专家视点

1 无氟聚合物为铁电体树立新标杆

该文章以题为“Fluorine-free polymers set a new benchmark for ferroelectrics”发表在Journal of Semiconductors上。

文章信息：

Fluorine-free polymers set a new benchmark for ferroelectrics

Wentao Yao, Mingli Liang, Sasa Wang, Qiang Zhao

J. Semicond. 2025, 46(10): 100401  doi: 10.1088/1674-4926/25080021

Full Text

   综述

2 机器人计算系统与具身智能演进：软硬件协同设计视角

近年来，机器人技术取得了显著进步，在智能制造、智慧医疗等领域获得广泛应用。随着多模态大模型技术的突破，机器人算法的设计范式正从依赖精确数学模型的传统路径，逐步转变为基于智能体与环境交互的具身智能范式。在这一演进中，作为机器人“大脑”的计算系统，其核心作用日益凸显。然而，随着具身智能模型的参数量攀升至数十亿级别，计算系统在计算实时性与计算能效上面临严峻挑战。模型复杂度与硬件算力之间的失配，成为制约机器人技术进一步发展的关键瓶颈。因此，面向机器人计算系统的软硬件协同设计技术成为了当前研究的焦点。

近日，香港科技大学涂锋斌教授课题组从软硬件协同设计的视角，系统性地梳理了机器人计算系统与具身智能算法的演进路径，并深入探讨了机器人计算系统研究的关键挑战与发展方向。演进路径上，机器人与具身智能算法经历了三个发展阶段（图1）。第一阶段以人工设计的精确数学模型为核心，但难以灵活应对动态未知环境；第二阶段以分层模型为核心，实现了认知规划与动作执行的双系统升级；第三阶段以端到端具身智能模型为核心，实现了感知、语言、动作的一体化突破，展示出进一步发展通用智能的潜力。为应对具身智能模型的高计算复杂度，计算系统需要挖掘算法并行性、局部性、稀疏性和相似性等特性，推动算法优化与电路架构协同创新，实现精度、延迟和功耗的平衡。发展方向上，机器人计算系统存在两大关键挑战：（1）如何实现持续演进的具身智能算法与计算系统的高效适配；（2）如何充分发挥三维集成、存算一体等新兴硬件技术在具身智能系统的潜力。这些挑战可以通过算法-工具链-硬件的三层技术栈，以软硬件协同设计的思路寻找解决方案（图2）。对于持续演进的算法，我们可以借助工具链的模块化编译器与统一接口的操作系统实现适配，利用可重构计算和异构集成技术实现高效硬件支撑；对于新兴硬件技术的利用，我们在开发仿真工具与EDA工具时应当充分挖掘硬件特性，并定制化设计硬件特性感知的具身智能算法，实现底层硬件潜力的性能转化。

图1. 机器人与具身智能算法演进路径。

图2. 具身智能算法与新兴硬件技术迭代发展的背景下，机器人计算系统的软硬件协同设计方案。

该文章以“Robotic computing system and embodied AI evolution: an algorithm-hardware co-design perspective” 为题，发表在Journal of Semiconductors上。

文章信息：

Robotic computing system and embodied AI evolution: an algorithm-hardware co-design perspective

Longke Yan, Xin Zhao, Bohan Yang, Yongkun Wu, Guangnan Dai, Jiancong Li, Chi-Ying Tsui, Kwang-Ting Cheng, Yihan Zhang, and Fengbin Tu

J. Semicond. 2025, 46(10), 101201 doi: 10.1088/1674-4926/25020034

Full Text 

   研究论文

3 一款基于有机基板三维封装的二维三维视觉芯片

二维（2D）和三维（3D）双模视觉信息在增强现实（AR）、自动驾驶、工业自动化等高科技领域具有广泛的应用前景。但是二维和三维视觉信息在图像获取和处理上存在较大的差异，使得边缘端的图像传感器和图像处理器难以兼顾两种模态图像的感算需求；一方面需要结合二维图像与三维图像的成像原理设计像素阵列，另一方面原始数据解算需求和应用广泛的人工智能算法高计算量需求也增加了处理器电路的设计难度，这使得在边缘端双模视觉信息感算一体芯片的设计面临困难。

中国科学院半导体研究所刘力源研究员带领的团队和天津大学徐江涛教授带领的团队以及思比科微电子程杰高级工程师带领的团队合作，在二维三维视觉信息感算一体芯片设计领域取得重要进展。团队创新性地设计了一款兼容二维三维图像感算的视觉芯片架构。提出了一种二维三维兼容图像传感器和一种可重构并行图像处理器，以及将两者集成为视觉芯片的三维封装方案。测试结果表明，这款视觉芯片可实现从图像获取到图像处理一体化的智能视觉应用，基于这款视觉芯片搭建的二维三维智能相机完成了三维深度重建、二维人工智能算法的应用演示。这款视觉芯片可在设备功耗与体积均受限的应用场景实现感算一体的多模态智能视觉信息处理，提出了一种在边缘端场景实现人工智能的方式，探究了边沿端多模态感算融合技术。

图1. 2D/3D视觉系统演示。

文章信息：

A 2D/3D vision chip based on organic substrate 3D package

Siyuan Wei, Quanmin Chen, Jingyi Yu, Xuanzhe Xu, Yuxiao Wen, Runjiang Dou, Shuangming Yu, Guike Li, Kaiming Nie, Jie Cheng, Jiangtao Xu, Liyuan Liu, Nanjian Wu

J. Semicond. 2025, 46(10): 102201  doi: 10.1088/1674-4926/25010030

Full Text 

4 基于28 nm CMOS工艺的数字辅助式32 Gb/s PAM-4 DFB激光器驱动芯片

随着AI的发展，数据流量增长迅速，对数据的传输提出了更高的带宽要求，光互连由于低损耗成为远距传输的主流方案。针对5G前传和中远距离传输场景，DFB激光器由于单模特性好、传输距离远而被广泛使用在光模块中，但大多数采用SiGe工艺实现电芯片，由此带来功耗大、成本高的问题。

近日，中国科学院半导体研究所祁楠研究员团队研制出基于CMOS工艺的DFB激光器驱动芯片，借助CMOS工艺对数字信号处理的优势，该芯片集成CDR，在数字域实现信号的均衡，最终通过DAC合成PAM-4信号驱动DFB激光器。基于CMOS的数字驱动架构相较于SiGe模拟直接驱动实现了更低的功耗、更优的PAM-4线性度以及灵活的均衡能力。测试结果表明，该芯片最高速率支持32 Gb/s PAM-4，可通过不同的配置实现线性或非线性均衡能力，在激光器偏置电流40 mA、调制电流20 mApp的条件下，芯片的能耗效率为11.6 pJ/b。该工作使得DFB激光器驱动芯片能够以低成本的CMOS工艺实现替代化。

图1. 混合集成DFB激光器的芯片照片。

图2. 光眼图测试结果。

该文章作为封面文章，以题为“A 32 Gb/s digital-assisted PAM-4 DFB laser driver in 28-nm CMOS”发表在Journal of Semiconductors上。

文章信息：

A 32 Gb/s digital-assisted PAM-4 DFB laser driver in 28-nm CMOS

Yang Min, Nan Qi, Yihan Chen, Minye Zhu, Guike Li, Yonghui Lin, Zhao Zhang, Jian Liu, Nanjian Wu, Jingbo Shi, Frank F. Shi, and  Liyuan Liu

J. Semicond. 2025, 46(10), 102202 doi: 10.1088/1674-4926/25020011

Full Text