Canggih! TSMC Pakai Teknologi AI dan GPU NVIDIA untuk Produksi Cip, Efisiensi Melesat 50 Kali Lipat

Berikut adalah detail resmi yang diumumkan pada pembukaan konferensi GTC Taipei pada 1 Juni 2026, di mana NVIDIA dan TSMC mengungkapkan penerapan AI dan komputasi terakselerasi secara luas di seluruh alur kerja desain dan manufaktur TSMC .

---

Konteks Pengumuman

CEO NVIDIA, Jensen Huang, menggunakan pidato utama di GTC Taipei untuk mengumumkan bahwa TSMC akan menjalankan porsi yang semakin besar dari beban kerja desain dan manufaktur mereka di platform komputasi terakselerasi NVIDIA, dengan tujuan mempercepat waktu penyelesaian, meningkatkan efisiensi energi, memperbaiki hasil produksi (yield), dan kontrol proses yang lebih ketat . Chairman dan CEO TSMC, C.C. Wei, membingkai kolaborasi ini sebagai langkah memperluas peran TSMC "dari memasok cip AI menjadi menggunakan cip AI untuk membuat cip," yang memperdalam hubungan teknologi antara kedua perusahaan .

---

Teknologi NVIDIA yang Diterapkan dan Peningkatan Terukur

1. Litografi Komputasi — NVIDIA cuLitho

• Alat: cuLitho, pustaka litografi komputasi yang dipercepat GPU .
• Peningkatan: Pengurangan biaya atau waktu siklus sebesar 20–50% untuk desain masker cip dibandingkan dengan metode berbasis CPU, dengan total biaya kepemilikan (TCO) yang sama .
• cuLitho juga mempercepat litografi invers (inverse lithography) sekitar 40x lipat dibandingkan sistem CPU tradisional .

2. Simulasi Transistor, Peralatan, dan Proses — NVIDIA cuEST

• Alat: cuEST, pustaka simulasi struktur elektronik yang dipercepat GPU .
• Peningkatan: Simulasi kimia 50x lebih cepat rata-rata untuk desain material semikonduktor, memungkinkan evaluasi cepat material transistor canggih dan formulasi kimia .

3. Kontrol Proses Lanjutan & Pengurangan Variasi — NVIDIA cuML

• Alat: cuML, pustaka pembelajaran mesin (machine learning) yang dipercepat GPU (bagian dari RAPIDS) .
• Peningkatan: TSMC menggunakan cuML untuk menjalankan analitik skala besar pada GPU, menyaring ratusan ribu parameter proses di ribuan langkah manufaktur menjadi input presisi untuk model pembelajaran mesin — secara signifikan mengurangi variasi proses dan meningkatkan hasil (yield) .

4. Produktivitas Pabrik (Fab) — Penjadwalan Berakselerasi GPU pada NVIDIA H200

TSMC menjalankan beban kerja optimasi penjadwalan dan operasi pabriknya pada GPU NVIDIA H200 Tensor Core, menggunakan pustaka CUDA-X untuk mempercepat algoritma optimasi diskrit, mengurangi waktu penyelesaian penjadwalan dan meningkatkan throughput pabrik secara keseluruhan .

5. Inspeksi Cacat — NVIDIA Metropolis + TAO Toolkit

• Platform: NVIDIA Metropolis (platform AI visi) dan NVIDIA TAO Toolkit (perangkat fine-tuning) .
• Peningkatan: Inspeksi cacat otomatis dengan AI visi yang meningkatkan deteksi cacat skala nanometer sekaligus secara signifikan mengurangi siklus pelabelan ulang dan pelatihan ulang manual .

6. Eksplorasi Digital Twin — NVIDIA Omniverse (FabTwin)

• Platform: NVIDIA Omniverse, digunakan untuk membangun dan mengeksplorasi FabTwin — kembaran digital dari pabrik semikonduktor .
• Tujuan: Memungkinkan TSMC untuk mensimulasikan dan mengoptimalkan tata letak pabrik, aliran material, konfigurasi peralatan, dan logistik produksi dalam lingkungan virtual yang akurat secara fisik sebelum melakukan perubahan pada pabrik fisiknya .

---

Tabel Ringkasan

Area Beban Kerja	Teknologi NVIDIA	Peningkatan Utama
Litografi komputasi	cuLitho	Peningkatan biaya/waktu siklus 20–50%
Simulasi transistor/material	cuEST	Simulasi kimia 50x lebih cepat
Kontrol proses / pengurangan variasi	cuML	Analitik lebih cepat pada ratusan ribu parameter
Penjadwalan & optimasi pabrik	GPU H200 + CUDA-X	Algoritma optimasi diskrit yang dipercepat
Inspeksi cacat	Metropolis + TAO Toolkit	Deteksi cacat skala nanometer yang lebih baik
Digital twin / simulasi pabrik virtual	Omniverse (FabTwin)	Perencanaan dan optimasi pabrik virtual

Seluruh tumpukan (stack) ini berjalan di atas pustaka NVIDIA CUDA-X dan model AI yang diterapkan pada GPU NVIDIA di dalam pabrik produksi TSMC .