不仅设计芯片，英伟达AI已全面渗入台积电制造

英伟达（NVIDIA）近日宣布，台积电正在利用其加速计算和人工智能（AI）技术来推动半导体设计与制造。据英伟达透露，这些技术的应用涵盖了计算光刻、晶体管与工艺模拟、先进工艺控制、晶圆缺陷检测以及晶圆厂运营优化等多个核心制造环节。这表明人工智能的应用场景已从数据中心计算延伸至半导体制造前端。

随着先进工艺节点的不断演进，芯片从设计到量产的转化难度急剧增加。光刻模拟、晶体管建模、工艺参数控制及晶圆检测等环节，均对大规模计算和实时优化提出了更高要求。据英伟达介绍，台积电正将加速计算与AI技术引入半导体设计和制造的整个生命周期，旨在缩短先进晶圆厂的生产周期，并提升能源效率、良品率及整体运营生产力。

英伟达创始人兼首席执行官黄仁勋表示，双方近30年的合作不断突破计算极限。如今台积电将英伟达的AI与加速计算技术直接应用于晶圆厂，通过模拟、优化和AI手段应对极其复杂的设计与制造挑战，从而提升下一代芯片的速度、效率和良率。台积电董事长兼总裁魏哲家也指出，通过在晶圆厂运营优化、光刻、工艺控制与检测等环节采用相关技术，台积电将进一步巩固其技术领先优势和卓越制造能力，以支持客户未来的产品发展。

在具体工艺应用层面，台积电利用英伟达CUDA-X函数库和AI模型，在GPU上加速关键工作负载。在计算光刻领域，采用cuLitho GPU加速函数库，与基于CPU的传统技术相比，在总拥有成本不变的情况下，成本效益或生产周期可优化20%至50%。在晶体管、设备及工艺模拟方面，借助cuEST电子结构模拟函数库，半导体材料设计的化学模拟速度平均提升了50倍。针对先进工艺控制，台积电使用cuML机器学习函数库进行大规模数据分析，将数十万个工艺参数转化为机器学习模型的输入，从而有效降低工艺偏差。

在晶圆厂运营优化和缺陷检测方面，台积电通过CUDA结合H200 GPU进行加速排程计算，增强了处理复杂约束条件的能力，进而简化生产路径并提高产能。同时，利用Metropolis平台和TAO工具套件引入视觉AI，实现了更高级别的纳米级缺陷分类与检测。据英伟达透露，此举不仅提升了检测质量，还减少了因工艺条件或工具变化带来的重复标注和重新训练工作。

此外，台积电还在探索利用Omniverse函数库构建FabTwin虚拟晶圆厂环境，以评估工艺工具配置和模拟流程。通过在物理建设前进行数字化测试，台积电能够更灵活地对比复杂配置并提前发现潜在瓶颈，从而在实质性资本投入前加快关键决策，大幅提升晶圆厂的规划效率。