AI加速芯片研发，先进产能仍集中在台积电

AI工具走进晶圆厂车间

英伟达11月3日发布博客文章，描述其所说的“由AI定义的晶圆厂”。简单说，AI帮助工程师优化工艺、更早发现问题，也帮助他们在整个制造周期里做决策。

文章列出了一连串提速数字。COMSOL借助英伟达的cuDSS库，把半导体制造的多物理场仿真加速最高10倍。应用材料的Ginestra仿真平台配合cuDSS，运行速度比纯CPU方案最高快10倍。其ACE+平台使用PhysicsNeMo，形貌仿真提速最高35倍。西门子正把cuLitho集成进其Calibre光刻软件，英伟达称这能让关键仿真负载最高加速17倍。这些案例都指向同一个约束：在产线上做物理实验又慢又贵，而在良率或工艺质量上判断失误，后果是实打实的。

英伟达还介绍了数字孪生。团队可以在虚拟环境里先测试改动，再决定是否投入实际试验。公司称，工程师仍然主导工作，凭自己的专业判断拍板，只是等答案的时间少了。

仿真变快，改变的是工程师能测试多少种方案，以及在投入实际试验之前能测多少。

仿真速度为何重要

计算光刻决定电路图形如何印到硅片上。按英伟达的说法，其中的计算量之大，在量产规模下用CPU根本算不完。把这些计算加速，工程师在晶圆送去曝光之前能验证的东西就更多。文章称，在某些情况下，加速不只是缩短计算时间，而是让计算成为可能。文章还说，用物理规律训练的AI可以预测材料和工艺会如何表现，不必每次都跑完整仿真。英伟达称，泛林研究已经证明其PhysicsNeMo框架能预测等离子体行为，而这是刻蚀中成本较高的建模难题之一。多物理场仿真模拟传热、电学行为和机械应力之间的相互作用，这也是求解器速度重要的原因。英伟达举的例子覆盖仿真、材料发现和光刻。

这些工具落在哪里很重要，因为最先进的生产是集中的。台积电称，2026年第三季度先进制程占其晶圆收入的79%。

按台积电的披露口径，这个数字只涵盖晶圆收入。

AI需求集中在台积电

台积电第三季度营收同比增长41.2%，达到467亿美元。高性能计算涵盖AI应用，占总营收的68%，一年前为57%。英特尔同一季度营收165亿美元，增长21%，正努力在多年困境后重拾势头。其数据中心与AI部门增长78%，达到73亿美元。面向PC的业务下滑5%，原因是消费需求走软和竞争压力。Motley Fool的对比文章称，英特尔仍面临一场硬仗：恢复制造竞争力、改善盈利能力，而巨额资本开支又增添了不确定性。对买家来说，谁涨谁跌不如产能重要。英特尔的PC业务下滑，服务器芯片却在增长，这说明需求正转向数据中心芯片，而不是消失。

英特尔数据中心与AI部门的增速快过台积电整体业务，但基数小得多。

芯片设计也在朝同一方向走。一位业内人士10月30日在上海的一场科学论坛上发言。陈天石是AI芯片公司寒武纪的联合创始人。他预测，AI与芯片设计的结合最终会实现芯片设计流程的全面自动化。

“未来10年，最重要的发展……是人工智能的RSI（递归自我改进）技术，即AI模型改进AI模型，AI芯片改进AI芯片。”寒武纪联合创始人陈天石，10月30日在上海一场论坛上

台湾风险与碎片化的规划

Motley Fool对两家芯片厂的对比点出了一项风险：在地缘政治紧张之下，台积电在地理上集中于台湾，这一点值得注意。文章肯定台积电在AI供应链中的关键位置，也肯定先进制程带来的定价权。Robin Saxby是Arm的创始首席执行官。他谈到芯片领军企业在规划方式上的一个相关变化。他在10月30日发表的EE Times采访中说，自己在摩托罗拉、ES2和Arm任职期间，半导体设计与制造本质上是全球化的。他说，如今的领军者面对的是本地化的立法和地缘政治紧张，包括各国的《芯片法案》和英国的脱欧。

“对今天任何一位要做长期决策的首席执行官来说，比如投资之类的决策，都比我当首席执行官那会儿难得多，这很不幸。”Robin Saxby，对EE Times

Saxby于2002年获封爵士，2007年从Arm退休。他说，现代硅设计早已超出平面版图，变成三维、多变量的工程问题。他认为，成功靠的是均衡且专业分工的团队，而不是某一位工程师通吃整个技术栈。3D封装、AI工具和大规模软件集成都在抬高门槛。他是在伦敦西部的TechWorks S2S Summit 2026上发言的。

对买家来说，实际问题在于下一代先进芯片在哪里生产。台积电先进制程占晶圆收入的79%，高性能计算占总营收的68%。这两个数字都没有说明其中有多少产能在台湾。Motley Fool没有做这项拆分。这些也都没有回答采用程度的问题。英伟达的文章讲的是工具和提速倍数，没有说它们在量产中铺开得有多广。台积电公布的是收入结构，没有说背后用的是哪套仿真软件。