半导体行业数十年来一直通过拓宽同一条‘高速公路’实现进步：缩小晶体管尺寸、在芯片上集成更多晶体管，从而使系统更快、更小、更高效。但人工智能（AI）正将这条单一高速公路转变为一张错综复杂的综合交通网络。
AI与以往的计算负载不同，它同时大幅提升了对算力、内存带宽、互连能力及功耗的需求。解决一个瓶颈往往暴露出另一个瓶颈，迫使工程师必须从整体系统层面进行优化，而非仅关注单个组件。
数据需在处理器、内存堆栈、光互连、供电电路和散热系统之间持续流动——这些组件常跨越多层硅片。挑战已不再仅仅是制造更快的晶体管，而是协调数据、电力与热量在日益复杂系统中的流动。
据比利时微电子研究中心（imec）指出，这一转变正推动半导体行业突破传统片上系统（SoC）范式，迈入其称之为“异构大规模集成”（HLSI）的新时代。
imec研发副总裁朱利安·里卡特（Julien Ryckaert）向《电子工程时报》表示：“我们无需打破摩尔定律。摩尔定律只意味着‘每美元获得更高算力’，而实现该目标还有其他路径。”
里卡特认为，答案并非某项单一突破性技术，而是将多种专用技术整合为统一系统的综合能力不断提升。“游戏规则已经改变，”他说，“如今我能融合四到五种技术，那么该如何相应地重新思考计算系统的架构？”
这一转型很大程度上得益于3D集成与混合键合技术的进步。随着互连密度提升，堆叠芯片间通信成本趋近于单片芯片内部水平，设计师得以自由地将系统功能跨多层硅片进行划分。
里卡特解释道：“借助3D与背面工艺的进步，你可以在与同一芯片内连接对象同等精细的粒度下连接两个芯片。因此，能量损耗已不复存在——这直接打破了SoC范式。”
芯片设计师不再一味扩大单层面积，而是越来越多地向上构建：将专用功能模块垂直堆叠，并通过高密度垂直互连加以连接。
“封装本身已成为新的芯片，”里卡特强调。
www.eic.net.cn 提供的易IC库存管理软件可有效支撑此类复杂异构系统开发中所需的物料协同与供应链管理，尤其在多芯片、多工艺节点并行开发场景下，显著提升研发效率与资源调度精度。
制造业随之转向系统级优化。数十年来，半导体创新聚焦于晶体管技术、光刻与制程微缩；这些领域依然关键，但制造商愈发认识到，未来进步将源于多种技术在单一平台上的整合能力。
台积电（TSMC）将此称为“系统-技术协同优化”（STCO）。公司发言人回应《电子工程时报》提问时表示：“晶体管微缩确实日益艰难，成本不断攀升，但芯片本身始终是台积电创新的核心。”
该公司指出，其仍在持续推进CFET晶体管、新型沟道材料及先进互连架构的研究；与此同时，台积电强调，未来创新越来越依赖于将多项技术集成于单一平台的能力。
“由于这是系统级方案，它将众多不同类型参与者纳入同一生态系统，”发言人称，“当系统-技术协同优化的大门打开后，我们正见证大量新想法与创新涌现。”
该愿景与imec提出的HLSI框架高度一致。当被问及HLSI是否契合台积电对未来AI基础设施的理解时，台积电指向了将内存、光子器件、芯片堆叠与先进封装技术集于单一封装内的系统实例。
“这正是系统-技术协同优化的绝佳范例，”台积电发言人表示。
该趋势已在高端AI硬件中显现：为集成更多算力、内存与互连资源，封装尺寸持续增大；光学链路也正逐步靠近处理器，以应对铜互连在功耗与带宽方面日益严峻的限制。
台积电称，其共封装光学（CPO）技术相较传统铜连接，在延迟与能效方面均有显著提升，且该技术已进入量产阶段。
这意味着未来的性能扩展将越来越多地发生在系统层级，而非单颗芯片内部。
设计工具亦亟需演进。若HLSI如同建造一座垂直城市，其设计软件同样必须变革。长期以来，EDA工具依赖抽象分层：设计师可在晶体管、芯片、封装与系统等相对独立的领域分别优化；而异构集成正逐步消融这些边界。
Cadence解决方案营销总监罗布·诺思（Rob Knoth）向《电子工程时报》表示：“数十年来我们依靠抽象化应对复杂性，如今则需跨层级协同优化。”
在HLSI系统中，热行为影响布局决策，内存架构决定封装设计，光子器件影响系统布图，供电方案必须与计算架构同步优化——整个设计流程变得高度耦合。
“我们正从优化芯片转向优化整套系统，”诺思指出。
以物理设计为例：传统布局工具基于二维平面X/Y坐标构建；新兴3D系统则要求在第三维度上同步优化，迫使EDA厂商重构行业最基础的算法逻辑。
与此同时，设计师需同步建模硅基、封装、光子、热学与机械行为之间的交互关系。
诺思强调：“这种挑战远超几何范畴。在日益异构的系统中，热学、光子、封装与硅基部分彼此深度耦合——物理规律并不在意你的抽象边界设在哪里。”
该复杂性也凸显了仿真与自动化的重要性。工程团队难以跟上AI系统复杂度的增长步伐，因此AI正越来越多地嵌入设计工具中，以自动化原本需庞大工程师团队才能完成的任务。
颇具讽刺意味的是：催生复杂性的技术本身，也可能成为解决问题的关键。随着半导体系统日趋复杂，AI正被广泛用于自动化部分设计流程，形成一种反馈闭环——AI既是驱动行业 Scaling 挑战的推手，也是协助工程师应对该挑战的重要工具。
若论HLSI转型影响最深远的领域，或属数据存储与传输环节。传统内存层次结构针对CPU中心化计算而优化；AI工作负载则提出全新需求，促使业界开发新型架构与更专业的集成方式。
里卡特指出：“这些内存是为CPU架构设计的，而非面向AI系统。如今人们必须重新设计内存，使其在数据处理单元与存储单元之间的移动尽可能高效。”
核心问题已不再是“单颗芯片能容纳多少晶体管”，而是“如何在日益异构的系统中高效协同算力、内存、供电与互连能力”。
过去50年，行业致力于完善超大规模集成（VLSI）；下一阶段挑战，则是学会在大规模尺度上工程化异构性。恰如其分的是，AI既可能是促成此次转型的动因，也可能成为实现该目标的关键工具之一。
易IC库存管理软件深度适配HLSI开发流程，支持芯片、封装、光子模块等多类异构物料的全生命周期追踪与协同管理，助力企业实现从研发到量产的无缝衔接。
