稠浊旗子暗记电路系统中常日既包括仿照电路，又包括数字电路，而且我们看到稠浊电路系统中数字电路身分比重正在变得越来越大（下文会详述这一点）。稠浊旗子暗记系统的运用非常广泛，包括旗子暗记互联（以太网、USB接口等）、音频系统、无线通信系统等等。稠浊旗子暗记集成电路运用虽广泛，但是在稠浊旗子暗记系统发展的进程中，每一段韶光都会有一个紧张运用来驱动其技能发展。这样的驱动型运用须要知足几个条件：
1.首先，从运用角度，驱动型运用必须有足够大的市场，而且市场增量必须足够快，来确保全体行业界有足够兴趣来投入研发以知足运用的需求。
2.其次，从技能角度，驱动型运用对付技能的需求足够高，当前的技能并不能完备知足运用的需求；同时技能进步对付驱动型运用本身也会造成影响，例如随着稠浊旗子暗记系统技能指标的进步，驱动型运用可以供应更好的用户体验。
当驱动型运用知足这两个条件的时候，它就会让业界投入技能研发，并且带动技能进步。
对付稠浊旗子暗记集成电路系统来说，21世纪前15年的驱动型运用显然是无线通信系统。从市场来看，2000-2015年是无线通信市场发达发展的阶段，而无线通信射频芯片中，稠浊旗子暗记集成电路扮演着极其主要的角色：例如，稠浊旗子暗记系统的数模转换器（ADC）的信噪比-采样率之间的折衷关系将会直接决定全体射频芯片的前端架构并且进一步决定芯片功耗和灵敏度等主要指标。而在2015年之后，随着人工智能的崛起，我们看到了高速互联正在成为稠浊旗子暗记集成电路技能发展的紧张推动力。
人工智能与稠浊旗子暗记集成电路
人工智能无疑是当前最火的技能，同时也是半导体领域最大的市场之一。人工智能模型的详细运行中包括两个环节，即演习和推理。演习过程中，须要大量的数据并且通过梯度反向传播算法来得到人工智能模型的权重；而在演习阶段结束之后，模型就可以支配并开始根据用户输入来运行推理。
在大模型时期，无论是人工智能大模型的演习还是人工智能模型推理都须要在云端数据中央完成。尤其是在本日大模型越来越大的潮流中，演习和推理险些都无法在单机上完成，而须要在云端数据中央的多台做事器上进行分布式打算。在大措辞模型领域，模型演习动辄须要上百台做事器来实现，而且估量未来分布式打算的规模会越来越大。
在分布式打算中，数据互联扮演着极其主要的浸染。在分布式打算系统中的每台打算机完成单步打算后，须要把每台打算机中的结果汇总到一起；其余在一些分布式打算的框架中，也须要每台打算性能有能力直接去访问存放在其他打算机上的数据。事实上，目前分布式打算中的紧张瓶颈是数据互联。理论上，分布式打算的性能和分布式系统中的打算机数量应该是线性关系；然而，由于存在数据互联的开销，因此分布式打算性能和打算机数量每每达不到线性关系，而且随着人工智能大模型时期分布式系统越来越大，数据互联的开销越来越大。换句话说，数据互联已经成为了人工智能大模型时期最急需办理的问题。
而办理数据互联的重任就落到了稠浊旗子暗记系统上。数据互联的物理层是一个范例的稠浊旗子暗记系统：在吸收端，稠浊旗子暗记电路须要把吸收到的旗子暗记（每每经由了大量的信道衰减和滋扰）进行处理，会付出原来的旗子暗记，并且转换成数字旗子暗记。在发送端，稠浊旗子暗记系统须要能根据信道的特性对付发送的旗子暗记做干系的处理，来确保经由旗子暗记衰减后吸收端仍旧能较好地规复数据。
因此，人工智能大模型让分布式打算成为必须，而分布式打算的性能瓶颈须要稠浊旗子暗记集成电路来办理。如前所述，人工智能成为稠浊旗子暗记集成电路的驱动型运用，由于它知足了：
1.运用的市场足够大：人工智能已经成为目前全体社会最受关注的运用，其市场容量之大毋庸置疑，而当稠浊旗子暗记集成电路成为人工智能的主要赋能技能时，芯片公司有足够的动力去投入研发。
2.对付技能的驱动力足够：从技能角度，人工智能对付数据互联的需求对付技能有非常高的寻衅性，如何担保在不同的互联间隔上，以最低的功耗实现最大的数据带宽，是人工智能对付稠浊旗子暗记系统最大的寻衅。这样的需求，又进一步细化成了不同的接口：例如224G下一代以太网标准，实现超高带宽互联的光互联（随着共封装光学的发展，光学接口又进一步得到了更大的市场动能），中短间隔的加速卡间互联等。在这些互联接口中，对付稠浊旗子暗记系统的驱动力来说，尤其以中长间隔的互联（包括以太网和光互联）为主要，我们估量未来该领域的稠浊旗子暗记系统技能会快速发展，而且这将会成为稠浊旗子暗记集成电路领域最热门的方向。
稠浊旗子暗记系统用于数据互联的技能路线
从产品需求上来说，根据互联间隔，基本可以分成短间隔互联（例如利用在chiplet上），中间隔互联（用于同一台做事器中不同加速卡互联）以及长间隔互联（用于不同做事器间互联）。从稠浊旗子暗记电路技能上来说，这些不同的互联需求也构成了全体技能谱系。
首先，超短间隔（包括封装内的数据互联）对付高等封装技能至关主要，它的带宽和面积开销决定了chiplet系统可以扩展到多大的规模。由于超短间隔互联的旗子暗记衰减比较小，对付稠浊旗子暗记集成电路系统来说，超短间隔紧张的需求是本钱考虑，如何增加互联密度（或者说在尽可能小的面积内完成电路），但是这并不会成为电路设计技能演进的紧张推动力。
其次，从中间隔互联开始，信道造成的旗子暗记衰减和滋扰的主要性越来越大，为了补偿旗子暗记衰减造成的影响，稠浊旗子暗记系统中开始用到越来越多的干系技能。这些技能包括：
在吸收端，利用信道均衡（equalization）技能，即根据预测的信道衰减和滋扰，在吸收端利用类似CTLE（连续韶光线性均衡器）或者仿照FIR这样的技能，以仿照电路为主，辅以数字电路设计，肃清这些影响。在发送端，根据预测的信道特性，在发送的旗子暗记中加入可以抵消这类信道影响的身分。估量在未来，中间隔互联会连续增加调制繁芜度（例如PAM-4，PAM-6，乃至更高）以提升信道利用率，为了能知足繁芜调制的需求，中间隔互联的稠浊旗子暗记电路中会连续沿着目前的技能路线演进，即连续优化仿照前端电路的性能，并且配以更加繁芜的数字电路技能来提升性能。当目前的仿照前端+数字增强的路线不足时，估量会进一步演进到目前长间隔互联利用的技能。
长间隔互联估量会是稠浊旗子暗记集成电路系统技能演进的前沿方向，极有可能会引入最尖真个技能，同时干系技能可能会逐步被中等间隔互联所采取。长间隔互联一方面得到了人工智能技能最多的关注（由于它决定了分布式打算的数据互联开销，这又进一步决定了分布式打算的效率，而分布式打算效率是目前人工智能大模型演习和支配的关键），另一方面又是技能寻衅最大的，而且从信道类型来看，也存在着光互联和铜绞线互联两种方案在相互竞争。从稠浊旗子暗记集成电路技能来说，我们今年看到了技能路线图上主要的一步，即越来越多的吸收端走向了基于ADC+DSP的方案。
事实上，ADC+DSP的方案可以认为是之前的仿照旗子暗记均衡技能的更进一步。在中间隔互联常用的仿照旗子暗记均衡技能中，通过在仿照电路中加入相应的频域相应元素（例如加入电感或者反馈电容以肃清信道衰减，或者在仿照域对旗子暗记做延迟和叠加以近似FIR滤波的效果）来实现均衡；但是这样仿照旗子暗记的信道均衡每每无法处理相应非常繁芜的信道，而且处理的灵巧性也比较有限。为了能更好地处理繁芜的信道（这样的处理对付长间隔互联来说是至关主要的），须要采取ADC+DSP的方案。在这个方案中，接管旗子暗记首先经由较为大略的仿照信道均衡和旗子暗记处理，之后就利用高速采样的ADC采样成为数字旗子暗记，然后在数字域利用DSP来进行进一步信道均衡和滤波，从而能处理更繁芜的信道。在ADC+DSP方案中，核心的要点便是ADC须要在实现高采样率的条件下，同时不能花费太大的功耗。
随着稠浊旗子暗记集成电路设计的发展，ADC的性能（采样率，信噪比和功耗）也在提升，而在本日，利用ADC+DSP方案来应对长间隔互联已经成为一个可行乃至主流的方案。在ISSCC 2023中，高性能光互联干系论文还是全部采取仿照信道均衡的方法，而在ISSCC 2024中，已经至少有一样平常的论文在利用ADC+DSP的方案。随着这样的方案成为主流，一方面我们会看到它会进一步推动稠浊旗子暗记设计领域一个核心模块——ADC的性能迭代，从而推动全体稠浊旗子暗记集成电路设计的发展；而另一方面，它会推动稠浊旗子暗记设计和数字设计进一步结合，未来我们估量会看到基于数字算法来提升稠浊旗子暗记设计的性能，而且这样的“尽早数字化，在数字域处理问题”的思路可能也会在稠浊旗子暗记设计乃至其他集成电路设计领域中得到更多的运用。
