新闻摘要：
- NVIDIA CUDA-X 库和 AI 模型正在加速台积电在光刻、晶体管和工艺仿真、先进工艺控制和晶圆厂运营优化等方面的工作负载。
- 台积电正在使用 NVIDIA Metropolis 和 NVIDIA TAO Toolkit，通过视觉 AI 推进自动缺陷检测，提高纳米级缺陷检测能力，同时减少重复标记和重新训练。
NVIDIA GTC 台北 —— NVIDIA 今日宣布，全球领先的半导体公司台积电 (TSMC) 正在使用 NVIDIA 加速计算和 AI 推进半导体设计和制造的发展。
随着芯片向更先进的节点迁移，将芯片从设计阶段带入大规模生产阶段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仿真和实时优化，以及能够在物理、图像和其他应用中提供支持的 AI 系统。
台积电正在使用 NVIDIA 技术来加速这一转型，在整个半导体设计和制造的生命周期中应用加速计算和 AI，以缩短先进晶圆厂的周转时间，并提高能效、产量和运营生产力。
NVIDIA 创始人兼首席执行官黄仁勋表示：“NVIDIA 和台积电合作近三十年来，一直不断突破计算技术的极限。台积电将 NVIDIA AI 和加速计算引入到晶圆厂本身，通过仿真、优化和 AI 来应对全球高度复杂的芯片设计和制造挑战，以提高下一代芯片的速度、效率和良率。”
台积电董事长兼首席执行官魏哲家表示：“台积电和 NVIDIA 建立了长期的合作伙伴关系，致力于推动下一代计算技术的进步。通过在晶圆厂运营优化、光刻、工艺控制和检测中使用 NVIDIA 加速计算和 AI，台积电正在加强其技术领导力和卓越的制造能力，从而为客户未来的产品和成功提供支持。”
台积电借助 NVIDIA CUDA-X 库和 AI 加速工艺流程
先进的半导体设计和制造需要大规模的计算工作负载和高度协调的晶圆厂运营，涵盖芯片设计转移、晶体管建模、工艺控制和晶圆厂生产力等环节。
台积电正在使用 NVIDIA CUDA-X™ 库和 AI 模型，在 NVIDIA GPU 上加速以下工作负载：
- 计算光刻：台积电正在使用 NVIDIA cuLitho，这是一个针对光刻的 GPU 加速库 —— 光刻是一种芯片掩模设计打印方法。与基于 CPU 的计算光刻相比，该技术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%。
- 晶体管、设备和工艺仿真：台积电正在使用 NVIDIA cuEST，这是一个 GPU 加速的电子结构仿真库，可将半导体材料设计的化学仿真速度平均提升 50 倍。
- 先进的工艺控制：台积电正在使用 NVIDIA cuML 机器学习库来加速 NVIDIA GPU 上的大规模分析。这使得台积电能够加速算法，并将涵盖数千个步骤中的数十万个工艺参数蒸馏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：使用 CUDA 进行 GPU 加速调度计算，借助 NVIDIA Hopper GPU 显著提高了晶圆厂的生产力。通过使用 NVIDIA Hopper GPU 上的 CUDA 计算，台积电增强了其管理复杂约束的能力，从而简化生产路径并大幅度提高晶圆厂生产力。
台积电借助 NVIDIA Metropolis 和 AI 模型推进缺陷检测
随着芯片变得越来越先进，即使是再微小的缺陷也会影响其质量和产量，因此，更快、更准确的检测对于半导体设计和制造至关重要。
台积电正在使用 NVIDIA Metropolis 平台和 NVIDIA TAO 工具套件来改进高级缺陷分类。借助视觉 AI，台积电提升了纳米级缺陷的检测能力。
这些功能有助于台积电提高质量检测水平，同时减少随着工艺条件、检测工具和缺陷类型发生变化而产生的重复标记和重新训练的需求。
台积电基于 NVIDIA Omniverse 构建 FabTwin
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，需要在工具、材料、机器人、人类和设施系统之间进行精确的协调。
台积电正在探索 NVIDIA Omniverse™ 库以构建 FabTwin，这是一个用于评估工艺工具布局和相关仿真工作流的虚拟晶圆厂环境。通过在实际实施之前对设计场景进行数字测试，台积电可以更灵活地比较复杂配置，并尽早识别潜在的限制。这种虚拟优先的方法大大提高了规划效率，并在做出任何实物或资本承诺之前加速了关键决策的制定。
敬请观看黄仁勋的主题演讲，如需了解详情，请访问 NVIDIA GTC 台北。