Les GPU Nvidia s’envolent des fabs – et y retournent directement • Le registre

Commentaire Comme le saumon qui retourne dans ses eaux ancestrales, les GPU de Nvidia retournent dans les usines de puces.

TSMC, ASML et Synopsys utilisent tous les accélérateurs de Nvidia pour accélérer ou booster la lithographie computationnelle. Pendant ce temps, KLA Group, Applied Materials et Hitachi utilisent désormais un code d’apprentissage en profondeur exécuté sur le silicium à traitement parallèle de Nv pour l’inspection par faisceau électronique et de tranches optiques.

Bien sûr, les fabs regorgent d’électronique, de sorte que les puces de toutes sortes retournent au perchoir d’une manière ou d’une autre. Mais il est intéressant de voir les GPU accélérer cette partie du processus de fabrication. Alors que nous rétrécissons les grilles des transistors, ce qui nous aide à en intégrer davantage dans nos processeurs, la lithographie computationnelle est nécessaire – comme c’est le cas depuis plusieurs années – pour produire des photomasques capables de graver les caractéristiques toujours plus petites des grilles dans le silicium.

Jusqu’à récemment, ces charges de travail fonctionnaient en grande partie sur des cœurs de processeur, bien qu’il s’avère qu’avec les bons ajustements, les GPU sont assez bons pour accélérer de telles tâches.

Pour la lithographie numérique, le processus est assez simple. La plupart des puces sont gravées dans du silicium en projetant des longueurs d’onde de lumière spécifiques – souvent dans la partie ultraviolette extrême du spectre – à travers un photomasque. Pour produire des transistors de plus en plus petits sur des puces en silicium, les ingénieurs ont dû faire preuve de créativité pour éviter, d’une part, que la distorsion ne brouille les caractéristiques. Aujourd’hui, ces photomasques sont si ornés qu’ils sont générés sur des clusters de calcul massifs qui peuvent prendre des semaines.

En utilisant l’accélération GPU, le PDG de Nvidia, Jensen Huang, affirme que ce processus peut être accéléré de 50 fois. “Des dizaines de milliers de serveurs CPU peuvent être remplacés par quelques centaines de systèmes DGX, réduisant ainsi la puissance et les coûts d’un ordre de grandeur”, a-t-il déclaré cette semaine.

Utiliser l’IA pour construire de meilleures puces

Quiconque a prêté attention ces derniers temps saura que les processeurs graphiques sont bons pour plus que le calcul haute performance. Ils sont également le cœur battant dont dépend l’IA à grande échelle d’aujourd’hui. Et tandis que Nvidia a cessé de prétendre que l’intelligence artificielle est présente dans sa pile logicielle cuLitho en mars, Vivek Singh, vice-président du groupe de technologie avancée de Nvidia, a clairement indiqué que ce n’était qu’une question de temps avant que l’IA ne soit largement appliquée à la lithographie informatique.

A l’ITF semi-conducteur conférence Mardi de cette semaine, Huang de Nvidia a vanté le potentiel de l’IA pour insuffler une nouvelle vie à la loi de Moore. “La fabrication de puces est une application idéale pour l’informatique accélérée Nvidia et l’intelligence artificielle”, a-t-il insisté. Eh bien, il dirait ça.

Alors que les usines sont déjà hautement automatisées, Nvidia voit une opportunité d’appliquer le travail qu’elle fait autour de la robotique, des véhicules autonomes et des chatbots à la fabrication de puces – et de gagner des millions en vendant des GPU aux concepteurs de processeurs, aux fournisseurs d’équipements et aux fonderies.

Au cours de son discours, Huang a taquiné VIMAun “modèle d’IA incarné multimodal formé pour effectuer des tâches basées sur des invites textuelles visuelles, comme la réorganisation d’objets pour correspondre à une scène”.

Huang n’a pas mentionné explicitement l’application de cela aux logiciels de conception de puces, mais étant donné l’accent mis par la conférence sur la fabrication de semi-conducteurs, il est facile de voir comment cela pourrait être. “J’attends avec impatience que la robotique physique-IA et les jumeaux numériques basés sur Omniverse contribuent à faire progresser l’avenir de la fabrication de puces”, a-t-il ajouté.

Le temps est venu

L’intérêt soudain de Nvidia pour vendre l’industrie des semi-conducteurs sur l’informatique accélérée n’est guère surprenant.

Suite à l’effondrement du marché des GPU grand public et à l’hiver crypto en cours, la division des centres de données de Nv a fait le plus gros du travail pour la société. Huang a même subi une baisse de salaire au cours du dernier trimestre en raison des performances médiocres de son entreprise.

Malgré une baisse assez récente de la demande de puces – en grande partie dans le haut de gamme – les opérateurs de fonderie, tels que Samsung, TSMC, Intel, SK hynix, entre autres, poursuivent de nouveaux projets de fonderie. Cette expansion a été alimentée en grande partie par une série de mouvements aux États-Unis, en Europe et dans la région Asie-Pacifique, qui, combinés, valent bien plus de 100 milliards de dollars en allégements fiscaux et subventions pour le monde des semi-conducteurs. Nvidia est dans une position privilégiée pour bénéficier d’un développement accru des puces.

L’IA peut inquiéter les cols blancs – assurez-vous de consulter Kettle de cette semaine pour en savoir plus à ce sujet – mais cela pourrait remédier à une pénurie de travailleurs qualifiés dans le domaine des semi-conducteurs.

Au début de l’année dernière, le Center for Security and Emerging Technology a averti que la “relocalisation” de la fabrication de semi-conducteurs aux États-Unis pourrait être entravée par un manque de travailleurs qualifiés. Selon leur estimation, l’Amérique aurait besoin de former, d’embaucher ou d’importer 27 000 travailleurs supplémentaires.

Le fondateur de TSMC, Morris Chang, a souligné à plusieurs reprises à quel point la fabrication de semi-conducteurs est beaucoup plus chère aux États-Unis par rapport à Taiwan.

Pour combler ce vide et contenir les coûts, nous ne serions pas surpris de voir les fabricants de puces redoubler d’efforts pour automatiser encore plus le processus de fabrication et de conception en tirant davantage parti de l’IA/ML. ®