NVIDIA 创始人兼首席执行官黄仁勋：芯片制造是 AI 的 “理想应用领域”

NVIDIA 创始人兼首席执行官黄仁勋在 ITF World 2023 的演讲中，向半导体行业的领导者们阐述了加速计算和 AI 的作用。

黄仁勋在比利时安特卫普举行的 ITF World 2023 半导体大会上发表演讲，详细介绍了计算领域的最新进展，及其如何加速 “全球重要行业”。

演讲中，他详细地介绍了加速计算、AI 和半导体制造三者的关系，并表示：“NVIDIA 加速计算和 AI 能为全球芯片制造业服务，我为此感到十分高兴。”

AI 与加速计算的性能不断攀升

黄仁勋表示，近四十年来，推动科技行业发展的主导力量是成倍增长的 CPU 性能。

但在过去几年中，CPU 的设计已经趋于成熟。面对激增的算力需求，半导体性能和效率的提升速度却在放缓。

“因此，全球对云计算的需求导致数据中心的功耗飙升。” 黄仁勋表示。

“要想实现净零排放的同时，还要支持更大算力以带来巨大效益，我们需要的是一个全新的方法。”

通过将 GPU 的并行处理能力与 CPU 相结合而成为加速计算领域先驱的 NVIDIA，自然最适合解决这一挑战。

加速计算引发了 AI 革命。十年前，Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 等深度学习研究人员发现，GPU 可以成为高性价比的超级计算机。

从那时起，NVIDIA 重新设计了用于深度学习的计算堆栈，为 “机器人、自动驾驶汽车和制造业带来了数万亿美元的机会”。

黄仁勋解释道，NVIDIA 通常通过卸载和加速计算密集型算法，将应用的速度提高 10 - 100 倍，同时将功耗和成本降低一个数量级。

AI 和加速计算的结合正在改变科技行业。黄仁勋表示：“我们正同时处于两个平台的过渡阶段 —— 加速计算和生成式 AI。”

AI 和加速计算在芯片制造领域的应用

黄仁勋解释道，先进的芯片制造流程需要 1000 多个步骤，才能产出生物分子大小的特征。每个步骤都必须近乎完美，才能实现功能正常的输出。

他表示：“流程中的每个步骤都需要通过精密的科学计算，以计算图案化特征，并对在线过程控制执行缺陷检测。

黄仁勋举了几个例子说明 NVIDIA GPU 如何日益成为芯片制造不可或缺的组成部分。

D2S、IMS Nanofabrication、NuFlare 等公司使用电子束建造用来创建光掩膜（一种将图案转移到晶圆上的模板）的掩膜写入器。在这些掩模写入器中，NVIDIA GPU 负责加速对计算要求很高的图案渲染和掩模工艺校正任务。

半导体制造商 TSMC 以及设备提供商 KLA 和 Lasertech 使用极紫外光（EUV）和深紫外光（DUV）进行掩膜检测。NVIDIA GPU 也可以处理经典物理建模和深度学习，从而生成合成参考图像并检测缺陷。

KLA、应用材料公司，以及日立高新技术的电子束，光学晶圆检测与审查系统均使用了 NVIDIA GPU。

今年 3 月，NVIDIA 宣布与多个领先的半导体企业一同致力于加速计算光刻技术。

黄仁勋解释道，计算光刻技术模拟了 Maxwell 的光行为方程（即光在通过光学器件并与光刻胶相互作用时的行为）。

计算光刻技术是芯片设计和制造中最大的计算工作负载，每年消耗数百亿个 CPU 小时。新芯片掩膜的创建需要大型数据中心全天候不间断地运行。

今年 3 月上线的软件库 NVIDIA cuLitho 包含了用于 GPU 加速计算光刻技术的优化工具和算法。

“我们已经将处理速度提高了 50 倍。几百个 NVIDIA DGX 系统就能取代数万个 CPU 服务器，可将功耗和成本降低一个数量级。”

黄仁勋表示，所降低的功耗和成本将减少碳排放或使新的算法实现 2 纳米以上。

下一轮趋势

AI 的下一轮发展趋势是什么？黄仁勋描述了一种名叫 “具身 AI”（embodied AI）的新型 AI。这种智能系统能够理解、推理并与物理世界交互。

他所举的例子包括机器人、自动驾驶汽车，甚至包括因为理解物理世界而变得更加聪明的聊天机器人。

黄仁勋向观众介绍了 NVIDIA VIMA 多模态具身智能。他表示，VIMA 可以根据视觉文本提示执行任务，例如 “根据场景匹配需求，重新排列物体”。

它可以学习概念并采取相应的行动，比如 “这是一个小部件”，“那是一个物品”，然后 “把这个小部件放到那个物品里”。黄仁勋表示，“ 它还可以从演示中学习并保持在规定的范围内。”

VIMA 在 NVIDIA AI 上运行，其数字孪生在 3D 开发和模拟平台 NVIDIA Omniverse 中运行。黄仁勋表示，基于物理学的 AI 可以学习如何构建物理学仿真，并做出符合物理规律的预测。

研究人员正在建立能够大规模地将现实世界和虚拟世界中的信息进行整合的系统。

NVIDIA 正在构建一个名为 Earth-2 的地球数字孪生。该数字孪生首先将被用于预报天气，之后将预测长期天气，最终实现对气候的预测。NVIDIA 的 Earth-2 团队所创建的 FourCastNet 是一个能够以 50 - 100,000 倍速度模拟全球天气模式的物理学 AI 模型。

FourCastNet 在 NVIDIA AI 上运行，Earth-2 数字孪生则建立在 NVIDIA Omniverse 中。

此类系统有望解决我们这个时代所面临的最大挑战，例如对廉价清洁能源的需求。

比如英国原子能管理局和曼彻斯特大学的研究人员正在为他们的核聚变反应堆创建一个数字孪生，通过使用物理学 AI 构建等离子体物理学和机器人技术的仿真来控制反应并维持燃烧的等离子体。

黄仁勋表示，科学家们可以在激活物理反应堆之前，在数字孪生中测试所探索的各种假设，从而提高能源产量、改进预测性维护和减少停机时间。“该反应堆等离子体物理学 AI 在 NVIDIA AI 上运行，其数字孪生在 NVIDIA Omniverse 中运行。”

此类系统为半导体行业的进一步发展带来了希望。黄仁勋表示：“期待着物理学AI、机器人技术和基于 Omniverse 的数字孪生能够帮助推动未来芯片制造行业的发展。”