中文内容
新闻摘要：
- NVIDIA CUDA-X 库和 AI 模型正在加速 TSMC 在光刻、晶体管与制程仿真、先进制程控制以及晶圆厂运营优化方面的工作负载。
- TSMC 正在使用 NVIDIA Metropolis 和 NVIDIA TAO Toolkit，通过视觉 AI 推进自动化缺陷检测，提升纳米级缺陷检测能力，同时减少重复标注和再训练。
NVIDIA GTC Taipei——NVIDIA 今日宣布，全球领先的半导体公司 TSMC 正在使用 NVIDIA 加速计算和 AI 推进半导体设计与制造。
随着芯片迈向更先进节点，将其从设计推进到大规模量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、制程控制和晶圆检测如今需要大规模仿真与实时优化，也需要能够在物理、图像及其他应用领域提供支持的 AI 系统。
TSMC 正在使用 NVIDIA 技术加速这一转型，在半导体设计与制造生命周期中应用加速计算和 AI，以提升先进晶圆厂的周转时间、能源效率、良率和运营生产力。
“NVIDIA 与 TSMC 已合作近三十年，共同推动计算极限，”NVIDIA 创始人兼首席执行官 Jensen Huang 表示。“TSMC 正将 NVIDIA AI 和加速计算带入晶圆厂本身，通过仿真、优化和 AI 应对全球最复杂的一些设计与制造挑战，为下一代芯片提升速度、效率和良率。”
“TSMC 与 NVIDIA 建立了长期合作伙伴关系，其根基在于推进使下一代计算成为可能的技术，”TSMC 董事长兼首席执行官 C.C. Wei 表示。“通过在晶圆厂运营优化、光刻、制程控制和检测中使用 NVIDIA 加速计算和 AI，TSMC 正在强化我们的技术领导力和制造卓越性，以支持客户未来的产品与成功。”
TSMC 借助 NVIDIA CUDA-X 库和 AI 加速制程 先进半导体设计与制造需要海量计算工作负载和高度协同的晶圆厂运营，涵盖芯片设计转移、晶体管建模、制程控制和晶圆厂生产力。
TSMC 正在使用 NVIDIA CUDA-X™ 库和 AI 模型，在 NVIDIA GPU 上加速这些工作负载：
- 计算光刻：TSMC 正在使用 NVIDIA cuLitho，这是一款用于光刻的 GPU 加速库；光刻是一种用于芯片掩模设计的印刷方法。与基于 CPU 的计算光刻相比，该技术在保持相同拥有成本的同时，可将成本效益或周期时间改善 20–50%。
- 晶体管、设备和制程仿真：TSMC 正在使用 NVIDIA cuEST，这是一款 GPU 加速的电子结构仿真库，用于半导体材料设计，平均可实现快 50 倍的化学仿真。
- 先进制程控制：TSMC 正在使用 NVIDIA cuML 机器学习库，在 NVIDIA GPU 上加速大规模分析。这使 TSMC 能够加快算法运行，并将跨越数千个步骤的数十万个制程参数提炼为机器学习模型的精确输入，从而显著降低制程变异。
- 晶圆厂运营优化：使用 CUDA 的 GPU 加速排程计算，已通过 NVIDIA H200 GPU 显著提升晶圆厂生产力。通过利用 NVIDIA H200 GPU 上由 CUDA 驱动的计算，TSMC 增强了管理复杂约束的能力，从而简化生产路径并最大化晶圆厂生产力。
TSMC 借助 NVIDIA Metropolis 和 AI 模型推进缺陷检测 随着芯片变得更加先进，即使最微小的缺陷也可能影响质量和良率，因此更快速、更准确的检测对半导体设计与制造至关重要。
TSMC 正在使用 NVIDIA Metropolis 平台和 NVIDIA TAO Toolkit 改进先进缺陷分类。借助视觉 AI，TSMC 已提升纳米尺度缺陷的检测能力。
随着制程条件、检测工具和缺陷类型发生变化，这些能力有助于 TSMC 改进质量检测，同时减少重复标注和再训练的需求。
TSMC 采用 NVIDIA Omniverse 构建 FabTwin 先进半导体晶圆厂是有史以来最复杂的工厂之一，需要在工具、材料、机器人、人员和设施系统之间进行精确协调。
TSMC 正在探索 NVIDIA Omniverse™ 库，以构建 FabTwin——一个用于评估制程工具布局及相关仿真工作流的虚拟晶圆厂环境。通过在实体实施前以数字方式测试设计场景，TSMC 可以更灵活地比较复杂配置，并更早识别潜在约束。这种虚拟优先的方法大幅提升了规划效率，并在作出任何实体或资本投入承诺前加快关键决策。
观看 Huang 的主题演讲，并在 NVIDIA GTC Taipei 了解更多信息。
