1 / 4概念
Cost and Technology Scaling
成本不是一颗芯片的售价,而是把掩模与设计的一次性费用摊到出货量上,再加上晶圆、封装、供电与冷却。技术缩放曾同时降低每晶体管成本与功耗,这两条红利都已明显放缓。读完能估算一颗芯片的硅成本,并判断下一代工艺是否真的更便宜。
1 概念
1.1 一句话定义
芯片成本由面积、良率、一次性工程费用与出货量共同决定;技术缩放指同样面积容纳更多晶体管、同时降低每晶体管成本的过程。
1.2 它解决什么问题
- 决定工艺与面积:把每颗硅成本与设计 NRE 放在同一张账上,而不是只看晶圆单价。
- 决定自建还是租用:把资本支出折成每请求成本,与云的小时价比较,含电费与冷却。
1.3 不属于本页的内容
| 主题 | 去哪 |
|---|---|
| 功耗、能耗与散热 | Power, Energy and Thermal |
| 器件物理、工艺节点与光刻 | Electrical Engineering |
| 可靠性、ECC 与冗余 | Fault Models, ECC and Redundancy |
1.4 关键术语
| 术语 | 含义 | 容易混淆的点 |
|---|---|---|
| die | 一片晶圆上切出的一颗裸片 | 不是封装后的芯片 |
| 良率 Y | 可工作的 die 占比 | 不是测试覆盖率 |
| 缺陷密度 D0 | 单位面积致命缺陷数,每 cm² | 不是缺陷总数 |
| NRE | 一次性工程费用,含设计与掩模 | 不随出货量变化 |
| 暗硅 | 功率预算内无法同时点亮的面积 | 不是晶体管数量减少 |
2 机制
2.1 心智模型
把成本想成两条腿:一条是一次性费用除以出货量,另一条是每颗的硅、封装与测试。 面积决定一片晶圆能切几颗,良率决定其中几颗能卖,出货量决定一次性费用摊到多薄。缩放同时压低第二条腿的面积项,却抬高第一条腿的掩模与设计项。
2.2 机制拆解
- 每片晶圆 die 数:
N ≈ π(d/2)² / A − πd / √(2A),d 为晶圆直径,A 为 die 面积,边缘损失由第二项近似。 - 良率:负二项模型
Y = (1 + A × D0 / α)^(−α),α 常取 4;成熟工艺 D0 约 0.1–0.3/cm²,面积越大良率下降越快。 - 每颗硅成本:
晶圆价 / (N × Y),再叠加封装、测试与失效分析的摊销。 - NRE 与 Dennard 失效:5 nm 掩模组约 1 500 万美元,7 nm SoC 的设计与验证约 2–3 亿美元;尺寸缩小不再带来电压同比下降,功耗密度随晶体管密度上升,进入暗硅时代。
2.3 完整枚举
| 成本项 | 内容 | 一次性或经常 | 谁承担 | 典型量级 |
|---|---|---|---|---|
| 掩模组 | 每层一套光刻掩模 | 一次性 | 芯片设计方 | 5 nm 约 1 500 万美元 |
| 设计 NRE | 架构、RTL、验证、IP 授权 | 一次性 | 芯片设计方 | 7 nm 约 2–3 亿美元 |
| 晶圆 | 按片计价,随节点上涨 | 经常 | 设计方或代工客户 | 5 nm 约 1.6 万美元/片 |
| 封装与测试 | 基板、凸点、老化与测试时间 | 经常 | 封测厂与设计方 | 占硅成本 10–30% |
2.4 关键数字与复杂度
| 量 | 值 | 说明 |
|---|---|---|
| 600 mm² die 的数量 | 约 90 颗 | 含边缘损失 |
| 良率(A=6 cm²,D0=0.1) | 约 57% | 负二项模型,α=4 |
| 每颗硅成本 | 约 330 美元 | 1.7 万美元一片,除以 90 × 0.57 |
| 电费占三年 TCO | 20–40% | 与电价、利用率、PUE 相关 |
3 实践
3.1 最小示例
import math
area_mm2, area_cm2, d0 = 600, 6.0, 0.1
dies = math.pi * 150**2 / area_mm2 - math.pi * 300 / math.sqrt(2 * area_mm2)
y = (1 + area_cm2 * d0 / 4) ** -4
print(round(dies), round(y, 2), round(17000 / (dies * y))) # 91 0.57 328
3.2 常用操作与参数
| 操作 | 命令或公式 | 说明 |
|---|---|---|
| 估算 die 数与良率 | 上面的两条公式 | 先定面积,再算良率 |
| 测节点功耗 | turbostat、ipmitool dcmi power reading | 把电费算进 TCO |
3.3 标准流程
- 定 die 面积与目标出货量,算出每片晶圆的 die 数。
- 用 D0 估良率得到每颗硅成本并叠加封装测试,再把掩模与设计 NRE 除以出货量得到一次性摊销。
- 加上三年电费与冷却折成每请求成本,再与云的小时价、上一代节点方案对比。
3.4 与相邻技术的组合
- 性能:每美元性能比每美元峰值算力更有意义,需用同一负载测量。
- 功耗与散热:电费与冷却常被低估,PUE 每降 0.1 都能改变结论。
3.5 选型维度
| 场景 | 选项 | 成本主导项 |
|---|---|---|
| 大批量固定算法 | 先进节点 ASIC | 掩模摊销与良率 |
| 小批量多品种 | 成熟节点或 FPGA | NRE 与上市时间 |
3.6 决策规则
- 出货量低于十万级时,宜优先成熟节点或 chiplet,不必追最新节点。
- 比较方案时应把电费、冷却与故障替换计入 TCO,否则会系统性低估运行成本。
3.7 替代方案对比
| 方案 | 优势 | 代价 | 适用 |
|---|---|---|---|
| 单片先进节点 | 面积小、能效高 | 掩模与设计昂贵 | 大批量、功耗敏感 |
| chiplet 拆分 | 良率提升、复用 IP | 封装与互连成本 | 中大批量、多品种 |
3.8 何时不该用
- 不要只比较晶圆单价,die 面积与良率的差异常比单价差更大。
- 不要用峰值算力的每美元价格做采购决策,负载利用率决定真实成本。
4 边界
4.1 典型故障
| 症状 | 根因 | 处理 |
|---|---|---|
| 成本模型远低于报价 | 漏算掩模、IP 授权与测试 | 补齐一次性项与封测 |
| 良率爬坡慢于计划 | 缺陷密度高或面积过大 | 拆 die、改版、加冗余 |
4.2 反模式
| 做法 | 后果 | 替代 |
|---|---|---|
| 用每晶体管成本外推未来 | 忽略掩模与设计费用 | 按出货量摊薄后比较 |
4.3 可观测信号
良率与每百万缺陷数、单位面积成本、每颗测试时间、ipmitool 的节点功率、turbostat 的 PkgWatt、PUE 与电价、云账单的每请求成本。成本问题最终都要落到一个可复核的单价。
4.4 安全 / 性能 / 一致性边界
- 成本是区间:报价随订单量、年限与代工厂谈判浮动,估算宜给区间而不是单点。
- 缩放不再免费:先进节点的能效收益依赖设计,搬过去不等于自动更快或更省电。