TSV与异构集成技术的前沿进展与趋势展望

据说流体力学界的人最近有点忿忿不平，AI界的人拿走了他们的扩散方程的方法，搞出了视频生成，结果没他们什么事儿。家底儿厚无所谓，这才到哪儿。椭圆你拿走了，有本事你把双曲和抛物也拿走？

   什么是信息？

广义的信息是指生物体通过对某种感知手段获得的某种信号：

沙漠中狮子闻到的斑马的气息，春天野生动物寻找伴侣发出的信号，一位时装潮人在街头面对路人的微笑。

狭义的信息是指人类通过感知、推理、总结获得的某种知识。在计算机领域来说，这种信息通常以二进制的形式予以表达。

人类在工业革命时代所有的发明创造，都是基于能量的人类的某种能力的放大，比如：有了汽车，人们长途旅行不再仅靠双脚。有了空调，人们就不用扇子来降温了。有了热兵器，就不用费力气去拉弓放箭了。

人类在信息技术革命（自1946到2023年）阶段，主要是加快了个体和群体之间信息传递的方便性，以及增强了复杂计算的实现能力。普遍使用移动通讯技术，结合APP，以信息传递为核心，将人们的衣食住行的日常生活使用信息化技术进行连接。

在ChagGPT横空出世以前，所有的信息都是人类制造生成，或者人类通过某种形式采集获得的。无论是宇宙的引力波，深海蓝鲸的叫声，全球天气测量，或者超算中心获得的人类基因组配对信息，这些信息都是人类预知的信息。预知的含义是人们知道这类信息包含或者不包含某类知识，也知道这类信息的大小、格式等等。类似于农民播种、管理，然后收获作物。

所有有效知识的产生都是思维的结果，所有的思维都需要经过大脑，所以这种高难度的生理学活动成本极高。一个漂亮的介绍大都会博物馆的PPT可能需要几周的辛勤劳动，一份精美的介绍壮阔的青藏高原的视频可能需要数个月的团队工作。

这里面的核心原理只有一个：人类思维过程无法工业化复制。

2023年ChatGPT横空出世，计算机学习了海量的人类公开知识，并使用神经网络相关技术进行组织，形成了工业化思维生成器，相当程度上模拟人类的大脑结构和学习方式。从而第一次可以以文本的形式，不经过人类干预，形成知识性信息（并非复制而是总结归纳）。

2024Sora/Gemni英雄辈出，知识生成扩展到视频。美轮美奂，惊为天人，巧夺天工。

人工智能走到今天可以说已经在学习阶段非常像人类思维了，好比是一个五六岁的小孩，穿正装去参加有很多亲友参加的聚会，跟随大人一起和亲友们打招呼，但是其实他可能既不知道聚会的原因，也不了解亲友和聚会的关系。

那么什么是人类知识的基石呢？其一是自然规律，简单地说就是由各种科学方法论所描述的规律。表征整个自然界的控制方程组是非常少的：基本守恒定律，电磁学的麦克斯韦方程组，流体力学的纳维尔斯托克斯方程组，相对论及粒子物理，遗传规则，反应速率等等。

其二是逻辑推理方法。

围棋作为游戏是一种规则的逻辑表达，这种表达AI比较容易做出判断和学习。

基于自然规律的思维表达是人类思维表达的最高级形式，包括科学发现！当前的AI系统似乎还无法理解复杂的由偏微分方程组控制的自然体系。当然主要的原因，这个体系的外在表现过于多样化，通过外在表现无法获得全部内在规律。比如即便AIGC可以学习全世界海浪的运动形式，甚至它可以创造逼真的海浪，但是它并不知道内在的逻辑是复杂的NS方程组，如同那个参加宴会的孩子。

无论如何，人类总是在不停地进步，以便让自己的生活过得更加舒适。

TSV与先进封装

芯片是AI的基石和载体。

先进封装是芯片设计的必由之路。TSV则是必由之路上的服务站。世界上各个主要的IC厂商包括设计、晶圆、封测厂商，开发了一大批专利技术，使用TSV达成各种复杂的三维芯片的高性能堆叠结构。

下面基于有源和无源TSV做一个简要介绍，主要参考文献来自于IEEE院士Lau。

本文摘自：J. H. Lau, 2023 Recent Advances and Trends in Multiple System and Heterogeneous Integration With TSV Interposers

审核编辑：黄飞