メーカーとサプライヤの関係が逆転するTSMCとNvidiaの新�\術
メーカーとサプライヤとの関係がひっくり返る��例がNvidiaとTSMCとの間に見られる。これまではファブレス半導��としてのNvidiaが設��したチップをTSMCが���]するという関係だった。今度はTSMCがメーカーとなり、プロセス中によく使うリソグラフィ工��でより��確なマスクを作��するための���Qに、サプライヤであるNvidiaのGPUを�W��するのだ。
図1 CUDA-Xライブラリの���Q機リソグラフィツールCuLitho によるチップの例
半導��プロセスのリソグラフィ工��におけるマスク作��に、NvidiaのGPUとそのソフトウエアCUDA、さらにCUDA-Xライブラリの�kつであるCuLithoを�W��したことで、「性�Δ��j幅に向�屬靴�。スループットが�S的に向�屬掘▲汽ぅ�ル時間が�]縮、消�J電��も��少した」、とTSMCのCEOだったC.C.Wei��が今�QのはじめのGTC Conferenceで�Bしていた。10月8日に開��されたNvidia AI Summitでは、��来よりも45倍改��したと同社エンタープライズプラットフォーム担当VPのBob Pette��は�Bしている。
同日のNvidiaのブログ（参考�@料1）では、CuLithoがすでにTSMCに使われて�jきな成果を�屬欧討い襪海箸���らかにしている。加工するシリコンウェーハのパターン配線幅と配線間隔が光の�S長よりも�]くなるほど微細化すると、パターン通りのレジストパターンが出来なくなる。このためOPC（Optical Proximity Correction）�\術によってパターンを�里�したり丸めを�{加したり、細くしたりする、など����を行ってきた。����されたパターンは、�v路図のパターンとは��く違うものになるが、露光するとほぼ�T図したとおりのパターンを�Wくのである。
すでに193nmのArFレーザー時代から90nmなどの加工に使われてきた�\術ではあるが、パターンの����だけではなく、パターンそのものの向きを揃える、光源の最適な形にする、水の屈折率を�W��する、などさまざまな�\術を�~使することで、�S長限�cをより遠くへ押し出してきた。これが限�cに来た時に、所望の配線ピッチを半分だけずらして再度露光するダブルパターニングや3�v露光するドリプルパターニングなども使ってきた。しかしスループットが半分あるいは1/3に落ちるため、�S長13.5nmのEUVが使われるようになった。
EUV露光でさえも、3nmプロセスや2nmプロセスに相当する実際の配線幅が10nm��度になってくると、これまでのように試行�惴軼�に最適なパターンを作るのではなく、最初から���Q機を使って、加工したいパターンに合うような最適なパターンを���Qするようになってきた。これが、NvidiaがTSMCへ納入するGPUと、ソフトウエアCUDA、CUDA-Xライブラリの�kつであるCuLithoを�W��する���Q機ベースのリソグラフィ�\術である。
CuLithoには、Maxwellの電磁�c解析や、レジストの微細な反応を表す光化学、OPCなど光の�vり込みや�v折による現��を解析する�∨，亮��Q�}法などに加え、これまで何度もイタレーション（実�xと�T果の繰り返し）をしてきた経�x値や数学的な�@関数演�Qなどの極めて��雑な���Q�}法を���△靴討い�。いわば、さまざまなモデルと���Q�}法のノウハウの�修任△襦�
ファウンドリには、このための専��のデータセンターがある。先端ファウンドリには、�Q間で数��億時間のCPU時間をコンピュータ���Qしていた。�kつのSoCの代表的なフォトマスクセットでは3000万時間というCPU時間がかかっていたという。アクセラレーティングコンピュータ演�Qでは、4万個のCPUは、NvidiaのH100 Tensor Core GPUベースのシステムなら350個で済むとしている。つまりGPUとCuLithoシステムを使えば、コストとスペース、消�J電��を�j幅に削��できるとNvidiaは主張する。
これまでNvidiaのGPUは消�J電��が�jきいと言われてきたが、Nvidiaは�e��可�Δ淵灰鵐團紂璽振\術を開発するためにGPUの性�Δ��屬欧討�たという。NvidiaのBob Pette��は、「10�Q�iのGPUである『Kepler』は、1.8兆パラメータのGPT-4を学�{させるのに、5,500 GWhもの電��を消�Jするが、最新のGPUの『Blackwell』だとわずか3GWhしか消�Jしない」というグラフを見せた。もちろん、AI研�|�vは10�Q�i、これほど巨�jなデータを学�{させようと考えることはなかった。それを学�{させるために膨�jな時間がかかるため、みんな��めていたのだ。しかし、��めなかったOpenAIが�收�AIを�擇鵑世里任△襦�GPUをはじめとするAI半導��は、むしろこれからが本番である。
参考�@料
1. “TSMC and NVIDIA Transform Semiconductor Manufacturing with Accelerated Computing”, Nvidia Blog, (2024/10/08)
