英伟达 & 台积电，加速 AI Fab 建设！

发布时间：2026-06-04来源：半导体盒

来源：NVIDIA。

NVIDIA 近日宣布，全球顶尖半导体制造企业 TSMC 正依托 NVIDIA 加速计算与人工智能技术，优化半导体设计与全流程制造工艺。

NVIDIA CUDA-X 程序库与 AI 模型可在光刻、晶体管及工艺仿真、先进制程管控、晶圆厂运维优化等场景加速 TSMC 各类生产任务；
TSMC 采用 NVIDIA Metropolis 与 NVIDIA TAO Toolkit 落地机器视觉 AI 自动化缺陷检测，提升纳米级缺陷检出能力，同时减少重复标注与模型重训工作量。

伴随芯片制程迈入先进工艺节点，从芯片设计落地规模化量产已成为全球复杂度顶尖的计算难题。计算光刻、晶体管仿真、制程管控与晶圆检测环节，均需要海量仿真运算与实时优化能力，还需要可覆盖物理仿真、图像识别等多场景的 AI 系统提供支撑。

TSMC 正落地 NVIDIA 相关技术完成产业转型，在半导体设计制造全生命周期部署加速计算与 AI 技术，以此缩短生产周期、提升能效、提高良率与先进晶圆厂的整体生产效率。

NVIDIA 创始人兼首席执行官 Jensen Huang 表示：“NVIDIA 与 TSMC 近三十载携手合作，不断突破算力技术边界。如今 TSMC 将 NVIDIA AI 与加速计算技术落地晶圆厂一线，借助仿真、优化与人工智能攻克全球难度顶尖的芯片设计制造难题，助力下一代芯片实现更快研发、更高能效与更高量产良率。”

来源：TSMC

TSMC 董事长兼首席执行官 C.C. Wei 表示：“TSMC 与 NVIDIA 的长期合作，立足前沿技术研发，支撑下一代计算产品落地。TSMC 在晶圆厂运维优化、光刻、制程管控、缺陷检测全链路应用 NVIDIA 加速计算与 AI 技术，持续夯实自身技术领先优势与制造实力，助力合作伙伴实现产品落地与业务增长。”

TSMC 依托 NVIDIA CUDA-X 程序库

与 AI 加速制程落地

先进半导体的设计制造需要海量算力支撑与高度协同的晶圆厂运营体系，覆盖版图转译、晶体管建模、制程管控与工厂产能优化全链条。TSMC 在 NVIDIA GPU 硬件上，搭载 NVIDIA CUDA-X™程序库与 AI 模型实现多环节算力提速：

计算光刻：TSMC 落地 GPU 加速光刻专用程序库 NVIDIA cuLitho，该技术用于芯片掩模版图光刻设计；相较基于 CPU 的传统计算光刻方案，在硬件拥有成本不变的前提下，综合成本效益或生产周期优化幅度可达 20%~50%。
晶体管、设备与工艺仿真：采用 NVIDIA cuEST 电子结构仿真程序库开展半导体材料研发，依托 GPU 加速后，化学仿真运算平均提速 50 倍。
先进制程管控：借助机器学习程序库 NVIDIA cuML 在 NVIDIA GPU 上完成大规模数据分析，高效运算并提炼数万道工序里数十万项制程参数，作为机器学习模型的精准输入，大幅缩减制程波动。
晶圆厂运维优化：基于 CUDA 加速的排产运算搭配 NVIDIA H200 GPU，优化晶圆厂排产约束条件，梳理生产路径，显著提升晶圆厂整体产能利用率。

TSMC 依托 NVIDIA Metropolis 平台

升级 AI 缺陷检测

芯片制程越先进，微米乃至纳米级微小瑕疵就越容易影响芯片品质与量产良率，高效精准的检测工序成为半导体制造的刚需环节。

TSMC 依托 NVIDIA Metropolis 智能视觉平台与 NVIDIA TAO Toolkit 工具链优化先进缺陷分类工作，通过机器视觉 AI 技术，实现纳米级晶圆缺陷精准检出。即便制程条件、检测设备、缺陷种类发生变动，该套方案也能改善质检效率，减少数据重复标注与模型反复训练的成本。

TSMC 借力 NVIDIA Omniverse

打造 FabTwin 虚拟晶圆厂

高端先进晶圆厂是工业领域结构最复杂的生产设施之一，需要实现生产设备、原材料、工业机器人、人工运维与厂区配套系统的精密协同。

TSMC 正探索基于 NVIDIA Omniverse™ 程序库搭建 FabTwin 数字孪生虚拟晶圆厂环境，用于产线设备布局规划与仿真流程验证。在实体建厂落地前，工程师可在数字空间测试多套建设方案，灵活对比不同产线配置、提前预判潜在落地风险。这套 “先虚拟验证、后实体落地” 的模式大幅提升厂区规划效率，在固定资产投入前完成关键生产决策。