Home
探索 Uedu
學生控制台
註冊會員/登入
研究知情同意中心
教師控制台
課程設定
支援與訊息
Uptime 數據

UeduGPTs

--

Jupyters

4

UG26 CISOSE26
臺北 AQI 40 · 臺中 AQI 26 · 臺南 AQI 24 · 高雄 AQI 28

AI 回覆桌面通知

AI 助教回覆完成時顯示桌面通知

聊天訊息通知

同學在討論區發送訊息時通知

聲音通知

每當有新通知時播放提示音

產業概論
產業概論

摩爾定律與它的極限

一條讓晶片每兩年翻倍的觀察,如何撐起半世紀的數位文明。

摩爾定律與它的極限 概念示意插圖
概念示意插圖(AI 生成,僅供輔助理解,非精確技術圖示)
研究所  ·  約 19 分鐘  ·  摩爾定律電晶體製程微縮

一條經驗觀察如何成為產業憲法

1965 年提出的摩爾定律,原始陳述是「積體電路上的元件數每年翻倍」,1975 年修正為每約兩年翻倍。它從未是物理定律,而是一條經濟與工程的自我實現預言:產業以兩年為節拍同步規劃資本支出、製程世代與設計藍圖,使這條觀察反過來成為驅動整個半導體文明的「憲法」。其威力在於把指數成長制度化——半世紀內單位晶片電晶體數成長了約十的數個次方倍。

要理解它為何能持續又為何終將遇限,必須拆解其背後三條彼此糾纏的縮放律:尺寸縮放、Dennard 縮放與成本縮放。

Dennard 縮放:黃金年代的物理引擎

真正讓摩爾定律「免費午餐」成立的,是 1974 年提出的 Dennard 縮放。其核心是:當所有尺寸與電壓同步縮小 $\kappa$ 倍($\kappa > 1$),可同時得到多重紅利。

縮放關係 效果
線寬、閘長 $\times 1/\kappa$ 元件變小
電壓 $V$、電流 $I$ $\times 1/\kappa$ 場強守恆
閘延遲 $\times 1/\kappa$ 速度變快
每元件功耗 $\times 1/\kappa^2$ 更省電
元件密度 $\times \kappa^2$ 更多電晶體

關鍵結論:功率密度(每單位面積功耗)大致守恆。因此每一世代可塞入更多、更快、單位功耗更低的電晶體,而晶片整體散熱不惡化。這是 1980 年代到 2000 年代初頻率與密度齊飛的物理基礎。

Dennard 縮放的終結:漏電與功耗牆

約在 2005 年前後,Dennard 縮放破局。根因是閾值電壓 $V_{th}$ 無法繼續隨之等比下降

  • 次臨界擺幅受室溫波茲曼極限約束,下限 60 mV/dec,截止電流 $I_{off} \propto \exp(-q(V_{GS}-V_{th})/nkT)$。$V_{th}$ 一旦壓低,靜態漏電指數上升。
  • 閘氧化層薄至約 1.2 nm 以下,量子穿隧漏電急劇增加。

於是靜態功耗從可忽略變成主導項,功率密度不再守恆而是隨密度上升,撞上俗稱的「功耗牆(power wall)」。產業的回應是放棄追求單核頻率、轉向多核並行——這正是 2005 年後處理器頻率停滯在數 GHz、核心數卻持續增加的根本原因。摩爾定律(密度)尚存,但 Dennard 縮放(免費效能)已死。

接棒的技術槓桿:材料、結構與微影

當純尺寸縮放難以為繼,產業靠一系列「等效縮放(equivalent scaling)」續命:

  • 應變矽(strained silicon):以應力提升載子遷移率 $\mu$,等效增加驅動電流。
  • high-k 金屬閘極:以 HfO$_2$(介電常數約 20~25)取代 SiO$_2$,維持等效電容下加厚物理層、抑制穿隧漏電。
  • FinFET(約 22/16 nm)→ GAA 奈米片(3/2 nm):以三面、四面環繞閘極找回靜電控制,壓低漏電、續推 $V_{dd}$ 下降。
  • EUV 微影(13.5 nm 波長):解析度由 $CD = k_1 \lambda / \mathrm{NA}$ 決定。以極短波長 $\lambda$ 取代多重曝光的層層疊加,降低製程複雜度與成本。

這些槓桿讓「節點數字」得以延續,但每一步的研發與資本投入都在指數放大。

節點數字的去物理化:行銷名與實量的脫鉤

需特別澄清:「3 nm」「2 nm」早已不是任何單一物理尺寸。1990 年代前,節點約等於閘長;FinFET 後,節點成為綜合密度與效能的行銷代號,與實際線寬脫鉤。更具物理意義的量是接觸閘極節距(CPP)金屬最小間距(MMP)邏輯電晶體密度(MTr/mm$^2$)

學界因而改用更務實的指標衡量微縮:

$$ \text{電晶體密度} \approx \text{邏輯閘密度(MTr/mm}^2\text{)} $$

並輔以 $\mathrm{CPP} \times \mathrm{MMP}$ 的面積估算。理解這點,才不會被「埃米時代」的命名誤導,誤以為線寬真的小於矽原子間距(約 0.27 nm)。

成本縮放的反轉:每電晶體成本不再下降

摩爾定律最被忽視卻最致命的危機,是成本縮放反轉。歷史上每世代不僅電晶體變多,單顆電晶體成本也下降——這是經濟驅動力的核心。但進入 EUV 與多重曝光時代:

  • 單片光罩組成本、EUV 機台折舊、製程步驟數(先進節點達數千道)使每片晶圓成本巨幅上升。
  • 良率學習曲線拉長,初期缺陷密度高。

結果是若干先進節點的每電晶體成本趨平甚至上升,打破「越先進越便宜」的鐵律。這使得並非所有產品都該追逐最先進節點——成本最佳節點(cost-optimal node)成為設計取捨的核心議題。

後摩爾時代:從微縮到系統級縮放

當二維微縮報酬遞減,產業把戰場從「電晶體」轉向「系統」:

  • 先進封裝與 Chiplet:以 2.5D/3D 整合、混合鍵合,把不同製程節點的晶粒拼組,於封裝層延續密度與頻寬成長(有時稱 More than Moore)。
  • DTCO/STCO(設計─製程/系統─技術協同最佳化):跨設計與製程聯合優化,如背面供電(BSPDN)把電源網從正面移到背面,騰出正面繞線資源。
  • 架構專用化:以領域專用架構(如 AI 加速器、近記憶體運算)換取能效,繞過通用微縮的物理瓶頸。

摩爾定律作為「每兩年密度翻倍」的字面承諾正在減速,但作為「持續提升每瓦運算」的精神,正以系統級縮放的形式延續。它不是死亡,而是換了戰場。

延伸閱讀:節點數字的去物理化細節見〈製程節點是什麼?從微米到奈米與「埃米」時代〉;元件結構如何接棒見〈什麼是半導體?從矽到晶片〉。

接著問 AI 助教

點一下複製提問,到 ClassroomGPT、優學伴(AIDA)或你的 UeduGPTs 頻道貼上,AI 會引用本專區內容回答。

AI 共讀助教正在陪你讀:摩爾定律與它的極限
嗨!我是這篇文章的共讀助教,只根據〈摩爾定律與它的極限〉的內容回答。可以問我「解釋某段」「舉個例子」「出題考我」,或反白文中段落後點下方「解釋選取段落」。