Chiplet允许将更小的组件集成到单个封装中，从而在半导体设计中提供了更大的灵活性和可扩展性。
摩尔定律死了吗？许多人都认为是的，因为物理已经接近极限了。然而，这并不是半导体领域的终点。
我们刚刚进入生成式人工智能时代，对更新、更高效的芯片的需求正在不断增长。 业内许多人认为chiplet可能是解决方案。
在1965年的一篇研究论文中，英特尔联合创始人Gordon Moore表示，芯片上的晶体管数量大约每两年翻一番，计算能力呈指数级增长，同时成本下降。 但在当今时代，鉴于单个芯片尺寸的限制，将更多晶体管安装到一个芯片上变得越来越具有挑战性。然而，chiplet允许将更小的组件集成到单个封装中，从而在半导体设计中提供了更大的灵活性和可扩展性。 反过来，这有助于克服与传统工艺缩放方法相关的一些物理和经济挑战。
为什么是Chiplets？ 如果芯片尺寸保持不变，芯片中可以包含的功能不会增加。为了克服这种情况，chiplet提供了一个解决方案。你可以将功能分成多个较小的芯片，而不是一个大芯片。例如，如果你将一个800毫米芯片分解成四个较小的800毫米芯片，并将它们互连，可以实现相当于3200毫米芯片的芯片，有效提高整体功能，而不受单芯片尺寸限制的限制。
chiplet的另一个好处是可组合性和可重复使用性。chiplet可以快速轻松地定制和升级，从而缩短开发时间并降低成本。 这种灵活性使芯片制造商能够快速应对不断变化的市场需求和新技术的进步。
一般的人工智能计算芯片可以使用高带宽的die to die芯片（即chiplet到chiplet）I/O构建，然后可以封装大量的DRAM带宽，以构建理想的LLM推理芯片。 多个人工智能芯片可以封装在一起作为高端解决方案，或者只封装一个作为低成本选项。在所有这些情况下，一旦创建了最初的芯片，设计和实现成本主要在封装上。
Tenstorrent也在为人工智能和高性能计算开发基于chiplet的模块化架构。
Chiplets这个概念并不新鲜。多芯片模块已经存在了几十年。早在1995年，英特尔在奔腾Pro中结合了CPU芯片和SRAM芯片。
然而，现在一切都发生了很大的变化。
今天，如果你查看苹果iPad或MacBook，你会发现设备集成了多个芯片。例如，这些设备通常具有多个相互通信的CPU，以及与CPU交互的神经引擎。 鉴于摩尔定律的放缓，很明显，现在几乎每个平台都在利用chiplet来提高性能和功能。
此外，随着封装技术的不断进步，构建包含数十个或更多芯片的非常大型封装将变得更加容易和实惠。 反过来，这一进展将引发硬件初创市场的激增，使新公司能够以更低的成本创建高度复杂的设备。 使用现成的芯片快速封装高性能系统的能力将为广泛的定制设备铺平道路，扩大市场机会。
随着生态系统的增长和技术的成熟，最终用户公司将能够更快、更便宜地封装产品，另外IP公司将更容易进入更大的市场。
