维度网讯，美国英伟达6月1日宣布，台积电正在将英伟达加速计算和AI技术用于半导体设计与制造流程，覆盖光刻计算、晶体管与工艺仿真、先进过程控制、晶圆厂运营优化和自动化缺陷检测等环节。该合作发布于NVIDIA GTC Taipei期间，核心指向先进制程从设计到量产之间的计算效率、良率管理和生产协同能力提升。

先进芯片制造正在进入更依赖高强度计算和实时优化的新阶段。随着制程节点继续缩小，芯片从设计转入大规模生产时，需要同时处理掩模设计、光刻修正、材料模拟、设备参数、过程控制、缺陷识别和产线调度等复杂问题。过去这些流程高度依赖传统计算、工程经验和分阶段验证，单一环节的误差都可能影响良率、周期和产能利用率。台积电将英伟达CUDA-X库、图形处理器加速计算和AI模型引入晶圆厂，相当于把更多物理仿真、工艺分析和生产调度工作放到高性能计算平台上处理，使先进制程制造从“经验驱动+局部优化”进一步转向“数据驱动+全流程协同”。对半导体产业链而言，这类能力会直接影响客户芯片从设计定案到量产爬坡的速度，也会影响晶圆厂在复杂订单、多批次工艺和高资本开支环境下的运营效率。

在具体技术应用上，台积电正使用英伟达cuLitho加速计算光刻任务，用GPU加速库提升芯片掩模设计相关流程的成本效率或周期表现;在晶体管、设备和工艺仿真方面，台积电使用cuEST加速半导体材料设计中的化学模拟;在先进过程控制方面，台积电使用cuML机器学习库处理跨越大量工艺步骤和参数的数据分析，使机器学习模型能够更快提取精密输入。英伟达披露，GPU加速调度计算还被用于晶圆厂运营优化，帮助台积电在复杂约束下改进生产路径和产线效率。

自动化缺陷检测是此次合作中的另一项重点。随着先进芯片结构更加精细，纳米尺度缺陷都可能影响产品质量和最终良率，传统检测方式在标注、训练、复检和适配新缺陷类型方面面临压力。台积电正在使用英伟达Metropolis平台和TAO Toolkit推进先进缺陷分类，通过视觉AI提升纳米级缺陷检测能力，并减少工艺条件、检测工具和缺陷类型变化时反复标注与重新训练的需求。更值得关注的是，台积电还在探索利用英伟达Omniverse库构建FabTwin虚拟晶圆厂环境，用于评估工艺设备布局和相关仿真流程。虚拟优先的方式可以让晶圆厂在物理实施和资本投入前，对复杂方案进行比较、验证和约束识别，从而提升规划效率和重大决策速度。

这项合作说明，半导体制造竞争正在从单纯设备、材料和工艺节点竞争，延伸到计算平台、仿真工具、视觉检测和数字化运营能力的系统竞争。晶圆厂越先进，工程复杂度越高，AI和加速计算在良率提升、周期压缩和运营优化中的价值就越明显。后续观察重点将集中在相关工具能否进一步嵌入更多晶圆厂生产环节、自动化缺陷检测能否覆盖更复杂工艺场景，以及虚拟晶圆厂能否在产线规划和新工艺导入中形成可复制的方法体系。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com