उत्तरप्रकाशित2 माह पहलेLast edited पिछला माह15 स्रोत

TSMC और NVIDIA की साझेदारी: कैसे AI चिप बनाने की प्रक्रिया को बदल रहा है

GTC ताइपे 2026 में TSMC और NVIDIA ने चिप डिज़ाइन से लेकर निर्माण तक में AI की व्यापक तैनाती की घोषणा की [6][8]। NVIDIA cuLitho के उपयोग से कम्प्यूटेशनल लिथोग्राफी में लागत या चक्र समय में 20 50% का सुधार हुआ है [2][4][6]। सामग्री सिमुलेशन के लिए cuEST ने रासायनिक प्रक्रियाओं की गति को औसतन 50 गुना तक बढ़ा दिया है [4...

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

What are the details of TSMC's deployment of NVIDIA's accelerated computing and AI technologies across semiconductor design and manufacturinAI-generated editorial hero image for What are the details of TSMC's deployment of NVIDIA's accelerated computing and AI technologies across semiconductor design and manufacturin.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: What are the details of TSMC's deployment of NVIDIA's accelerated computing and AI technologies across semiconductor design and manufacturin. Article summary: Here are the confirmed details from the announcement made at the opening of GTC Taipei on June 1, 2026, where NVIDIA and TSMC disclosed a broad deployment of AI and accelerated computing across TSMC's design and manufact. Topic tags: general web, ai, automation, workflow, productivity. Reference image context from search candidates: Reference image 1: visual subject "# TSMC and Nvidia ignite AI growth, Taiwan supply chain accelerates expansion. With strong demand for AI servers, TSMC—holding the vast majority of AI chip orders—is executing majo" source context "TSMC and Nvidia ignite AI growth, Taiwan supply chain accelerates expansion" Reference image 2: visua
openai.com

यहां 1 जून, 2026 को GTC ताइपे के उद्घाटन पर NVIDIA और TSMC द्वारा की गई उस घोषणा का विस्तृत विवरण दिया गया है, जिसमें TSMC अपनी डिज़ाइन और निर्माण प्रक्रियाओं में AI और एक्सीलरेटेड कंप्यूटिंग को व्यापक रूप से तैनात करने की बात कही गई थी ।

घोषणा का संदर्भ

NVIDIA के CEO जेन्सेन हुआंग ने GTC ताइपे के मुख्य भाषण में घोषणा की कि TSMC अपने डिज़ाइन और निर्माण कार्यों का एक बड़ा हिस्सा अब NVIDIA एक्सीलरेटेड कंप्यूटिंग पर चलाएगा। इसका लक्ष्य तेज़ कार्य-समापन, उच्च ऊर्जा दक्षता, बेहतर यील्ड (उत्पादकता), और अधिक सख्त प्रक्रिया नियंत्रण हासिल करना है । TSMC के चेयरमैन और CEO सी.सी. वेई ने इस सहयोग को TSMC की भूमिका को "AI चिप्स की आपूर्ति करने से आगे बढ़ाकर, चिप्स बनाने के लिए AI चिप्स का उपयोग करने" तक विस्तारित करने वाला कदम बताया, जो दोनों कंपनियों के बीच तकनीकी संबंधों को और गहरा करता है ।

तैनात NVIDIA प्रौद्योगिकियां और मापे गए सुधार

1. कम्प्यूटेशनल लिथोग्राफी — NVIDIA cuLitho

उपकरण: cuLitho, एक GPU-त्वरित कम्प्यूटेशनल लिथोग्राफी लाइब्रेरी ।
सुधार: पारंपरिक CPU-आधारित विधियों की तुलना में चिप मास्क डिज़ाइन की लागत या चक्र समय में 20–50% की कमी, जबकि स्वामित्व की कुल लागत समान रहती है ।
cuLitho इनवर्स लिथोग्राफी को CPU सिस्टम की तुलना में लगभग 40 गुना तेज़ करता है ।

2. ट्रांजिस्टर, उपकरण और प्रक्रिया सिमुलेशन — NVIDIA cuEST

उपकरण: cuEST, एक GPU-त्वरित इलेक्ट्रॉनिक संरचना सिमुलेशन लाइब्रेरी ।
सुधार: सेमीकंडक्टर सामग्री डिज़ाइन के लिए रासायनिक सिमुलेशन औसतन 50 गुना तेज़, जो उन्नत ट्रांजिस्टर सामग्रियों और रासायनिक फॉर्मूलेशन के तेज़ मूल्यांकन को सक्षम करता है ।

3. उन्नत प्रक्रिया नियंत्रण और भिन्नता में कमी — NVIDIA cuML

उपकरण: cuML, एक GPU-त्वरित मशीन लर्निंग लाइब्रेरी (RAPIDS का हिस्सा) ।
सुधार: TSMC बड़े पैमाने पर एनालिटिक्स को GPU पर चलाने के लिए cuML का उपयोग करता है, जो हज़ारों विनिर्माण चरणों में फैले सैकड़ों-हज़ारों प्रक्रिया मापदंडों (पैरामीटर्स) को सटीक इनपुट में बदलकर ML मॉडलों के लिए तैयार करता है — जिससे प्रक्रिया भिन्नता में महत्वपूर्ण कमी आती है और यील्ड में सुधार होता है ।

4. फैब उत्पादकता — NVIDIA H200 GPU पर GPU-त्वरित शेड्यूलिंग

TSMC अपने फैब शेड्यूलिंग और संचालन अनुकूलन कार्यों को NVIDIA H200 टेंसर कोर GPU पर चलाता है, और असतत अनुकूलन एल्गोरिदम को तेज़ करने के लिए CUDA-X लाइब्रेरी का उपयोग करता है। इससे शेड्यूलिंग में लगने वाला समय कम हुआ है और समग्र फैब थ्रूपुट में सुधार हुआ है ।

5. दोष निरीक्षण — NVIDIA Metropolis + TAO टूलकिट

प्लेटफ़ॉर्म: NVIDIA Metropolis (विज़न AI प्लेटफ़ॉर्म) और NVIDIA TAO टूलकिट (फाइन-ट्यूनिंग टूलकिट) ।
सुधार: विज़न AI के साथ स्वचालित दोष निरीक्षण जो नैनोमीटर-स्केल दोषों का पता लगाने में सुधार करता है, साथ ही बार-बार मैन्युअल लेबलिंग और रीट्रेनिंग चक्रों को काफी कम करता है ।

6. डिजिटल ट्विन अन्वेषण — NVIDIA Omniverse (FabTwin)

प्लेटफ़ॉर्म: NVIDIA Omniverse, जिसका उपयोग FabTwin बनाने और उसका अन्वेषण करने के लिए किया जाता है — यह एक सेमीकंडक्टर फैब का डिजिटल ट्विन है ।
उद्देश्य: TSMC को भौतिक फैक्ट्री में बदलाव करने से पहले, एक भौतिक रूप से सटीक वर्चुअल वातावरण में फैब लेआउट, सामग्री प्रवाह, उपकरण विन्यास और उत्पादन लॉजिस्टिक्स का सिमुलेशन और अनुकूलन करने में सक्षम बनाता है ।

सारांश तालिका

कार्य क्षेत्र	NVIDIA प्रौद्योगिकी	मुख्य सुधार
कम्प्यूटेशनल लिथोग्राफी	cuLitho	लागत/चक्र समय में 20–50% सुधार
ट्रांजिस्टर/सामग्री सिमुलेशन	cuEST	रासायनिक सिमुलेशन 50 गुना तेज़
प्रक्रिया नियंत्रण / भिन्नता में कमी	cuML	सैकड़ों-हज़ारों प्रक्रिया पैरामीटर्स पर तेज़ एनालिटिक्स
फैब शेड्यूलिंग और अनुकूलन	H200 GPU + CUDA-X	असतत अनुकूलन एल्गोरिदम को त्वरित करना
दोष निरीक्षण	Metropolis + TAO टूलकिट	बेहतर नैनोमीटर-स्केल दोष पहचान
डिजिटल ट्विन / फैब सिमुलेशन	Omniverse (FabTwin)	वर्चुअल फैब योजना और अनुकूलन

यह पूरा स्टैक TSMC के उत्पादन फैब्स के अंदर तैनात NVIDIA GPU पर चलने वाली NVIDIA CUDA-X लाइब्रेरी और AI मॉडलों पर चलता है ।

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं