日本东京科学大学研究团队研发出一款面向 AI 系统的全新半导体集成平台 BBCube，这套平台整合高密度芯片贴装、无凸点芯片互连、多尺度热分析三项核心技术，在提升 AI 芯片集成度与数据传输性能的同时降低热阻，优化散热表现，为低功耗高性能 AI 加速器与高性能计算系统提供新的技术路线。相关研究成果已经分别在 2026 年于美国举办的第 76 届 IEEE 电子元件与技术大会、2026 年 IEEE/JSAP 超大规模集成电路技术与电路研讨会上对外发布。

整套 BBCube 平台由三项关键技术共同组成，分别针对芯片排布、信号连通、热量管控三大先进封装痛点。其中自研高密度芯片贴装技术能够完成芯片高精度排布，可把芯片之间的间距压缩至 10μm，为实现更高水平的芯片互连打下硬件基础。

第二项核心技术为无凸点芯片互连。研究团队依托 BBCube 工艺搭建高密度互连架构，运用后形成硅通孔技术，在芯片完成贴装之后再构建微小垂直导电通道，完成芯片之间电气导通。传统封装普遍依靠金属凸点完成芯片对接，该方案舍弃金属凸点结构，单位面积内可以布置更多连接点位。当芯片间距缩小到 10μm，在信号质量不弱于传统微凸点方案的前提下，同等互连面积的总信号带宽最高能够提升 16 倍。

高密度集成会随之带来严峻的散热压力，第三项技术就瞄准这一现实问题。仿真实验结果表明，该团队设计的华夫格晶圆结构能够将热阻降低约 52%。与之配套的多尺度热分析手段，可以实现 1μm 分辨率的芯片全域热分布解析，分析采样点规模可达 1 亿个，能够更加精准评估高密度半导体结构内部的热量分布情况。

三项技术协同构成完整的 BBCube 半导体集成平台，从芯片贴装工艺、互连架构、热管理手段多维度，化解 2.5D 以及 3D 半导体集成过程中的现实阻碍，有机会助力打造体积更小、运算速度更快、能耗更低的 AI 加速器和高性能计算设备。形象来看，这套技术相当于为 AI 芯片搭建起一套隐形的数据高速网络，摒弃传统笨重金属焊点，芯片之间紧密贴合，数据吞吐能力得到释放，散热能力同步改善。华夫格样式的晶圆结构进一步疏导芯片工作产生的热量，有望催生新一代高性能计算硬件。与此同时，这项半导体技术突破后续将对 AI 硬件行业竞争格局带来何种影响，相关技术会不会形成新的技术壁垒，同样值得行业持续关注。

本文由智算芯能前沿网编辑整理，转载请注明出处。