Computex 2026：台積電向其最大客戶NVIDIA支付費用，將CUDA-X導入，以削減高達50%的光刻成本

台積電正在製造NVIDIA最先進的人工智慧平台，但它也正在利用NVIDIA的CUDA-X 服務來加速其半導體業務的發展。

NVIDIA今天宣布全球領先的半導體公司台積電正在使用NVIDIA的加速運算和人工智慧技術來推進半導體設計和製造。隨著晶片向更先進的製程發展，如何將晶片從設計轉化為大規模量產已成為全球最複雜的運算挑戰之一。計算光刻、電晶體模擬、製程控制和晶圓檢測如今都需要大規模模擬和即時最佳化，以及能夠跨物理、影像和其他應用提供支援的人工智慧系統。

台積電正在利用NVIDIA技術加速這項轉型，在半導體設計和製造的整個生命週期中應用加速運算和人工智慧，以提高先進晶圓廠的周轉時間、能源效率、良率和營運效率。

台積電利用NVIDIA CUDA-X庫和AI技術加速製程。先進的半導體設計和製造需要大量的運算工作負載和高度協調的晶圓廠操作，涵蓋晶片設計轉移、電晶體建模、製程控制和晶圓廠生產效率。台積電正在使用NVIDIA CUDA-X™庫和AI模型在NVIDIA GPU上加速這些工作負載：

• 計算微影：台積電採用NVIDIA cuLitho，這是一款用於光刻（一種晶片遮罩設計的印刷方法）的GPU加速庫。與基於CPU的運算微影相比，此技術在維持相同整體擁有成本的同時，可將成本效益或週期時間提高20%至50%。
• 電晶體、設備和製程模擬：台積電正在使用NVIDIA cuEST，這是一個GPU加速的電子結構模擬庫，平均可將半導體材料設計的化學模擬速度提高50倍。
• 先進的製程控制：台積電利用NVIDIA cuML機器學習庫，在NVIDIA GPU上加速大規模分析。這使得台積電能夠提升演算法運行速度，並將跨越數千個步驟的數十萬個製程參數提煉為機器學習模型的精確輸入，從而顯著降低製程偏差。
• 晶圓廠營運最佳化：利用CUDA進行GPU加速調度運算，顯著提升了NVIDIA H200 GPU的晶圓廠生產效率。透過利用NVIDIA H200 GPU上的CUDA運算能力，台積電增強了其應對複雜約束的能力，從而簡化了生產路徑並最大限度地提高了晶圓廠生產效率。
  

台積電利用NVIDIA Metropolis平台和人工智慧模型推進缺陷檢測。隨著晶片技術的不斷進步，即使是最小的缺陷也會影響產品品質和良率，因此更快、更精準的檢測對於半導體設計和製造至關重要。台積電正利用NVIDIA Metropolis平台和NVIDIA TAO工具包來改善高階缺陷分類。透過運用視覺人工智慧技術，台積電已顯著提升了奈米級缺陷的檢測能力。

這些功能有助於台積電改進品質檢測，同時減少因製程條件、檢測工具和缺陷類型變化而導致的重複貼標籤和重新訓練的需求。台積電與NVIDIA Omniverse合作建置FabTwin平台。先進的半導體晶圓廠是迄今為止建造的最複雜的晶圓廠之一，需要工具、材料、機器人、人員和設施系統之間進行精確協調。

台積電正在探索利用NVIDIA Omniverse™庫打造FabTwin，這是一個用於評估製程設備佈局及相關模擬工作流程的虛擬晶圓廠環境。透過在實體實施之前對設計方案進行數位化測試，台積電可以更靈活地比較複雜的配置，並儘早發現潛在的限制因素。這種虛擬優先的方法極大地提高了規劃效率，並在做出任何實體或資金投入之前加快了關鍵決策的製定。

消息來源