英伟达与台积电强强联手：利用 CUDA-X 与人工智能加速次世代 AI 芯片的研发与制造

随着芯片向更先进的工艺节点迈进，将它们从设计阶段推向大规模量产已成为全球最复杂的计算挑战之一。计算光刻、晶体管模拟、工艺控制以及晶圆检测，如今都需要大规模的模拟与实时优化，并需要能在线性物理、图像处理及其他应用中提供全面支持的 AI 系统。

在一次题为“面向各行各业的 CUDA-X”的演讲中，展示了数据科学、量子化学和基因测序等多种应用，演讲者站在舞台上，角落里赫然印着英伟达的标志。

台积电正利用英伟达的技术来加速这一转型，将加速计算与人工智能应用于半导体设计与制造的全生命周期，以提升其先进晶圆厂（Fabs）的运转周期、能源效率、良品率以及运营生产力。

英伟达创始人兼首席执行官黄仁勋（Jensen Huang）表示：“英伟达与台积电紧密合作了近三十年，共同拓展计算的极限。如今，台积电正在将英伟达的 AI 与加速计算直接引入晶圆厂内部，通过模拟、优化和人工智能来攻克全球最复杂的某些设计与制造挑战，从而为下一代芯片提升速度、效率和良品率。”

台积电董事长兼首席执行官魏哲家（C.C. Wei）表示：“台积电与英伟达建立的长久合作伙伴关系，植根于推进那些让下一代计算成为可能的关键技术。通过在晶圆厂运营优化、光刻、工艺控制和检测中全面采用英伟达的加速计算与人工智能，台积电正在巩固我们的技术领先地位与卓越制造能力，以支持我们客户未来的产品与成功。”

台积电利用英伟达 CUDA-X 库与人工智能加速工艺流程

先进的半导体设计与制造需要庞大的计算工作量和高度协同的晶圆厂运营，涵盖芯片设计流片（Design Transfer）、晶体管建模、工艺控制和晶圆厂生产力。台积电正利用英伟达 CUDA-X™ 库和人工智能模型，在英伟达 GPU 上加速这些工作负载：

• 计算光刻（Computational lithography）： 台积电正采用英伟达 cuLitho。这是一个针对光刻技术（一种用于芯片掩膜版设计的印刷方法）的 GPU 加速库。与基于 CPU 的计算光刻相比，该技术在保持相同总拥有成本（Cost of Ownership）的同时，将成本效益或周期时间提升了 20% 至 50%。
• 晶体管、设备与工艺模拟（Transistor, equipment, and process simulation）： 台积电正采用英伟达 cuEST。这是一个 GPU 加速的电子结构模拟库，用于半导体材料设计，使化学模拟速度平均提升了 50 倍。
• 先进工艺控制（Advanced process control）： 台积电正采用英伟达 cuML 机器学习库，在英伟达 GPU 上加速大规模数据分析。这使台积电能够加快算法运行，并将跨越数千个步骤、包含数十万个工艺参数的数据，转化为机器学习模型的精准输入，从而大幅减少工艺波动。
• 晶圆厂运营优化（Fab operations优化）： 借助 CUDA 进行的 GPU 加速调度计算，通过英伟达 H200 GPU 显著提升了晶圆厂的生产力。利用英伟达 H200 GPU 上的 CUDA 强劲算力，台积电增强了其管理复杂约束条件的能力，从而优化了生产路径并实现了晶圆厂生产力的最大化。

台积电利用英伟达 Metropolis 与人工智能模型推进缺陷检测

随着芯片变得越来越先进，即便最微小的缺陷也会影响质量和良品率，这使得更快、更精准的检测在半导体设计与制造中变得至关重要。台积电正采用英伟达 Metropolis 平台和英伟达 TAO 工具套件（TAO Toolkit）来改进先进的缺陷分类。通过引入视觉 AI（Vision AI），台积电提升了在纳米级别上的缺陷检测能力。

制造设备上由台积电生产的 Blackwell 裸晶晶圆（Die Wafer）。 图片来源：英伟达（NVIDIA）

当工艺条件、检测工具以及缺陷类型发生变化时，这些能力可以帮助台积电提高质量检测水平，同时减少对重复标记和重新训练的需求。

台积电引入英伟达 Omniverse 构建虚拟工厂 FabTwin

先进的半导体晶圆厂是人类建造过最复杂的工厂之一，需要工具、材料、机器人、人类以及设施系统之间的精准协同。

台积电目前正在探索使用英伟达 Omniverse™ 库来构建 FabTwin。这是一个虚拟的晶圆厂环境，用于评估工艺工具的布局及相关的模拟工作流。通过在进行实际物理部署前以数字化方式测试设计方案，台积电可以更灵活地对比复杂的配置，并更早地发现潜在的瓶颈与约束。这种“虚拟先行”的方法大幅提升了规划效率，并在做出任何物理或资本投入之前，加速了关键决策的制定。