业务目标
明确要解决的性能、扩容、稳定性、覆盖、互连或运维问题，并确认上线优先级。
方案背景：芯片向更先进节点迁移后，从设计到大规模生产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都需要大规模仿真与优化，传统 CPU 集群在周期、成本和能效上越来越难以满足要求。
解决方案与架构：台积电在半导体生命周期中引入 NVIDIA 加速计算和 AI，覆盖光刻、晶体管与工艺仿真、先进工艺控制、晶圆厂运营优化和缺陷检测。通过把 GPU 加速库与既有 EDA 和制造流程结合，台积电希望在缩短先进晶圆厂周转时间的同时，提高能效、产量和运营生产力。
核心技术组件：方案使用 NVIDIA cuLitho 等 CUDA-X 库加速计算光刻；用 GPU 加速电子结构仿真库进行半导体材料设计；用 NVIDIA Metropolis 和 TAO Toolkit 构建视觉 AI 自动缺陷检测，提高纳米级缺陷识别能力，并减少重复标注和重新训练。
实施成果：与基于 CPU 的计算光刻相比，cuLitho 在保持拥有成本不变的同时，可将成本效益提升或周期时间缩短 20–50%；GPU 加速电子结构仿真把半导体材料设计的化学仿真速度平均提升 50 倍；视觉 AI 则提升了纳米级缺陷检测能力，并降低模型维护成本。
未来展望：NVIDIA 与台积电合作近三十年，双方将继续把 AI 引入晶圆厂更多环节，从光刻、工艺控制扩展到整厂运营优化。随着先进节点复杂度提升，GPU 加速与 AI 将成为维持良率、产能和能效的关键基础设施。
WeChat
Profile