NVIDIA：截至2026年10月14日，AI應用從晶片設計延伸至晶圓廠

AI從晶片設計延伸至晶圓廠

截至NVIDIA 2026年10月14日新聞稿發布日，NVIDIA表示半導體業者正採用CUDA-X函式庫，涵蓋晶片設計、製造與測試，以推動AI定義晶圓廠。同日新聞稿中，NVIDIA表示AI定義晶圓廠利用AI協助工程師最佳化製程、解決生產問題與提升生產效率，並透過材料、檢測資料及數位孿生模擬製程變更。

NVIDIA在2026年10月14日新聞稿中稱，cuPotential可讓開發者建立模擬原子與分子互動的AI代理；截至該新聞稿發布日的早期測試，該函式庫讓已GPU最佳化的工作流程額外加速2至3倍。

NVIDIA在2026年10月14日新聞稿中稱，Synopsys截至該新聞稿發布日使用cuPotential、cuEST與cuDSS進行半導體模擬；早期QuantumATK結果顯示cuEST潛在加速30倍，S-Device基準測試則顯示cuDSS加速12倍。

台積電的微影、材料與缺陷檢測應用

NVIDIA在2026年5月31日新聞稿中表示，截至該稿發布日，台積電使用CUDA-X函式庫與AI模型，涵蓋微影、電晶體及製程模擬、先進製程控制與晶圓廠營運最佳化。該新聞稿稱，台積電使用cuLitho後，相較CPU微影計算，在維持相同持有成本下，成本效益或週期時間其中一項可改善20%至50%。

NVIDIA在2026年5月31日新聞稿中稱，截至該稿發布日，台積電使用cuEST進行半導體材料設計的化學模擬，平均速度提升50倍；同一新聞稿稱，台積電正探索使用NVIDIA Omniverse建立FabTwin虛擬晶圓廠，以數位方式評估製程工具布局與相關模擬流程。

NVIDIA在2026年5月31日新聞稿中表示，截至該稿發布日，台積電使用Metropolis與TAO Toolkit改善先進缺陷分類，透過視覺AI提升奈米尺度缺陷的檢測。NVIDIA的半導體產業頁面則將其平台描述為結合GPU、Vera CPU、CUDA-X與Omniverse，支援從設計驗證到晶圓廠營運、檢測與測試的完整半導體工作流程。