NVIDIA 與台積電 AI 晶圓廠合作，已把 GPU 加速與 AI 導入光罩運算、材料模擬、製程控制、缺陷檢測及生產排程。 2026 年 5 月 31 日公布的數據顯示，cuLitho 相較 CPU 流程可改善 20% 至 50% 的成本效益或週期時間，cuEST 的化學模擬平均快 50 倍；但 FabTwin 仍在探索，公開資料也沒有揭露良率提升幅度。
AI 開始碰到晶圓廠最昂貴的問題
晶圓廠的價值很少來自單一設備。它藏在數千道步驟能否準時銜接、製程偏差能否提早收斂，以及一張新光罩能否少等幾天。先進製程往 2 奈米推進後，這些問題同時牽涉物理模擬、影像判讀和多重限制排程，傳統 CPU 叢集開始顯得笨重。
NVIDIA 與台積電在 2026 年 GTC Taipei 公布的合作，把 AI 放進五個工作面。這些工作已進入從設計移轉到量產現場的計算鏈，成熟度則各有差異。
| 晶圓廠工作面 | NVIDIA 技術 | 公布成效或規模 | 目前證據邊界 |
|---|---|---|---|
| 計算微影 | cuLitho | 成本效益或週期時間改善 20%–50% | 與 CPU 流程比較，維持相同總持有成本 |
| 材料與製程模擬 | cuEST | 化學模擬平均快 50 倍 | NVIDIA 與台積電未公開工作負載明細 |
| 先進製程控制 | cuML | 處理數十萬個參數、橫跨數千道步驟 | 已公布降低製程變異，沒有公開百分比 |
| 缺陷分類 | Metropolis、TAO Toolkit | 辨識奈米級缺陷，減少重複標註與重訓 | 未公布誤報率、召回率或良率增幅 |
| 晶圓廠規劃 | Omniverse FabTwin | 先在虛擬環境比較設備配置 | 台積電目前仍在探索 |
這張表裡最值得盯的是「沒有數字」的欄位，50 倍只是已公開的性能指標。晶圓製造的真正報酬會落在週期時間、設備利用率、報廢率和良率；供應商新聞稿若沒有揭露基準、樣本與時間區間，讀者只能把它視為方向性成效。
cuLitho 已從發布走到生產
計算微影（computational lithography）負責修正光線繞射造成的圖形失真。晶片線寬越小，光罩上的圖形就越不像最後希望印在晶圓上的電路，工程團隊必須反覆計算光學鄰近效應修正和反向微影解法。
NVIDIA 在 2023 年 3 月發布 cuLitho 時，宣稱 GPU 流程最高可把微影運算加速 40 倍，500 套 DGX H100 可承擔 40,000 套 CPU 系統的工作。到了 2024 年 10 月，台積電把 cuLitho 移入生產；更新後的配置是 350 套 H100 系統取代 40,000 套 CPU 系統。NVIDIA 也加入生成式 AI，先產生接近理想的反向光罩解，再交給物理方法驗證，公布的額外加速為 2 倍。
這段時間線很重要。2023 年的「可望」屬於性能預期，2024 年的「進入生產」則代表部署狀態。2026 年的 20% 至 50% 數字又把問題推進一步：台積電開始把總持有成本與週期時間放在同一張帳上，不再只看峰值速度。
從單一加速器走向晶圓廠作業系統
cuLitho 解決一個昂貴瓶頸，2026 年合作則把 NVIDIA 的位置往外擴。cuEST 處理原子尺度的材料模擬；cuML 將大量製程參數整理成模型輸入；Metropolis 與 TAO Toolkit 接手缺陷影像；H200 GPU 參與多重限制的排程計算。
我認為這裡最有商業意義的變化，是 GPU 不再只替一套科學軟體加速。NVIDIA 正嘗試提供晶圓廠共通的運算層，讓物理模擬、視覺模型和排程演算法都依附 CUDA。對台積電來說，同一套基礎設施若能服務更多工作負載，採購硬體的利用率會提高，模型部署也比較容易標準化。對 NVIDIA 來說，這會把 GPU 從建廠資本支出延伸到持續更新的軟體與模型需求。
依賴也會跟著加深。製程資料極敏感，模型漂移可能影響品質判斷，GPU 軟體堆疊則會增加供應商鎖定。台積電必須保留物理模型、統計製程控制和人工覆核，讓 AI 的輸出能被追溯。否則一次錯誤分類節省的幾分鐘，可能換來整批晶圓的風險。
Vision AI 的難題在稀有缺陷
先進製程缺陷可能小到奈米尺度，類別也會隨設備、材料和製程條件改變。傳統視覺模型常需要重新標註大量影像，再針對新缺陷重訓。台積電採用 NVIDIA Metropolis 與 TAO Toolkit，目標是提高分類效率，並降低反覆標註的需求。
真正的考題在稀有事件。量產線一天產生大量正常影像，致命缺陷占比卻很低。模型若追求整體準確率，很容易把罕見缺陷淹沒在正常樣本裡。因此，評估指標應包含每一類缺陷的召回率、誤報造成的人工複判量，以及模型更新後是否能維持跨機台表現。NVIDIA 的公告沒有公開這些數字，文章也不能替雙方補上答案。
FabTwin 把資本決策搬到虛擬工廠
晶圓廠的設備配置牽涉無塵室動線、管線、機器人、材料流和人員維修空間。位置一旦錯了，搬動設備成本很高，也會打亂產能。台積電正在探索以 NVIDIA Omniverse 建立 FabTwin，在實體施工或設備移入前比較配置與模擬流程。
數位孿生的價值來自降低不可逆決策。它若能提早找出壅塞點，便能縮短建廠與擴產的試錯時間。不過，FabTwin 目前沒有公開部署範圍、節省金額或上線日期，所以較精確的說法是「正在驗證的規劃工具」。
為什麼這套 AI 值得台積電現在投入
台積電 2026 年第二季營收達 NTD 1.27038 兆（USD 40.20 billion），毛利率 67.7%。7 奈米及更先進製程占晶圓營收 77%，高效能運算占公司營收 66%。這些數字把 AI 晶圓廠的經濟背景說得很清楚：最昂貴、需求最強的產能，也承受最複雜的製程與交期壓力。
公司在 2026 年 7 月把全年資本預算提高到約 NTD 1.92 兆至 2.05 兆（USD 60 billion–64 billion），其中 70% 至 80% 用於先進製程，10% 至 20% 用於先進封裝、測試、光罩製作等用途。當每年投資以兆元計算，排程多擠出一點產能、光罩少等一輪、缺陷早一站被發現，都可能比單純節省伺服器數量更有價值。
這也解釋了雙方關係的特殊性。台積電替 NVIDIA 製造先進 GPU，NVIDIA 又把 GPU 與軟體送回台積電的晶圓廠，協助製造下一代晶片。供應商與客戶的位置在同一個迴圈裡交換。這個迴圈能加快學習，也會讓雙方的產能、軟體與產品路線更緊密地綁在一起。
企業導入時該看什麼
其他製造商想複製這套做法，第一步應該挑一個有明確成本基準的工作負載。計算時間、每批重工成本、人工複判量和設備閒置時間都可以量化。把 GPU 或 AI 模型導入後，再以相同產品、機台與期間比較，才知道改善來自技術或產能利用率變化。
第二步是把模型治理寫進製程規格。訓練資料版本、模型更新、漂移門檻、回復機制與人工簽核都要留痕。晶圓廠追求數月後仍可重現的穩定結果，一次漂亮展示的價值很有限。
常見問題
NVIDIA 與台積電把 AI 用在晶片設計還是製造？
兩邊都有。cuLitho 與 cuEST 加速光罩、材料及製程模擬，cuML、Metropolis、TAO Toolkit 和 H200 GPU 則支援製程控制、缺陷檢測與生產排程。FabTwin 進一步處理晶圓廠配置與規劃。
cuLitho 是否已在台積電量產使用
已進入生產流程。NVIDIA 在 2024 年 10 月確認台積電把 cuLitho 移入生產；2026 年公布的比較數據為成本效益或週期時間改善 20% 至 50%，條件是總持有成本相同。
AI 已經讓台積電良率提高多少？
公開資料沒有可驗證的良率增幅。NVIDIA 表示 AI 可降低製程變異並改善奈米級缺陷分類，但沒有公布基準良率、樣本量或測試期間。
FabTwin 是否已部署在台積電晶圓廠
台積電正在探索以 Omniverse 建立 FabTwin。官方資料把它描述為評估設備配置與模擬流程的虛擬環境，尚未公布全面部署或財務效益。
權威來源
- NVIDIA Newsroom：NVIDIA and TSMC Bring AI Into Fabs to Advance Semiconductor Design and Manufacturing
- NVIDIA Blog：TSMC and NVIDIA Transform Semiconductor Manufacturing With Accelerated Computing
- NVIDIA Newsroom：NVIDIA, ASML, TSMC and Synopsys Set Foundation for Next-Generation Chip Manufacturing
- 台積電：2026 年第二季財務結果
- 台積電：2025 年報
Author Insight
我們協助製造業客戶規劃 AI 時，最常被低估的是基準線。模型上線很快，建立能追溯到批次、機台與成本中心的成效資料卻很慢。NVIDIA 與台積電這次合作真正值得學的地方，是把 AI 接到原本就有財務責任的製程指標。另建一座無人負責的展示間沒有同樣價值。
Tenten 團隊曾協助製造與科技企業整理資料治理、AI 工作流及系統整合需求，會先把可驗證的營運指標寫進試點設計。如果你正在評估製造 AI 或數位孿生，可以和 Tenten 團隊討論導入範圍。
術語表
- 計算微影（computational lithography）：用物理與數學模型修正光罩圖形，使電路能準確轉印到晶圓。
- 光學鄰近效應修正（optical proximity correction, OPC）：補償曝光與繞射造成圖形偏差的計算流程。
- 反向微影技術（inverse lithography technology, ILT）：從目標晶圓圖形反推光罩解法。
- 先進製程控制（advanced process control, APC）：依量測與設備資料調整製程參數，降低變異。
- 數位孿生（digital twin）：以可更新的虛擬模型模擬實體工廠、設備或流程。
