课程大纲：十周知识拆解 第一部分：格芯（GF）的技术战略与物理基础（第 1-2 周） • 第 1 周：超越摩尔定律（More than Moore）的经济与物理学 ◦ 内容： 解析 GF 为何在 2018 年放弃 7nm 研发。探讨功耗墙（Power Wall）与暗硅（Dark Silicon）现象。 ◦ 核心工艺： GF 22FDX (FD-SOI) 的背栅压（Back-Biasing）技术原理。 ◦ 主讲： Salahuddin（从器件物理和低功耗能效比切入）。 • 第 2 周：计算模型的演进：从经典图灵机到神经网络与量子线路 ◦ 内容： 冯·诺依曼架构的瓶颈（存储墙）。量子计算对传统半导体工艺的确定性与噪声要求（噪声中间尺度量子，NISQ 时代）。 ◦ 主讲： Nielsen（从计算理论与量子力学基础切入）。 第二部分：AI 硬件加速——存内计算与边缘低功耗（第 3-5 周） • 第 3 周：基于 GF FD-SOI 的新型存储与深度学习加速 ◦ 内容： 详解 GF 的 22FDX 和 12LPX 工艺。如何在制程微缩放缓的情况下，利用嵌入式非易失性存储器（eNVM，如 eMRAM）实现高效的 AI 边缘推理。 ◦ 技术点： 存内计算（Compute-in-Memory, CIM）的阵列设计，减小数据搬运功耗。 • 第 4 周：神经形态计算与非线性器件物理 ◦ 内容： 利用 Salahuddin 教授擅长的铁电材料（FeFET）或阻变存储器（RRAM）模拟生物突触的行为。 ◦ 技术点： 连续权重调节的物理机制与其在随机梯度下降（SGD）硬件化中的表现。 • 第 5 周：边缘 AI 的动态电压频率调节（DVFS）与超低功耗设计 ◦ 内容： GF 22FDX 的独特优势——超宽电压工作范围（低至 0.4V）。在智能物联网（AIoT）设备中，如何根据 AI 负载动态调整硬件能耗。 第三部分：量子计算的“桥梁”——低温控制与互连（第 6-8 周） • 第 6 周：超导与自旋量子比特的“致命伤”：布线与控制墙 ◦ 内容： 量子芯片工作在毫开尔文（mK）级别，而传统的控制电路在室温下，成千上万根同轴电缆导致严重的热漏和空间挤压。 ◦ 主讲： Nielsen（剖析高保真度量子门控制所需的信号精度）。 • 第 7 周：GF 低温 CMOS（Cryo-CMOS）工艺物理 ◦ 内容： 半导体器件在 $4\text{K}$ 甚至更低温度下的行为突变（载流子冻结、阈值电压漂移、迁移率变化）。 ◦ 工艺应用： 利用 GF 的 22FDX 或 45CLO 工艺设计低温低噪声放大器（LNA）和数字频率合成器（DDS），实现“量子控制芯片与量子比特的同体封装”。 • 第 8 周：硅光子（Silicon Photonics）与量子通信、光量子计算 ◦ 内容： GF 拥有业界领先的 Fotonix 平台（如 45CLO 硅光工艺）。 ◦ 应用： 光子晶体、波导、片上激光器在光量子计算中的应用；利用光子实现超导量子比特之间的长距离量子纠缠分发；光子 AI 计算加速器。 第四部分：软硬件协同设计与未来展望（第 9-10 周） • 第 9 周：量子-经典混合系统与 AI 辅助的量子纠错 ◦ 内容： 软硬件协同（Co-design）。利用在 GF 工艺上运行的经典 AI 加速器，实时处理量子纠错码（Surface Code）产生的大量伴随式（Syndrome）测量数据。 • 第 10 周：地缘政治、供应链与新型晶体管的未来 ◦ 内容： GF 在美国、欧洲和亚洲的晶圆厂布局对全球 AI 与量子硬科技供应链的影响。展望二维材料（2D Materials）和全环绕栅极（GAA）在特种工艺中的未来。

导言

GlobalFoundries（股票代码：$GFS，为了方便以下称格芯），本质是芯片代工厂。

通常的标准是，芯片晶体管做得越小，技术越先进，也越值钱。台积电、三星多年来在比谁先量产 3nm、2nm 的芯片。但格芯在 2018 年主动退出竞争，宣布不再研发 7nm 及更先进的工艺。

照理说，一家放弃了最尖端技术、又碰上手机这个老本行市场萎缩的代工厂，日子应该不太好过。但实际情况刚好相反。从年初到 6 月初，格芯股价从大约 36 美元涨到 85 美元左右，半年涨幅超过 130%。

所以，一家不碰最先进芯片、传统业务还在缩水的代工厂，凭什么能让股价在半年里涨了一倍多？

原因在于格芯把全部研发力量集中到另外两件事上，

1）改变芯片材料；

2）改变芯片之间传输数据的方式。

这两件事，恰好对准了 AI 和量子计算眼下最难处理的核心痛点，芯片太热、数据搬来搬去太慢、芯片与芯片之间连不动。