利用AI技術製造更強大的AI晶片，這個思路有問題嗎？
如同鮭魚總會洄游到先祖繁衍它們的水域一樣，英偉達的GPU也兜兜轉轉又回到了晶片工廠。
台積電、ASML和Synopsys都在使用英偉達加速器來加速或支持計算光刻技術。與此同時，KLA Group、Applied Materials和日立也在英偉達的並行處理晶片上運行深度學習代碼，藉此進行電子束與光學晶圓檢測。
當然，晶圓廠里遍布著各色電子產品，可以說一切晶片都會以某種方式回歸原點。但有趣的是，GPU在整個製造流程中一直扮演著加速器的角色。隨著我們不斷縮小電晶體門，藉此將更多電晶體封裝到處理器當中，計算光刻已經成為近年來將更小門電路蝕刻上裸片光掩模的必要手段。
就在不久之前，這些工作負載還主要由CPU核心負責運行。但事實證明，只要進行適當調整，GPU才是真正擅長這類加速任務的理想選手。
對於計算光刻這類場景，調整過程並不複雜。大多數晶片是通過光掩模投射特定波長的光（通常是光譜中的極紫外部分）以實現晶片蝕刻。為了在矽晶片上生產出越來越小的電晶體，工程師們必須發揮自己的創造力和想像力，在縮小電路尺寸的同時防止因特徵模糊而造成的圖案失真。如今生產中使用的光掩模堪稱華麗，往往是大規模計算集群運行數周所產出的結果。
利用GPU加速，英偉達公司CEO黃仁勛表示有望將整個過程提速50倍。「幾百套DGX系統就有望取代數以萬計的CPU伺服器，從而將功率和成本拉低一個數量級。」
使用AI構建更強晶片
關注科技動態的朋友想像都清楚，如今的圖形處理器不僅是高性能計算的基礎，更是大規模AI高度依賴的動力中樞。雖然英偉達在今年3月公布cuLitho軟體棧時並未提及人工智慧，但公司高級技術部門副總裁Vivek Singh已經明確表示，AI在計算光刻中的廣泛應用只是時間問題。
在上周二的ITF半導體大會上，英偉達掌門人黃仁勛再次強調AI有望為摩爾定律注入新的活力。他堅稱「晶片製造行業，正是英偉達加速和AI計算的理想應用場景。」
雖然目前的晶圓代工廠已經高度自動化，但英偉達還是從中發現了機會，能夠將其在機器人技術、自動駕駛汽車和聊天機器人方面獲得的成果引入晶片製造，並通過向處理器設計師、設備供應商和代工廠銷售GPU豪賺巨額財富。
在演講當中，黃仁勛還提到VIMA——一種多模態的「預訓練AI模型，能夠根據影片文本提示執行任務，例如重新排列物體以匹配當前場景。」
黃仁勛沒有明確提到這項技術會被納入晶片設計軟體，但從大會主題對於半導體製造的高度關注，走上這個方向也基本成為定局。「我期待物理AI機器人技術和基於Omniverse的數字孿生技術，能夠共同推動晶片製造開啟更加光明的未來。」
良機已至
英偉達想要在半導體行業推銷加速計算產品，完全是順應時勢的合理決策。
隨著消費級GPU市場的崩潰和加密貨幣逐步走入寒冬，英偉達的數據中心部門替公司扛下了大量「傷害」。由於業務表現平平，黃仁勛上季度甚至決定降薪自救。
儘管近期晶片需求、特別是高端晶片需求有所下滑，但三星、台積電、英特爾、SK海力士等代工廠商正在推進新的代工項目。這方面業務擴張很大程度上由美國、歐洲和亞太地區的一系列措施所推動，總計為半導體行業帶來超1000億美元的稅收減免和補貼。英偉達的行業龍頭地位，也使其拿到了相當一部分晶片增產收益。
至於AI技術的迅猛發展，雖然它潛在威脅到不少白領員工的生計，但同時也有助於解決半導體領域技術工人短缺的老大難問題。
去年初，安全與新興技術中心就曾發出警告，稱美國半導體製造業的「回流」舉措可能因缺乏熟練工人而受阻。據估計，美國需要培訓、雇用或引進2.7萬名員工才能填補缺口。
台積電創始人張忠謀多次指出，與台灣相比，美國的半導體製造成本會高出很大一塊。
為了填補空白並成功控制成本，晶片製造商正全面引入AI/機器學習以提升代工和設計流程的自動化水平。也許AI技術在某人類的命之前，將先革一波自己運行所在晶片的命。
