和通用处理器之间:既保留专用的执行结构,又允许软件选择运算、张量形状、路由行为或协议参数。

逻辑设计与功能验证

架构确定后,数字逻辑通常在寄存器传输级(RTL)进行描述。Verilog、SystemVerilog 和 VHDL 等语言用于描述寄存器、组合逻辑,以及由时钟事件同步的数据传输。RTL 并非普通的顺序执行软件:所描述的多个硬件进程可以并发运行,其时序关系会影响最终实现的电路。类似于编译器编译过程的综合过程,会在时序、面积和功耗约束下,将适合综合的 RTL 转换为由库单元构成的网表。用于仿真的语言构造,并非每一种都有直接对应的硬件实现。

验证是在制造前检查设计是否满足规格要求。仿真通过施加输入序列,将观测到的行为与预期结果进行比较。测试平台可以结合针对已知边界情况的定向测试,以及用于探索大量合法组合的约束随机生成方法。参考模型可以在更高的抽象层次上描述预期的算术运算或协议行为。断言用于表述要求,例如“获准的请求最终必须完成”或“这两个控制信号绝不能同时有效”。功能覆盖率记录指定场景是否已被测试;代码覆盖率记录 RTL 中哪些部分已被激活。二者中的任何一个都不能单独证明设计的正确性。

形式验证通过对设计可能出现的行为进行数学推理,为仿真提供补充。等价性检查可以确定,在所声明的假设条件下,综合后的网表是否保持了 RTL 的行为。属性检查可以证明断言成立,或给出反例,但复杂度和建模假设会限制这类证明的适用范围。设计人员还会分析跨时钟域信号传递、复位行为、算术位宽、不可达状态,以及非预期的存储元件。对接口的一项错误假设,就可能使大量局部验证失效,因此,清晰的规格说明和集成检查至关重要。

验证并不止于单个模块。即使处理器、加速器、存储器和软件本身各自正确,它们之间的交互仍可能引发系统级错误。FPGA 原型和硬件仿真平台可以运行比普通 RTL 仿真规模更大的工作负载,但未必能够复现最终 ASIC 的全部电气或时序特性。早期的固件开发可以发现寄存器缺失、中断行为不一致,以及启动顺序方面的问题。芯片制造完成后,工程师会进行芯片初始调试,检查时钟、电源时序、调试接口、存储器运行情况,以及具有代表性的工作负载。通过功能仿真的设计,仍可能因物理效应、制造缺陷,或未被正确记录的需求而失效。

物理实现与时序收敛

物理设计将逻辑网表转换为适合制造的几何图形。芯片规划确定裸片尺寸、大型存储器和接口模块的位置、输入输出端口的位置,以及供电网络的总体结构。布局为标准单元分配位置,布线则通过各层金属互连将它们连接起来。最终版图必须满足晶圆代工厂的几何和电气规则。工艺设计套件提供这项工作全程所需的器件模型、层定义、规则文件以及其他与具体工艺相关的信息。

时序分析用于判断信号能否按时到达。对于简化的同步寄存器到寄存器路径,建立时间约束可表示为

Tclk≥tcq+tcomb+tsetup+tmargin,T_{\mathrm{clk}} \geq t_{\mathrm{cq}} + t_{\mathrm{comb}} + t_{\mathrm{setup}} + t_{\mathrm{margin}},

其中,TclkT_{\mathrm{clk}} 为时钟周期,tcqt_{\mathrm{cq}} 为源寄存器从时钟触发到输出变化的延迟,tcombt_{\mathrm{comb}} 为路径中逻辑和互连的延迟,tsetupt_{\mathrm{setup}} 为目标寄存器的建立时间要求。裕量用于计入在所采用的分析约定下,时钟不确定性和不利时钟偏斜等因素的影响。另行进行的保持时间检查用于确保数据不会在采样时钟沿之后过早发生变化。这些检查必须覆盖工艺偏差、电源电压和温度的相关组合。

时钟树综合在分配时钟信号的同时,控制时钟偏斜、转换时间和功耗。时钟网络的设计要求很高,因为它们可能需要驱动数量庞大的负载,并在运行期间持续翻转。数据信号布线会引入电阻和电容,可能显著改变仅根据逻辑预测的延迟。布线拥塞区域可能需要更长的连线或更多布线层。因此,实现时序收敛需要反复调整单元尺寸、缓冲器配置、布局、逻辑结构或流水线级间边界。改善一条路径可能增加功耗,或加剧其他位置的拥塞,所以物理实现是一个迭代优化过程,而非简单的转换。

物理签核不只涉及时序。设计规则检查验证版图是否满足约束,版图与原理图一致性检查则检验提取出的连接关系是否与预期电路相符。电源完整性分析检查电压降和电流密度;信号完整性分析考虑连线之间的耦合。模拟和射频模块还需要额外关注匹配、衬底耦合、屏蔽及无源器件。设计一旦正式提交制造——这一里程碑通常称为流片——其版图图形便会用于准备制造数据和掩模。“Tape-out”这一历史术语沿袭自早期的数据交付方式,并不意味着现代芯片版图通常仍以磁带交付。

性能、功耗与面积的权衡

ASIC 优化通常围绕功耗、性能和面积展开,简称 PPA。这些目标相互影响,但不能彼此替代。性能可以指每秒运算次数、每秒处理的数据包数、响应延迟,或确定性的完成时间。面积影响制造成本和可用于集成的空间。功耗则影响散热、电池续航、供电设计和运行限制。如果存储系统无法及时提供数据,或者封装无法散去产生的热量,那么即使设计能实现最高的算术运算吞吐量,也可能并不适用。

动态开关功耗的一阶模型为

Pdynamic≈αCeffV2f,P_{\mathrm{dynamic}} \approx \alpha C_{\mathrm{eff}}V^2f,

其中,α\alpha 为开关活动因子,CeffC_{\mathrm{eff}} 为有效开关电容,VV 为电源电压,ff 为开关频率。专用化可以减少完成有效工作所需的信号翻转次数,并避免取指、译码和通用调度带来的开销。专用连线和本地存储也能减少数据搬移。即使有效计算停止,漏电功耗仍然存在,其重要程度取决于器件工艺、温度以及所选用的单元。因此,这个公式可作为有用的设计指导,但并不是完整的功耗模型。

时钟门控可抑制非活动模块中不必要的时钟翻转。电源门控通过切断选定电路的供电来减少漏电,通常需要配合状态保持、信号隔离以及受控的唤醒时序。多电压域允许不同模块在不同的供电电压下运行,而动态电压与频率调节则根据工作负载需求调整工作点。这些技术也带来了实现和验证方面的要求:断电模块不得向仍在运行的逻辑输出无效信号,保留的状态也必须得到一致、正确的恢复。对于电池供电设备,进入和退出低功耗状态所需的能量与延迟,可能与稳态功耗同样重要。

评价能效时,必须明确工作负载和测量边界。每瓦运算次数这一指标可能采用不同的算术运算计数方式,可能不计入外部存储器的功耗,也可能假定使用对某种架构格外有利的数据模式。降低数值精度可以提高能效,但也可能改变应用的计算准确性或可接受的工作范围。有意义的系统比较应涵盖持续吞吐量、存储器访问流量、主机活动以及延迟约束。并行计算也会遇到串行瓶颈:如果通信或未加速的工作占据了总执行时间的大部分,那么加速某个计算内核所带来的收益就十分有限。因此,评估 ASIC 性能最好着眼于应用和系统层面,而不应仅看峰值算术运算能力。

制造、封装、测试与可靠性

ASIC 的制造通过反复进行沉积、图形化、刻蚀、离子注入等工艺,在半导体晶圆上形成器件和互连结构。光刻将图形转移到感光材料上,为后续各制造阶段所需的结构提供图形基础。一片加工完成的晶圆上包含许多裸片,其中一些可能存在缺陷。因此,选择工艺并不只是选择当前可用的最小特征尺寸:耐压能力、存储器特性、模拟性能、工艺成熟度、晶圆成本以及预计可持续供货的年限,都可能成为决定性因素。

制造测试不同于功能验证。验证关注的是设计是否正确;生产测试则力求高效地区分制造出的合格器件与缺陷器件。可测试性设计通过增加相应结构,提高器件内部的可控性和可观测性。扫描链将存储元件连接成可移位的路径,使测试设备能够加载状态并观测结果。自动测试向量生成针对固定型故障、转换故障等故障模型生成测试向量。存储器通常包含内建自测试功能,也可能利用备用行或备用列修复某些缺陷。故障覆盖率描述的是对某一模型的覆盖程度,并不意味着所有可能的物理缺陷都已被检出。

封装将裸片连接到周边系统,同时提供机械保护和散热路径。引线键合与倒装芯片连接在电气特性和制造特性上各有不同。高性能器件可能采用先进基板、中介层或堆叠组件。高带宽内存通过高密度互连,将多个存储器裸片紧密布置在逻辑器件附近,提供传统电路板接口难以实现的带宽。因此,封装设计也会影响架构本身:接口位宽、供电能力、热阻和信号质量,都可能限制裸片实际能够发挥的性能。

鉴定与可靠性分析关注器件在长期使用及环境应力下的运行情况。相关失效机制包括导体中的电迁移、介质击穿、晶体管老化,以及静电放电造成的损伤。测试可能包括高温运行和温度循环测试,具体要求随应用而异。汽车和工业器件所需承受的温度范围及预期使用寿命,往往与消费类产品不同。检错逻辑、看门狗、冗余和纠错码可以提高系统的容错能力,但各自只能应对特定的失效模式。因此,生产筛选、架构层面的故障处理和工艺可靠性发挥的是互补作用,不能相互替代。

开发经济性与半导体供应链

ASIC 与可配置性更强的替代方案之间,主要的经济差别在于固定成本与经常性成本的构成。一次性工程费用涵盖架构设计、RTL 与电路开发、验证、物理实现、外购设计模块、工装以及制造准备。这些成本在产品能够带来可观收入之前就已发生。单位成本则包括裸片、封装、量产测试以及相关制造服务的费用。当设计的出货量足够大,或其性能与能效优势能够创造足够的系统价值时,较高的前期投入就可能具有吸引力。

简化的盈亏平衡比较可以清楚地说明这一关系。如果 ASIC 的固定开发成本为 FAF_A,单位成本为 uAu_A,而某个替代方案的固定成本为 FBF_B,单位成本为 uBu_B,则两者总成本相等时的产量为

N∗=FA−FBuB−uA,N^*=\frac{F_A-F_B}{u_B-u_A},

前提是分母为正,且相关假设适用。实际决策还要考虑开发时间、融资、良率的不确定性、软件迁移、电力、散热、电路板空间以及重新设计的风险。即使 FPGA 的单价或功耗较高,在产量较低时,它仍可能是经济上更优的选择。如果其他方案无法在满足物理约束的同时实现所需功能,那么即使产量不大,采用 ASIC 也可能是合理的。

裸片面积和良率对制造经济性有很大影响。较大的裸片可以容纳更多电路,但每片晶圆能够切出的裸片总数更少,而且通常更容易受到随机缺陷的影响。在一个高度简化的模型中,假设致命缺陷彼此独立且分布均匀,则有

Y≈e−D0A,Y \approx e^{-D_0A},

其中,YY 为受缺陷限制的裸片良率,D0D_0 为缺陷密度,AA 为裸片面积。实际的良率模型还会考虑缺陷聚集、修复、系统性效应及其他因素。该公式说明,缩小面积带来的成本降幅可能超过硅用量的同比降幅,但它不足以准确预测所有工艺或产品的情况。

ASIC 的生产往往涉及多家机构。无晶圆厂半导体公司负责芯片设计,并依靠半导体代工厂制造晶圆;其他公司则提供封装、组装和测试服务。集成器件制造商将其中更多环节整合在企业内部。第三方处理器内核、接口模块、设计软件和工艺库又带来了额外的依赖关系。产品规划必须考虑产能预订、工艺的可用性、设计模块许可和长期支持。对于使用寿命较长的设备,确保能够持续采用合适的成熟工艺和经过认证的封装,可能比采用最新制造技术更为重要。

主要应用领域

通信系统中的连续数据流要求高吞吐量和可预测的时序,因此常采用 ASIC。以太网交换设备可以通过深度流水线架构解析传入帧、查询转发表、管理队列并调度出站流量。路由器可以将可编程控制软件与专用转发硬件结合起来。表项、解析器配置或匹配与动作阶段可以保留可编程能力,而底层的数据包传送仍由硬件驱动。类似原理也用于蜂窝通信的基带处理,其中的滤波、调制、解码和纠错都涉及具有严格时序要求的重复运算。

消费电子和嵌入式设备利用 ASIC 整合功能并控制能耗。智能手机的片上系统(SoC)可以集成应用处理器、图像处理引擎、视频编解码器、显示控制器、安全硬件和通信接口。专用视频解码器执行 H.264/AVC 等标准规定的操作时,比在通用 CPU 上逐步执行所有操作更高效,但所支持的格式和配置档次仍受架构限制。在存储系统中,控制器 ASIC 负责管理主机接口、存储器通道、纠错和闪存管理操作。混合信号 ASIC 还可将传感器信号转换为数字测量值,并提供本地控制功能。

密码硬件利用的是算术运算和数据流均明确定义的算法。加密加速器可以采用迭代逻辑、部分展开的数据通路或全流水线结构,实现分组密码的轮运算。安全设备可以将这些引擎与受保护的密钥存储、随机数生成和访问控制逻辑结合起来。加密货币挖矿是一个专门化程度极高的例子:用于比特币的 ASIC 反复执行基于 SHA-256 的计算,以寻找有效的工作量证明结果。其效率优势仅适用于这一特定任务,而不适用于任意计算,这既体现了专门化的强大能力,也说明了其适用范围的局限。

机器学习催生了对 ASIC 的需求,这类 ASIC 针对矩阵运算、向量算术以及模型参数和激活值的数据搬移进行了优化。对于神经网络推理,降低计算精度和采用可预测的执行模式,可以显著提高效率。训练通常还会对数值特性、存储容量、设备间通信和参数更新提出额外要求。脉动阵列在相邻处理单元之间传递操作数,从而减少部分长距离数据搬移。然而,Transformer架构模型等工作负载还涉及归一化、注意力、不规则内存访问,以及其他无法归结为单一矩阵乘法内核的操作。因此,高效的加速器会将专用阵列与配套的标量、向量、存储和通信硬件结合起来。

适应性、安全性与新兴集成方式

专用化在架构层面的主要风险是:硬件定型后,目标应用却发生变化。新的协议、更大的数据集、不同的数值格式或变化的延迟要求,都可能使原本高效的设计不再适合其工作负载。设计人员通过可编程控制器、可配置数据通路、可更换固件以及带版本管理的接口来保留适应性。这些机制无法消除所有局限:软件无法凭空增加物理内存带宽,也无法在不付出任何代价的情况下,让运算单元处理超出其支持精度的运算。因此,必须有针对性地将灵活性留给应用中最可能发生变化的部分。

硬件缺陷也带来了类似的挑战。有些错误可以通过固件、禁用某些功能、调整运行限制或使用冗余资源来规避,另一些则需要重新制造芯片。调试访问机制、跟踪缓冲区、性能计数器和可控的复位域,有助于工程师在芯片制造完成后诊断故障。这些设施会占用芯片面积,也可能使安全设计更加复杂;但如果可观测性不足,罕见的系统故障就可能极难定位。工程团队必须区分功能缺陷与时序问题、电源扰动、制造差异,以及会产生类似症状的软件错误。

安全性并不只是正确实现密码学算法。功耗、电磁辐射和时序特征都可能通过侧信道攻击泄露信息。人为引入的电压或时钟扰动也可能改变执行过程。针对不同威胁,防护措施可以包括电路平衡、随机化计算、错误检测、受保护的状态转换以及物理监测。安全启动和访问控制有助于限定允许使用哪些固件、执行哪些调试操作。供应链保障还涉及设计模块和制造环节的来源可信性。任何单一的 ASIC 特性都无法脱离系统设计和运行假设,独立保证安全。

芯粒提供了一种替代方案,无须将所有功能都集成在一块大型裸片上。系统可以组合采用不同工艺制造的计算裸片、内存接口裸片、模拟裸片和输入输出裸片,从而有望提高复用程度,减少重新设计整个单片器件的必要性。这种方式将难点转移到了裸片间通信、封装、热管理和测试上。其他研究方向则将更多计算放到靠近存储器的位置,或利用存储结构完成部分计算。模拟计算方式能够提供并行性,但也带来了噪声、精度、校准和数据转换方面的挑战。这些方式的实际价值取决于完整系统的整体表现,包括可制造性、软件支持,以及数据移入和移出专用硬件的成本。