英特爾發布Foveros封裝：一顆晶元多種工藝成現實

了解半導體的玩家都知道，半導體晶元很多都是一次加工成型，其中只能有一種製程工藝。不過英特爾這兩年在致力於晶元製造工藝的改革，英特爾在自家NUC冥王峽谷中採用EMIB(嵌入式多晶元互聯橋)封裝方式，將Kaby lake處理器和AMD VEGA圖形核心封裝到一個基板上，讓電腦在更輕薄的同時還擁有超高性能。

採用EMIB工藝封裝的產品能夠減少體積，降低成本和功耗。EMIB封裝主要過貼片和封裝，為每種情況下的工作選擇最佳晶體管，無論是CPU、GPU、IO、FPGA、RF還是其他東西，只要使用正確的封裝，就可以將它們放在一起以獲得最佳的優化。但採用EMIB封裝的大型單晶元或多晶元封裝技術的缺點是距離內存太遠，所以英特爾計劃將3D堆疊技術引入大眾市場。

為了實現擴大節點的目的，英特爾除了在2018年採用的EMIB封裝之外，推出了Foveros有源板載技術。與2D的EMIB封裝方式相比，Foveros有源板載技術更適用於小尺寸產品或對內存帶寬要求極高的產品，Foveros每比特傳輸的數據的功率非常低，封裝技術要處理的是凹凸間距減小、凹凸密度增大以及晶元堆疊技術。英特爾表示Foveros已經準備就輸，能偶進行大規模生產。

英特爾顯卡首席架構師Raja Koduri介紹稱，英特爾多年來一直專註於高性能工藝節點，試圖利用先進的製程釋放更多的內核性能。此外，英特爾同樣專註於優化IO工藝節點，使其擁有更適合PCH或SoC類型的功能。

Raja Koduri展示了英特爾在2019年工藝技術，有採用10nm 1274工藝的計算核心、14nm 1273工藝的IO核心。而採用Foveros 3D堆疊技術工藝代號是P1222。英特爾在未來將擴大其節點基礎，以便它能夠覆蓋更多的功率和性能點。(Ps：126x和127x是Intel進程節點技術的內部編號系統，不過圖上並沒有區分出帶「+」後綴的節點變體。)

與EMIB封裝相比，Foveros的迭代並沒有幻燈片上描述的複雜，英特爾使用了一組PCH連接到下面的CPU核心，但英特爾可以採用不同工藝製程的晶體管。 英特爾在架構日現場展示採用Foveros封裝的晶元，在22FFL IO晶元作為有源載板，並用TSV(硅通孔技術)連接了一顆10nm晶元，其中包含1個Sunny Cove內核和4個Atom內核(可能是Tremont)，這款微型晶元尺寸為12*12，待機功率僅為2mW，看起來似乎是面向移動設備。

在英特爾的幻燈片中可以看到，Sunny Cove內核的「Big CPU」帶0.5MB獨享L2緩存，4個小型Atom內核則有1.5MB共享L2緩存，兩組核心共享4MB L3緩存。該晶元集成了64EUs的Gen11核心顯卡、四通道LPDDR4內存控制器(4*16bit)，支持DisplayPort 1.4的MIPI(移動產業處理器介面)。

Jim Keller表示英特爾利用Foveros技術製造嘗試製造更好的產品，因此2019年和2020年還有能看到更多Foveros產品。

本次活動中，英特爾還確定下一代Ice lake將基於Sunny Cove架構打造，同時展示了Ice lake Xeon 10nm處理器，宣告10nm產品將在2019年大規模上市？

英特爾還在本次活動上介紹了傲騰技術、One API軟體以及深度學習參考堆棧等內容。

英特爾傲騰數據中心級持久內存作為一款新產品，具備了內存般的性能的同時，還擁有大容量存儲和非易失性等特點，這項技術能夠讓存儲設備更接近處理器，從而使人工智慧和大型資料庫中更大量的數據集，能夠獲得更快的處理速度，減少由於大容量和數據的持久性帶來的訪問延時損失，從而提高工作負載的性能。英特爾同時展示了傲騰與QLC固態硬碟的結合，降低對最常用數據的訪問延遲。

一般來說，當應用把讀取操作定向到傲騰持久內存或請求的數據不在DRAM中緩存時，傲騰持久內存的平均空閑讀取延遲大約為350ns。如果實現規模化，傲騰數據中心級固態盤的平均空閑讀取延遲約為10000ns(10μs)，這將是顯著的改進。在某些情況下，當請求的數據在DRAM中時，不管是通過CPU的內存控制器進行緩存還是由應用所引導，內存子系統的響應速度預計與DRAM相同(小於100ns)。總體來說，這些對平台和內存的改進重塑了內存和存儲層次結構，從而為系統和應用提供了完善的選擇組合。

One API是英特爾簡化跨CPU、GPU、FPGA、人工智慧和其它加速器的各種計算引擎的編程。該項目包括全面、統一的開發工具組合，以將軟體匹配到能最大程度加速軟體代碼的硬體上，公開發行版本預計在2019年面世。

深度學習參考堆棧(Deep Learning Reference Stack)是一個集成、高性能的開源堆棧，基於英特爾至強可擴展平台進行了優化。該開源社區版本旨在確保人工智慧開發者可以輕鬆訪問英特爾平台的所有特性和功能;深度學習參考堆棧經過高度調優，專為雲原生環境而構建;可以降低集成多個軟體組件的複雜性，幫助開發人員快速進行原型開發，同時讓用戶有足夠的靈活度打造定製化的解決方案。

操作系統：Clear Linux 操作系統可根據個人開發需求進行定製，針對Intel平台以及深度學習等特定用例進行了調優;

編排：Kubernetes可基於對Intel平台的感知，管理和編排面向多節點集群的容器化應用;

容器：Docker容器和Kata容器利用Intel虛擬化技術來幫助保護容器;

函數庫：Intel深度神經網路數學核心函數庫(MKL DNN)是Intel高度優化、面向數學函數性能的數學庫;

運行時：Python針對Intel架構進行了高度調優和優化，提供應用和服務執行運行時支持;

框架：TensorFlow是一個領先的深度學習和機器學習框架;

部署：KubeFlow是一個開源、行業驅動型部署工具，在Intel架構上提供快速體驗，易於安裝和使用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！