如今的深度学习在大规模模型的爆发下,所需算力每几个月就会翻一番,但现在能效比已经成了优先级更高的指标,要想同时满足性能和算力的话,主要方法有四种:一是换一种系统级计算架构,比如DSA架构;二是充分利用3D设计,也就是我们常说的3D封装和堆叠技术;三是从晶体管架构上创新,譬如纳米管、纳米片、CFET和原子沟道等;第四个则是目前看来最快捷的一条路线,通过光刻技术的发展直接提升密度
这种方式虽然增加了功耗,但对于那些对功耗并不敏感的产品来说,似乎也是可行的一种思路,那么我们真的有必要用到更贵的高NA EUV光刻机进一步提升密度吗?这个问题的答案其实不言而喻了,英特尔、台积电等晶圆厂提前预订的高NA EUV光刻机订单已经证明了它的重要性