TSMC intègre l'IA et l'informatique accélérée de Nvidia dans ses opérations de fabrication les plus complexes, de la lithographie à l'inspection des défauts, dans le cadre d'une collaboration qui pourrait remodeler l'économie de la production de semi-conducteurs.
TSMC intègre l'IA et l'informatique accélérée de Nvidia dans ses opérations de fabrication les plus complexes, de la lithographie à l'inspection des défauts, dans le cadre d'une collaboration qui pourrait remodeler l'économie de la production de semi-conducteurs.
Les bibliothèques CUDA-X et les modèles d'IA de Nvidia alimentent désormais les flux de travail de lithographie, de simulation de procédés et d'inspection des défauts de TSMC, offrant une amélioration de 20 % à 50 % du rapport coût-efficacité de la lithographie et des simulations chimiques 50 fois plus rapides pour la conception de matériaux semi-conducteurs.
« TSMC intègre l'IA et l'informatique accélérée de Nvidia directement dans l'usine, s'attaquant à certains des défis de conception et de fabrication les plus complexes au monde », a déclaré Jensen Huang, fondateur et directeur général de Nvidia.
La collaboration couvre quatre domaines des opérations en usine. TSMC utilise la bibliothèque cuLitho de Nvidia pour la lithographie computationnelle — la méthode d'impression pour la conception des masques de puces — obtenant une amélioration de 20 % à 50 % du rapport coût-efficacité ou du temps de cycle par rapport aux approches basées sur CPU. La bibliothèque cuEST accélère les simulations de structures électroniques pour la conception de matériaux semi-conducteurs d'un facteur moyen de 50x. Pour le contrôle des procédés, la bibliothèque d'apprentissage automatique cuML de Nvidia aide TSMC à distiller des centaines de milliers de paramètres de procédé à travers des milliers d'étapes en entrées de précision pour les modèles de ML, réduisant ainsi la variation des procédés. Sur le sol de l'usine, les GPU Nvidia H200 alimentent les calculs d'ordonnancement qui améliorent la productivité.
L'intégration plus poussée de l'IA dans la fabrication de semi-conducteurs valide une thèse qui a propulsé l'indice Philadelphia Semiconductor à la hausse de 89 % depuis le début de l'année : les dépenses en infrastructure IA s'étendent au-delà de la conception des GPU vers les outils, les matériaux et les processus qui sous-tendent la production de puces. TSMC prévoit que son activité de puces IA croîtra à un rythme d'environ 60 % par an entre 2024 et 2029, tandis que Nvidia a projeté que les dépenses d'investissement dans les centres de données atteindront 1 000 milliards de dollars d'ici 2027.
Détection des défauts et l'usine virtuelle
Au-delà de la fabrication de base, TSMC déploie la plateforme Metropolis et la boîte à outils TAO de Nvidia pour l'inspection automatisée des défauts à l'aide de l'IA visuelle, améliorant la détection des défauts à l'échelle nanométrique tout en réduisant le besoin d'étiquetage répété et de ré-entraînement à mesure que les conditions de procédé évoluent. L'entreprise explore également les bibliothèques Omniverse de Nvidia pour construire FabTwin, un environnement d'usine virtuelle permettant d'évaluer les agencements d'outils de procédé et les flux de simulation avant la mise en œuvre physique — une évolution qui pourrait réduire les engagements en capital requis pour la construction de nouvelles usines.
Le coût de la mondialisation
Cette collaboration intervient alors que TSMC navigue dans une coûteuse expansion géographique. L'entreprise a porté ses dépenses d'investissement pour l'ensemble de l'année 2026 dans le haut de sa fourchette de 52 à 56 milliards de dollars, la construction d'usines à l'étranger en Arizona, au Japon et en Allemagne coûtant estimé 4 à 5 fois plus que des installations identiques à Taïwan. La direction de TSMC a indiqué que les expansions d'usines à l'étranger et le déploiement des nœuds de prochaine génération entraîneront une dilution de 2 % à 3 % des marges brutes à partir du second semestre 2026 et se poursuivant en 2027. Les gains d'efficacité issus de la fabrication optimisée par l'IA pourraient aider à compenser une partie de cette pression, bien que l'ampleur du vent contraire sur les marges soit significative par rapport aux marges brutes actuelles de TSMC.
Pour les investisseurs, cette collaboration renforce le fossé concurrentiel de Nvidia — son écosystème CUDA s'implante dans les flux de travail matériels industriels au-delà des centres de données, étendant son marché adressable aux équipements capitaux pour semi-conducteurs. Les actions Nvidia se négocient à environ 35 fois les bénéfices prévisionnels. TSMC, à 26 fois les bénéfices prévisionnels, offre une manière moins volatile de jouer la même tendance, bien que la dilution des marges due à l'expansion à l'étranger mérite une surveillance. Le bénéficiaire le plus large pourrait être la chaîne d'approvisionnement des équipements et de la mémoire pour semi-conducteurs, où les ETF à pondération égale comme l'Invesco Semiconductors ETF ont rapporté 105 % depuis le début de l'année alors que les dépenses IA s'élargissent au-delà des concepteurs de puces mégacapitalisations.
Cet article est fourni à titre d'information uniquement et ne constitue pas un conseil en investissement.
