AI News

Tiangong Tianxin, founded by Academician Zhang Yue's team at USTB, completes tens of millions of yuan in seed funding

36Kr · AIUpdated Nov 16 21:11

English text is being prepared.

AI summary

Two-dimensional semiconductor company Tiangong Tianxin has completed a seed round of tens of millions of yuan, with investment from CAS Star and Inno Fund; the funds will be used for team building, wafer production capacity construction, and commercialization of technological achievements. The company was founded in May 2026 and originates from the team of Academician Zhang Yue at the University of Science and Technology Beijing. It has achieved the preparation of 2-inch single-layer molybdenum disulfide single-crystal wafers, with a material thickness of approximately 0.65 nanometers, a device yield of over 96% at the centimeter scale, and has completed the development of 8-inch equipment and process development.

Body

作者 | 邱晓芬

编辑 | 袁斯来

硬氪获悉,二维半导体公司北科天弓天芯(北京)科技有限公司(以下简称「天弓天芯」)近日完成数千万元种子轮融资,由中科创星、英诺基金出资。本轮资金将主要用于团队建设、晶圆生产能力建设及技术成果转化。

「天弓天芯」成立于2026年5月,是北京科技大学张跃院士团队的科技成果转化项目,专注于打通二维半导体从材料生产到芯片制造的技术链条。

天弓天芯

其中,中国科学院院士张跃担任首席战略科学家;联合创始人兼CTO张铮为北京科技大学教授、国家杰出青年科学基金获得者。此外,公司还吸纳了来自集成电路头部企业的产业人才。

二维半导体是近年来全球半导体产业重点探索的新材料方向之一。

过去几十年,芯片性能的持续提升主要依赖晶体管尺寸微缩。但随着先进制程向2纳米及更小节点推进,传统硅基晶体管面临短沟道效应、漏电增加等物理限制,继续缩小尺寸的技术难度和制造成本不断上升。

为此,二维半导体被视为延续摩尔定律的潜在解决方案之一。以二硫化钼、二硒化钨为代表的硅沟道材料,厚度可以达到单个原子层,不仅有望改善晶体管在极小尺寸下的漏电问题、降低芯片功耗,还具备与现有硅基制造工艺兼容的潜力,无需完全推翻既有产线和设备体系。

过去,二维半导体长期停留在学术研究阶段。近两年,一个明显变化是,全球头部半导体企业开始加快布局。

比如,IMEC与台积电等企业正在持续推进二维半导体晶体管及晶圆级集成研究;三星也在探索大尺寸二硫化钼材料生产;英特尔也将二维半导体纳入未来先进器件研究方向。随着产业端的深度参与,二维半导体落地时间比外界预期的更快,近两三年会看到晶体管规模呈现数量级增长,功能和性能也会呈现巨大突破。

图片来自企业授权

「天弓天芯」联合创始人兼CTO张铮向硬氪介绍,二维半导体是未来面向1nm以下制程最具竞争力的新材料,有望率先应用于边缘计算、存算一体、感存算一体及太空算力等领域。

不过,二维半导体距离真正进入先进制程芯片量产,并不容易,其中第一个挑战,是大尺寸、高质量晶圆的制备——要让原子级厚度的材料均匀覆盖整片晶圆,同时保证晶体质量、缺陷密度和器件性能的一致性,难度大幅增加。

因此,「天弓天芯」的核心技术之一,是团队独创的二维熔融限域“张氏生长法”。据介绍,该技术利用熔融玻璃辅助生长,实现了大尺寸单晶二维半导体材料制备。团队相关成果已于2025年发表于《Nature Materials》。

据公司披露,团队已实现2英寸单层二硫化钼单晶晶圆制备,材料厚度约0.65纳米,厘米级范围内器件良品率超过96%,且团队已于近期经完成了8英寸装备研制和工艺开发。

图片来自企业授权

不过,材料生长只是第一步。二维半导体要真正进入芯片产业,还需要解决材料转移、金属接触、刻蚀、介电层集成,以及与现有硅基工艺兼容等一系列问题。

为此,团队在这些环节进行了长期积累。具体而言,在晶体管层面,团队原创提出原子层键合的思想与方法技术,首次研制出达到后道集成工艺热预算要求的二维晶体管器件,各项性能指标全面超过了国际半导体器件与系统(IRDS)技术路线图的要求,有力推动二维半导体器件从实验室向工程化制造发展。该成果入选了2025年Chip中国芯片科学十大进展。

图片来自企业授权

在电路架构层面,公司提出Pseudo-CMOS新架构,通过新的器件和电路设计方法,研制出了低功耗的逻辑运算单元。

根据公司披露的研究结果,团队已研制出功耗仅为同类硅器件约2%的二维半导体逻辑电路。

相较于单点技术突破,「天弓天芯」更强调全流程制造能力。目前,团队依托北京科技大学建设的6英寸二维半导体研发平台和国内首条8英寸二维半导体中试产线,建立了合作研发机制。

其中,6英寸平台主要承担材料、器件及工艺研发,8英寸中试线则面向晶圆制造、工艺集成和小规模量产验证。

据介绍,「天弓天芯」8英寸MOCVD二硫化钼和二硒化钨晶圆单台设备产能约15片/天,下一步将重点提升材料尺寸、批次稳定性和生产效率。

商业模式方面,未来,「天弓天芯」计划向产业客户提供大尺寸晶圆、专用生产装备、工艺开发及相关技术服务。据了解,团队已经与紫光、华大九天等产业企业展开技术合作与交流。

更长期来看,「天弓天芯」还希望探索开放代工业务,最终形成覆盖材料、工艺、设计工具、芯片制造的IDM平台。

对于二维半导体的长期前景,张铮也持相对审慎的判断。他认为,二维半导体并不是要全面替代硅基芯片,而是与现有硅基工艺融合,在部分关键材料和器件环节实现突破。

以下是 36 氪与张铮的交流(略经摘编)

硬氪: 现在二维半导体的行业趋势是什么样的?

张铮: 目前行业里的技术路线主要有两个方向。一个是三维集成,比如Chiplet、HBM等,相当于把房子盖得更高,让芯片具备更强的算力。另一个方向是继续缩小每一个晶体管的尺寸,也就是制程微缩。

但集成电路未来的发展面临尺寸微缩极限,在尺寸不断缩小的过程中,硅材料遇到了一个难以逾越的瓶颈,其厚度很难小于6纳米。这个时候,就需要一些新的材料来延续现有硅材料的发展趋势,延续摩尔定律。二维半导体自然成为未来的重要布局方向。

台积电、三星、英特尔,以及今年的东京电子都在自己的技术路线图中提出,要将二维半导体材料作为未来制程中的一个关键节点。

硬氪: 硅沟道材料替换成二维半导体之后,会带来哪些效果?

张铮: 硅材料在尺寸微缩过程中面临的主要挑战是,需要更大的电压来驱动,才能获得更好的电流。这会带来更大的功耗,同时产生更多漏电流,静态功耗也会比较高。

二维半导体最大的优势之一,就是静态功耗特别低。它的漏电流水平大约是硅的1/1000,由此带来的静态功耗表现可以低10倍以上。对于未来的大算力芯片而言,这种功耗优势会非常显著。

第二个优势是材料本身具有范德华异质结构。它不像传统材料那样主要通过共价键、离子键等化学键与衬底和其他材料结合,而是通过范德华作用力形成结构。

这种作用方式带来的好处是易于集成。它与传统工艺的集成不完全依赖外延生长,更像搭乐高积木一样,可以一层一层地组装起来,实现三维或者垂直方向的集成。这让它在集成过程中更容易与现有工艺兼容。

硬氪: 二维半导体在实际落地过程中有哪些难点?

张铮: 二维半导体是在沟道材料上进行调整,相当于从整个芯片制造流程的最源头进行改变,后面上千道工艺都需要进行适应性调整,集成电路本身是一个闭环研发体系,包括材料、装备、工艺、标准和设计,要完成这个闭环,需要在不同制程节点上逐一验证,因此研发周期本身就会比较长。我一直形容这个领域的产业化发展是波动前行、螺旋上升。

硬氪: 未来二维半导体最有价值的应用场景会在哪些芯片领域?

张铮: 最终目标肯定是先进制程的算力芯片,也就是逻辑芯片,这是二维半导体最终的应用场景。

但在近几年,我们也会有一些阶段性的应用机会。二维半导体最大的优势是功耗低、易集成,所以,短期内,端侧计算、感存算一体等领域可能会有较大的应用空间。

还有一个比较大的应用场景是太空算力芯片。二维半导体材料只有一层原子那么厚,宇宙中的辐射粒子可以直接穿过材料,不会滞留在二维半导体内部,它具有非常强的抗辐照能力。

硬氪: 二维半导体与硅基之间是什么关系,未来是替代硅,还是与硅形成互补?

张铮: 我的老师、我们团队的首席科学家、张跃院士一直强调,“二维半导体不是要取代硅。我们要走的是一条与硅基融合、与硅基兼容发展的新赛道”。在未来的算力芯片中二维半导体和传统硅基材料都扮演着重要的角色,可以形成很好的互补,共同形成人工智能时代的技术底座。

end

Source

36Kr · AI