台积电向其最大客户英伟达支付费用，将CUDA-X引入晶圆厂，以削减高达50%的光刻成本

台积电正在制造英伟达最先进的人工智能平台，但它也在利用英伟达的 CUDA-X 服务来加速其半导体业务的发展。

2026年6月1日，英伟达宣布，全球领先的半导体公司台积电正在使用英伟达的加速计算和人工智能技术来推进半导体设计和制造。

随着芯片向更先进的制程节点发展，如何将芯片从设计转化为大规模量产已成为全球最复杂的计算挑战之一。计算光刻、晶体管仿真、工艺控制和晶圆检测如今都需要大规模仿真和实时优化，以及能够跨物理、图像和其他应用提供支持的人工智能系统。

台积电正在利用英伟达技术加速这一转型，在半导体设计和制造的整个生命周期中应用加速计算和人工智能，以提高先进晶圆厂的周转时间、能源效率、良率和运营效率。

台积电利用 NVIDIA CUDA-X 库和 AI 技术加速工艺流程。先进的半导体设计和制造需要海量的计算工作负载和高度协调的晶圆厂操作，涵盖芯片设计转移、晶体管建模、工艺控制和晶圆厂生产效率。台积电正在使用 NVIDIA CUDA-X™ 库和 AI 模型在

NVIDIA GPU 上加速这些工作负载：

计算光刻：台积电采用NVIDIA cuLitho，这是一款用于光刻（一种芯片掩模设计的印刷方法）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体拥有成本的同时，可将成本效益或周期时间提高20%至50%。

晶体管、设备和工艺模拟：台积电正在使用 NVIDIA cuEST，这是一个 GPU 加速的电子结构模拟库，平均可将半导体材料设计的化学模拟速度提高 50 倍。

先进的工艺控制：台积电利用NVIDIA cuML机器学习库，在NVIDIA GPU上加速大规模分析。这使得台积电能够提升算法运行速度，并将跨越数千个步骤的数十万个工艺参数提炼为机器学习模型的精确输入，从而显著降低工艺偏差。

晶圆厂运营优化：利用 CUDA 进行 GPU 加速调度计算，显著提升了 NVIDIA H200 GPU 的晶圆厂生产效率。通过利用 NVIDIA H200 GPU 上的 CUDA 计算能力，台积电增强了其应对复杂约束的能力，从而简化了生产路径并最大限度地提高了晶圆厂生产效率。

台积电利用NVIDIA Metropolis平台和人工智能模型推进缺陷检测。随着芯片技术的不断进步，即使是最小的缺陷也会影响产品质量和良率，因此更快、更精准的检测对于半导体设计和制造至关重要。台积电正利用NVIDIA Metropolis平台和NVIDIA TAO工具包来改进高级缺陷分类。通过运用视觉人工智能技术，台积电已显著提升了纳米级缺陷的检测能力。

图片来源：NVIDIA

这些功能有助于台积电改进质量检测，同时减少因工艺条件、检测工具和缺陷类型变化而导致的重复贴标签和重新培训的需求。台积电与NVIDIA Omniverse合作构建FabTwin平台。先进的半导体晶圆厂是迄今为止建造的最复杂的晶圆厂之一，需要工具、材料、机器人、人员和设施系统之间进行精确协调。

台积电正在探索利用NVIDIA Omniverse™库构建FabTwin，这是一个用于评估工艺设备布局及相关仿真工作流程的虚拟晶圆厂环境。通过在物理实施之前对设计方案进行数字化测试，台积电可以更灵活地比较复杂的配置，并尽早发现潜在的制约因素。这种“虚拟优先”的方法极大地提高了规划效率，并在做出任何物理或资金投入之前加快了关键决策的制定。