设计方面，核心处理模块与其他模块之间的高速互连主要通过BaseDie/IODie/DietoDie设计来实现。在封装方面，chiplet封装演进的本质是在控制成本的同时尽可能提高互连的密度和速度。从2D封装到2.5DChiplet、3DChiplet，封装环节价值的重要性预计将持续提升。直观上，chiplet实际上是多个chiplet采用先进封装技术形成的SiP。
其次，超异构带来的算力指数级增长将使chiplet的价值得到充分发挥，成本大幅降低，进而促进chiplet的广泛普及。英特尔进一步提出利用六大不同的技术支柱来应对未来数据的多样性、数据量的爆发式增长以及处理方式的多样性。
1、guba.eastmoney.com
ChatGPT是大数据+大模型+大算力的产物。每一代GPT模型的参数数量都迅速增加。据人工智能专家公众号数据显示，2020 年5 月发布的ChatGPT 前身GPT-3 参数数量达到17500 亿（预训练数据量达到45TB，远大于40GB GPT 2)。此后，云服务制造商、芯片代工厂、系统原始设备制造商、芯片IP供应商和芯片设计公司纷纷加入UCIe联盟。不难看出计算行业对于Chiplet标准建设和生态建设的期待。
在算力需求方面，训练ChatGPT消耗的算力约为每天3640 PetaFLOPs，这意味着每秒千万亿次运算的算力训练模型需要3640天。 Chiplet产业链蕴藏着强大的商机，但国内Chiplet芯片设计公司屈指可数。在PQF出现之前，三辊轧管机专指ASSEL轧机或其改进型Trans-val轧机。
传统的冯诺依曼架构已经无法适应当今AI计算对算力和低功耗的需求。存储与计算一体化芯片、类脑芯片（AI模仿人脑）、硅光子芯片（用光代替电）更是以摩尔以上的代表开始受到关注。随着摩尔定律达到极限，chiplet被业界普遍认为是未来五年提升算力的主要技术。此外，我国产业中短期内还无法解决EUV光刻机的瓶颈。 7nm以下工艺实现难度较大，也被寄予厚望，是我国突破半导体技术卡壳的重要途径。
第四，Chiplet封装集成模式还允许用户自主选择Die的数量和类型。 Chiplet已经被AMD、英特尔、苹果、华为、三星等公司证明有效，并通过Chiplet技术实现了巨大的产品价值和效益。芯创科技还推出了高性能、低成本的Innolink Chiplet解决方案。