英伟达与台积电将AI引入晶圆厂，光刻成本降低50%

台积电正在将英伟达的AI与加速计算技术整合到其最复杂的晶圆厂运营中，涵盖从光刻到缺陷检测等环节。这一合作可能重塑半导体制造的经济格局。

英伟达的CUDA-X库和AI模型目前已用于台积电的光刻、工艺仿真和缺陷检测流程，使光刻成本效益提升20%至50%，半导体材料设计的化学仿真速度提升50倍。

"台积电正在将英伟达AI与加速计算引入晶圆厂内部，以应对一些世界上最具挑战性的设计与制造难题，"英伟达创始人兼首席执行官黄仁勋表示。

此次合作覆盖晶圆厂运营的四大领域。台积电正在使用英伟达的cuLitho库进行计算光刻——芯片掩模设计的印制方法——与基于CPU的方法相比，成本效益或周期时间提升了20%至50%。cuEST库将半导体材料设计的电子结构仿真速度平均提升50倍。在工艺控制方面，英伟达的cuML机器学习库帮助台积电将数千个工艺步骤中数十万个工艺参数提炼为机器学习模型的精准输入，从而减少工艺变异。在晶圆厂车间，英伟达H200 GPU正在驱动排程计算，提升晶圆厂的生产效率。

AI进一步深入半导体制造，验证了一个推动费城半导体指数今年以来上涨89%的核心论点：AI基础设施支出正从GPU设计扩展到支撑芯片生产的工具、材料和工艺。台积电预计，其AI芯片业务从2024年到2029年将以约60%的年复合增长率增长，而英伟达则预测，到2027年数据中心资本支出将达到一万亿美元。

缺陷检测与虚拟晶圆厂

除了核心制造环节，台积电正在部署英伟达的Metropolis平台和TAO工具包，利用视觉AI实现自动化缺陷检测，在提高纳米级缺陷检测能力的同时，减少了随着工艺条件变化而反复标记和重新训练的需求。该公司还在探索利用英伟达的Omniverse库构建FabTwin——一个虚拟晶圆厂环境，用于在实际实施之前评估工艺工具布局和仿真工作流程。这一转变可能减少新建晶圆厂所需的资本投入。

全球扩张的成本

此次合作正值台积电经历成本高昂的地理扩张。该公司已将2026年全年资本支出推高至520亿至560亿美元区间的上限，在亚利桑那州、日本和德国建设海外晶圆厂的成本预计是台湾同等设施的四到五倍。台积电管理层表示，海外晶圆厂扩张以及下一代制程节点的投产，将从2026年下半年开始并延续至2027年，带来2%至3%的毛利率稀释。AI优化制造带来的效率提升可能有助于抵消部分压力，但相较于台积电当前的毛利率水平，利润率下行压力的规模仍然显著。

对于投资者而言，此次合作进一步强化了英伟达的竞争护城河——其CUDA生态系统正嵌入数据中心之外的工业硬件工作流程中，将其可触及市场扩展至半导体资本设备领域。英伟达股价目前约为远期市盈率的35倍。台积电远期市盈率为26倍，为追逐同一趋势提供了较低贝塔值的投资方式，但海外扩张带来的利润率稀释仍需关注。更广泛的受益者可能是半导体设备和存储供应链，随着AI支出从超大规模芯片设计公司向外扩散，Invesco半导体ETF等等权重ETF今年以来回报率已达105%。

本文仅供信息参考，不构成投资建议。