Computex 2026：英伟达与台积电将AI引入晶圆厂，推动半导体设计与制造

英伟达在COMPUTEX  2026上宣布，台积电（TSMC）正在将其加速计算和人工智能（AI）技术引入晶圆厂，从而推动半导体设计与制造。随着芯片向更先进的制程节点发展，从设计到大规模生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现在需要大规模的仿真和实时优化，以及能够在物理、图像及其他应用领域提供支持的AI系统。

目前台积电正在利用英伟达技术加速这一转型，将加速计算和AI应用于半导体设计和制造全生命周期，以提升应用先进制程技术的晶圆厂的周转时间、能效、良品率和运营效率。台积电通过NVIDIA CUDA-X库和AI模型加速了工作负载：

计算光刻 - 台积电正在使用NVIDIA cuLitho，一个GPU加速的光刻库，用于芯片掩模设计的打印方法。该技术相比基于CPU的计算光刻技术，在成本效益或周期时间上提升20%至50%，同时保持相同的拥有成本。

晶体管、设备与工艺仿真 - 台积电使用NVIDIA cuEST，一款GPU加速的电子结构仿真库，平均实现半导体材料设计化学模拟快50倍。

先进的过程控制 - 台积电正在利用NVIDIA cuML机器学习库加速NVIDIA GPU上的大规模分析。这使得台积电能够加快算法速度，并提取数十万个跨越数千步的工艺参数，作为机器学习模型的精准输入，能显著减少了工艺变异。

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的晶圆生产力。通过利用GPU上的CUDA计算，台积电提升了管理复杂约束的能力，从而简化生产流程，最大化晶圆厂生产效率。

随着芯片技术的不断进步，即使是最微小的缺陷也会影响质量和良品率，更快更准确的检测成为了半导体设计和制造的关键。台积电利用了NVIDIA Metropolis平台和NVIDIA TAO工具包提升高级缺陷分类，借助视觉AI，在纳米尺度上提升了缺陷检测能力。

台积电还在探索NVIDIA   Omniverse库，以构建FabTwin，这是一个用于评估工艺工具布局及相关仿真工作流程的虚拟晶圆制造环境。通过在实体实施前数字化测试设计场景，台积电可以更灵活地比较复杂配置，并更早识别潜在的约束。这种虚拟优先的方法极大提升了规划效率，并加快了关键决策的完成。

超能网**

**关注我们，浏览热门硬件评测

随时查看最新天梯榜