英偉達
在COMPUTEX 2026上宣布，台積電（TSMC）正在將其加速計算和人工智慧（AI）技術引入晶圓廠，從而推動半導體設計與製造。隨著晶片向更先進的製程節點發展，從設計到大規模生產已成為全球最複雜的計算挑戰之一。計算光刻、電晶體仿真、工藝控制和晶圓檢測現在需要大規模的仿真和實時優化，以及能夠在物理、圖像及其他應用領域提供支持的AI系統。
目前台積電正在利用英偉達技術加速這一轉型，將加速計算和AI應用於半導體設計和製造全生命周期，以提升應用先進制程技術的晶圓廠的周轉時間、能效、良品率和運營效率。台積電通過NVIDIA CUDA-X庫和AI模型加速了工作負載：
計算光刻 - 台積電正在使用NVIDIA cuLitho
，一個GPU加速的光刻庫，用於晶片掩模設計的列印方法。該技術相比基於CPU的計算光刻技術，在成本效益或周期時間上提升20%至50%，同時保持相同的擁有成本。電晶體、設備與工藝仿真 - 台積電使用NVIDIA cuEST
，一款GPU加速的電子結構仿真庫，平均實現半導體材料設計化學模擬快50倍。先進的過程控制 - 台積電正在利用NVIDIA cuML機器學習庫加速NVIDIA GPU上的大規模分析。這使得台積電能夠加快算法速度，並提取數十萬個跨越數千步的工藝參數，作為機器學習模型的精準輸入，能顯著減少了工藝變異。
晶圓廠運營優化 - 利用CUDA進行GPU加速調度計算，顯著提升了NVIDIA H200 GPU的晶圓生產力。通過利用GPU上的CUDA計算，台積電提升了管理複雜約束的能力，從而簡化生產流程，最大化晶圓廠生產效率。
隨著晶片技術的不斷進步，即使是最微小的缺陷也會影響質量和良品率，更快更準確的檢測成為了半導體設計和製造的關鍵。台積電利用了NVIDIA Metropolis平台和NVIDIA TAO工具包提升高級缺陷分類，藉助視覺AI，在納米尺度上提升了缺陷檢測能力。
台積電還在探索NVIDIA Omniverse庫，以構建FabTwin，這是一個用於評估工藝工具布局及相關仿真工作流程的虛擬晶圓製造環境。通過在實體實施前數字化測試設計場景，台積電可以更靈活地比較複雜配置，並更早識別潛在的約束。這種虛擬優先的方法極大提升了規劃效率，並加快了關鍵決策的完成。
