黃仁勛在 GTC 開發(fā)者大會上表示：“計算光刻技術(shù)是芯片制造的基石。我們與臺積電、Synopsys 合作開發(fā)的 cuLitho 應(yīng)用了加速計算和生成式人工智能，為半導(dǎo)體規(guī)?；_辟了新的領(lǐng)域。”

　　英偉達(dá)還推出了全新的生成式人工智能算法，增強(qiáng)了用于 GPU 加速計算光刻技術(shù)的庫 cuLitho，相比較目前基于 CPU 的方法，顯著改善了半導(dǎo)體制造工藝。

　　注：半導(dǎo)體制造過程中，計算光刻是最密集的工作負(fù)載，每年耗費 CPU 數(shù)百億小時。

　　芯片生產(chǎn)的關(guān)鍵步驟之一，就是需要耗費 3000 萬小時的 CPU 時間來計算典型的掩模集，因此半導(dǎo)體代工廠通常會建立大型數(shù)據(jù)中心。

　　英偉達(dá)表示 350 個英偉達(dá) H100 系統(tǒng)現(xiàn)在可以取代 40,000 個 CPU 系統(tǒng)，從而加快了生產(chǎn)時間，同時降低了成本、空間和功耗。

　　英偉達(dá)表示 cuLitho 的優(yōu)勢已經(jīng)在臺積電生產(chǎn)過程中顯現(xiàn)，兩家公司共同實現(xiàn)了曲線流程速度(curvilinear flows)提高 45 倍，傳統(tǒng)的曼哈頓式流程(traditional Manhattan-style flows)提高近 60 倍。

　　英偉達(dá)開發(fā)了應(yīng)用生成式人工智能的算法，以進(jìn)一步提升 cuLitho 平臺的價值。在通過 cuLitho 實現(xiàn)的加速流程基礎(chǔ)上，新的生成式人工智能工作流程還能額外提高 2 倍的速度。

　　通過應(yīng)用生成式人工智能，可以創(chuàng)建近乎完美的反向掩膜或反向解決方案，以考慮光的衍射。然后通過傳統(tǒng)的嚴(yán)格物理方法得出最終光罩，從而將整個光學(xué)近似校正(OPC)流程的速度提高了兩倍。

　　目前，晶圓廠工藝中的許多變化都需要修改 OPC，從而增加了所需的計算量，并在晶圓廠開發(fā)周期中造成了瓶頸。cuLitho 提供的加速計算和生成式人工智能可減輕這些成本和瓶頸，使工廠能夠分配可用的計算能力和工程帶寬，在開發(fā) 2 納米及更先進(jìn)的新技術(shù)時設(shè)計出更多新穎的解決方案。