英伟达台积电以AI晶圆厂重塑半导体设计与制造

芯片制造的复杂程度已远超常规认知。当工艺跨入纳米级乃至更先进节点，将设计蓝图转化为规模化量产的芯片，已成为全球最具挑战性的计算难题。其中涉及的计算光刻、晶体管仿真、制程控制、晶圆检测等环节，每个都需要大规模仿真运算与实时优化。人工智能恰好能在物理运算、图像分析这类场景中发挥关键作用。

全球半导体龙头台积电正联手英伟达，凭借其加速计算与AI技术推动产业升级。双方合作近三十年，此次重点在于半导体设计与制造全流程中落地加速计算与人工智能方案，目标是缩短先进晶圆厂的生产周期、提升能效、提高良率，并优化整体运营效率。

英伟达创始人黄仁勋直言：“英伟达与台积电合作近三十年，不断突破计算极限。台积电将英伟达AI和加速计算技术引入晶圆厂生产环节，通过仿真、优化与AI解决全球顶尖的设计与制造难题，为新一代芯片提速、增效、提升良率。”

台积电董事长魏哲家指出，双方长期深耕前沿技术，在晶圆厂运营优化、光刻、制程控制与检测等环节应用英伟达技术，将进一步巩固技术领先优势与制造能力，助力客户打造下一代产品。

先进半导体的设计与制造，计算任务量极其庞大，且需要晶圆厂各环节高度协同——从芯片设计导入、晶体管建模，到制程管控和厂区产能管理，环环相扣。台积电在英伟达GPU上，借助CUDA-X函数库与AI模型加速了多项关键任务：

计算光刻 —— 台积电采用面向光刻工艺的GPU加速库cuLitho。相比传统基于CPU的计算光刻方案，这项技术在综合拥有成本不变的前提下，将成本效益或生产周期优化了20%到50%。

晶体管、设备与制程仿真 —— 台积电使用cuEST电子结构仿真库完成半导体材料设计，借助GPU加速，化学仿真运算速度平均提升50倍。

先进制程控制 —— 通过cuML机器学习库在GPU上加速大规模数据分析。它能快速运行算法，梳理数万道生产工序中的数十万项制程参数，精准输入机器学习模型，显著降低制程波动。

晶圆厂运营优化 —— 基于CUDA实现GPU加速排程运算，搭配英伟达H200 GPU，显著提升了晶圆厂产能。借助H200的CUDA算力，台积电能更好地应对复杂生产限制，精简流程，最大化产能。

芯片工艺越精密，微小瑕疵对品质和良率的影响越大，快速精准的检测变得至关重要。台积电采用英伟达Metropolis智能视觉平台与TAO工具包，优化高端芯片的缺陷分类工作。通过视觉AI技术，实现了纳米级缺陷检测能力的升级。这套方案不仅提升了质检水平，还能在生产环境、检测设备或缺陷类型变化时，减少数据标注和模型重新训练的工作量。

高端半导体晶圆厂是目前结构最复杂的工业设施之一，需要生产设备、物料、机械臂、工作人员与厂区配套系统精密协同。台积电正探索运用英伟达Omniverse库搭建晶圆厂数字孪生（FabTwin），构建虚拟晶圆厂环境，用于评估生产设备布局及相关仿真工作流。在实体落地前，通过数字化方式测试各种设计方案，能更灵活地对比复杂布局，提前排查潜在运行瓶颈。这种“先虚拟、后实体”的模式大幅提升了规划效率，在投入实体建设与资金前，加快了关键决策的落地。

来源：互联网