芯片制造的终极难题

芯片工艺进入纳米级别之后, 从设计图纸转化成实际产品, 其难度已然远远超过普通人所能想象的程度。传统的计算方法压根无法应对海量的仿真运算以及实时优化的需求。每一次轮到台积电去生产一款全新的芯片时, 在这背后需要处理数量达到数万道的工序以及包含数十万个的参数, 只要稍微出现一点儿偏差就会对良率以及性能产生影响。正是这一痛点所在, 使得英伟达的加速计算和人工智能技术有了得以施展的空间。

计算光刻效率大幅提升

台积电于光刻环节运用英伟达GPU加速库, 用以取代传统的基于CPU的方案, 光刻乃是芯片掩模设计里头的核心步骤, 以往计算光刻耗费时间极多, 成本高昂。如今凭借着英伟达技术, 于综合成本保持不变的情况下, 对生产周期以及成本效益进行了20%到50%的优化, 这表明每块晶圆能够更快完成曝光, 产能因而得以增加。

晶体管仿真速度飙升

英伟达cuEST电子结构仿真库被台积电用以开展半导体材料设计, 化学仿真运算速度平均提高了50倍, 过去需耗费数周乃至数月才可完成的计算任务, 现在只需几天就能完成, 更快的仿真使得工程师能够更快地迭代材料方案, 对晶体管结构实施优化, 进而让芯片拥有更强性能以及更低功耗。

制程控制更加精准

英伟达cuML机器学习库被台积电借助, 于GPU之上加速大规模数据分析, 数万道工序里的数十万个制程参数, 能够快速输入机器学习模型以开展运算, 此套方案极大降低了制程波动, 使得芯片生产的一致性变得更高, 良率的攀升直接削减生产成本, 对于客户而言即更快拿到质量具有稳定性的芯片。

晶圆厂运营全面优化

依赖CUDA达成的GPU加速排程运算, 协同英伟达H200 GPU, 台积电可更优地应对复杂生产限制。晶圆厂身为当前极为复杂的工业设施中的一个, 需对设备、物料、机械臂以及人员予以调配。加速计算致使排程更为灵活, 促使产能实现最大化。台积电仍在探寻运用英伟达函数库构建虚拟晶圆厂, 先是借助数字孪生测试布局, 防止实体落地后产生瓶颈。

缺陷检测实现纳米级升级

台积电运用英伟达智能视觉平台以及TAO工具包, 对高端芯片的缺陷分类工作予以优化。传统检测手段在面对纳米级缺陷时, 效率低下, 且耗费人力。如今基于视觉AI技术, 台积电不但提高了质检水平, 而且在检测环境或者缺陷类型发生变化时, 能够减少数据标注以及模型重新训练的工作量。检测速度变得更快, 精准度变得更高, 以此确保每一颗芯片在出厂之前都经过严格的把关。

你想想, AI芯片制造技术此后还会于哪些领域带去那种具有颠覆性的改变呢, 欢迎在评论区展开交流, 点赞以及分享能让更多人目睹前沿科技怎样去改变世界。