電子發燒友網報道（文/周凱揚）隨著摩爾定律失效，高性能計算芯片的規模進一步擴大，數據中心集群龐大的功耗已經成為我們不得不面臨的問題。早在2015年SIA的預測中，到2040年全球計算資源的能源供給就不再具有可持續性，而如今隨著人工智能的爆發，計算資源的需求更是猛漲。

以用于訓練AI大模型的計算資源為例，每六個月翻倍的速度已經遠超高性能計算集群的組建速度。無需等到2040年，到了2030年訓練單個大模型所需的資源就將超過TOP500所有超算的算力總和，而所需要的電力供應也將達到國家級。解決能源可持續的問題已經避無可避了，但除非我們放緩發展速度，或是顛覆計算方式，是很難實現這一目標的。

對于應用層還沒進入商業模式成熟和完全盈利的人工智能來說，放緩發展速度自然是不可取的。那么也就只剩下顛覆計算方式一途，而大幅降低能耗的超導計算，也就理所當然地成了多數研究的重點方向。

顯著降低功耗，最大開銷成為冷卻

2020年，日本國立橫濱大學的一個研究小組就展示了一個超導CPU，并成功實現了流片。該處理器主要采用約瑟夫森結架構打造，這是一種經典的超導三層器件架構，也是超導邏輯單元中取代晶體管的基礎元件。因為其獨特的物理特性，該器件工作時的開關功耗只有10-21J左右，這樣一來動態功耗相比傳統CMOS器件極大降低，加之超導體無電阻的特性，靜態功耗無限趨近于零。

超導體的出現為降低功耗提供了最大的可能性，因為其在通過電流時并不會消耗能量。最大的能耗開支莫過于需要在低溫下工作的冷卻方案供電，比如超導芯片的處理單元，往往需要低至4K的冷卻溫度。但即便如此，幾乎零電阻的互聯、基于超短脈沖構建的數字邏輯，都為現代計算資源大規模擴展提供了足夠的優勢。

而且隨著計算資源規模的擴大，冷卻方案開銷的邊際成本也會越小，據imec研究表明，一旦達到數十petaflops，超導計算機相比傳統的計算機就要節能了，而這樣的算力要求，TOP500中排名前30的超算已經可以做到了。

而Imec近期發布了他們采用標準CMOS工藝制造的超導計算單元，基于該技術打造的處理器能效將是當下最高效芯片的100倍，甚至可以將一個數據中心級別的計算資源塞進鞋盒大小的系統中。

將超導帶出實驗室的方法——兼容現有的CMOS制造技術

盡管超導可以降低功耗提高計算密度，但對于目前的大部分研究來說，都只停留在實驗室階段，要想真正實現大規模量產無異于癡人說夢。比如上文提到的橫濱國立大學超導CPU，就是基于超導鈮實現的，這種材料在可預測的實驗室環境中表現良好，但要想用于制造工藝中就存在不少難題了。

鈮對傳統半導體加工溫度及其周圍材料都很敏感，一加熱就會失去超導能力，因此與標準CMOS工藝流程不兼容。為此，imec改用了氮化鈮鈦作為基礎超導材料。氮化鈮鈦可以承受CMOS制造工藝所用的溫度，而且與周圍層的反應較少。

同時imec還為約瑟夫森結的勢壘層選擇了一個新材料，無定形硅。傳統的約瑟夫森結勢壘層材料，比如氧化鋁等，可以在可控的條件下生長，但為了達到遠高于CMOS工藝芯片的密度，就必須進一步壓縮其厚度，可這么薄的氧化物已經到了無法制造的程度。無定形硅的出現，則允許使用更厚的勢壘層，實現210nm這樣的臨界尺寸。

在電路層面，同樣需要對邏輯和存儲結構重新設計。Imec設計出了一種全新的邏輯架構，名為脈沖守恒邏輯，輸入和輸出的數量保持一致，且SFQ（單通量量子）的總數保持守恒。通過不同約瑟夫森結和電容的組合將SFQ引導至不同輸出，從而產生我們常見的邏輯OR和AND。在Imec的設計中，SRAM也是基于約瑟夫森結重新設計的，不過DRAM還是采用傳統的硅工藝，但也需要從室溫降低至77K的低溫環境，用于提高效率。

鞋盒大小的數據中心，也需要3D堆疊實現

在基于CMOS工藝打造的數字芯片上，隨著縮小晶體管變得越來越困難，我們已經開始廣泛利用3D堆疊技術提高性能。但由于芯片內部的超大功率和熱量，堆疊方案已經逐漸面臨更大的挑戰，如何做好散熱成了多數3D堆疊方案必須解決的首要問題。

對于基于超導體的芯片設計而言，同樣可以借助3D堆疊來實現更高的密度。結合硅中介層和玻璃基板這樣的先進封裝技術，將超導處理單元與嵌入式超導SRAM和DRAM堆疊在一起。芯片的大部分都將浸沒在液氮中，冷卻至4K。

在imec的模擬中，他們將100塊超導體芯片板打造堆疊在一起，中間只留出極小的空間，整個系統的體積大小只有20x20x12厘米，與一個鞋盒大小近似。但正是這樣一個鞋盒大小的系統，總功耗只有500kW，卻可以提供將近20exaflops（BF16）的算力。

而這僅僅是Imec路線圖中第一套方案，在后續的產品中，會進一步縮小約瑟夫森結和互聯的尺寸。未來通過進一步提高邏輯芯片的密度，芯片板的數量也會隨之減少，這樣提高性能的同時，也會降低工藝復雜性和成本。

寫在最后

盡管超導計算讓我們看到了可行的技術路線，但即便是imec也不認為超導數據技術會取代傳統的CMOS計算，而只是作為部分特定應用補充。這一技術的主要應用場景還是在大型的數據中心，為人工智能和機器學習處理提供基于云端的訓練推理等，因為只有這樣的環境內才能有條件實現超導所需的冷卻技術。在消費電子領域，傳統的CMOS硅工藝依然不可取代。

值得一提的是，這一技術與Imec基于CMOS制造工藝的超導量子比特技術同樣可以做到無縫集成，可以說是電子計算與量子計算的完美結合。但即便搞定了基礎材料工程設計，以及架構的設計，還有電路開發設計這一環目前沒有打通，需要EDA廠商為其開發特定的流程工具。