英伟达 mvd 也是一家全球领先的计算技术公司,主要以设计和制造高端显卡为主。以下是英伟达显卡的制作过程原理的概述。英伟达的显卡制作过程始于芯片设计,工程师团队使用计算机辅助设计、 cad 软件创建显卡芯片的电路图和物理结构。这些图纸包含了处理器、核心、显存控制器、图形计算单元等不同组件。一旦芯片设计完成,就进入芯片制造阶段。这个过程主要涉及到光刻和半导体工艺技术。 首先进行光刻的步骤,将电路图纸转移到龟片上,然后通过离子注入等技术再龟片上形成不同层次的晶体管和连线。 完成芯片制造后,芯片需要进行封装和测试。封装是将芯片放置在塑料或陶瓷封装中以保护芯片,并为其提供连接外部电路的影角。 之后,芯片进行功能测试和性能验证,以确保其正常工作并符合规格要求。制造显卡的下一步是将芯片和其他必要的组件,如散热器、电源连接器等组装到显卡板上。这需要高度自动化和精密的工艺流程,以确保组件正确安装并确保电路连接可靠。 最后,英伟达开发和发布与其显卡兼容的驱动程序,并通过软件优化和微调来提供最佳的性能和稳定性。这些驱动程序和优化是为了更好的支持图形渲染、计算和其他专用任务,以提供出色的图形性能和用户体验。总结起来,英伟达 显卡的制作过程涵盖了芯片设计、芯片制造、封装和测试、显卡组装以及驱动程序和优化等环节,这些步骤的协同完成确保了英伟达显卡的高性能、稳定性和可靠性。
粉丝105获赞954


因为达的 gpu 的制造离不开 euv 光刻机,那 gpu 能不能帮助他自己的芯片制造呢?我是斯坦福尔基签泡沫师,下面我就在硅谷给大家做第一手的解读。 英伟达的创始人和 ceo 黄仁勋就在今年的 gtc 上花了十分钟来讲这个故事。现在世界上所有最先进的芯片都是用 euv 的光刻机所制造出来的。 euv 就是集紫外线的意思,他的波长只有十三点四纳米,这么短的波长所有的物体都会穿透,所以他只能用反射的方式来成像。 在这个光路中间的这个移动部分叫做光照,他的上面有些地方反光,有些地方不反光,这样就可以把图形印到最后的芯片上。 euv 的光刻机是人类至今为止制造出来的最精密的机器,也是地球上最昂贵的机器,一台就要两亿五千万美金。 uv 的光源 是经过了几十年的研发才制造成功,他的激发机制也非常的复杂。而 uv 光刻机里边最精密的部分就是他这一套镜头,这反光镜的镜头基本上都有两米, 但是他的平整度的误差要求小于一个原子的高度,这就相当于如果面积是整个德国的话,他的高度的误差不能够超过一毫米。这个镜头只有德国的蔡司才能制造,所以你可以把光刻机想成一个超精密的投影机, 就是光通过光照把光照上的图形投影到精元上,所以需要我们计算的实际上是一个反问题,就是知道精元上所要进的图形反算出来光照上应该是什么样的图形?那这个呢?就叫做逆光刻技术, 英文是 inversity socrate technology, 简称 i l t, 是由我上一家创业公司 lucanizant 所发明的,也是由我命名的。 iot 需要大量的算力,而且非常适合 gpu 加速。就像台机电的 ceo ccv 所讲的, iot 已经成为台机电下一代两纳米制成的最核心的技术之一。 因为对 iot 的重要贡献,今年被国际光学和光子学会 spie 评为了 spie fellow, 也就是院士最近也收到了这个奖杯。

nvidia 的发展历程确实颇具戏剧性,其成功可以归因于一系列重要的战略决策和市场机遇。从最初作为一个小型的图形处理单元 gpu 制造商起步,到成为今天在多个领域领先的技术巨头, nvidia 的历程充满了转折和突破。一、 微软订单的重要性 nvidia 在其早期获得了微软的巨额订单,这为公司提供了稳定的资金流和市场地位。这一订单主要是为微软的游戏机 xbox 提供 gpu。 这不仅为 nvidia 带来了收入,也提升了其在图形处理领域的知名度 和技术实力。二、 a m d 收购 a t i a m d 在二零零六年收购 a t i。 这一战略移动对 a m d 和整个 g p u 市场产生了深远影响。 这一时期, a m d 在整合 a t i 过程中遇到了一些挑战,这也间接为 nvidia 提供了市场上的机会。三、豪赌 cuta nvidia 在二零零七年推出 c u d a c impute unified device architecture 平台,这是一次对公司未来发展至关重要的投资。 coulda 允许开发者利用 nvidia 的 gpu 进行通用计算,这不仅改变了图形处理的领域, 也为后来的 ai 和深度学习热潮打下了基础。初期,华尔街可能对 kuda 的价值持怀疑态度,但随着时间的推移, kuda 成为了 nvidia 的一个重要优势。 四、与特斯拉的合作。 invidia 与特斯拉在汽车自动驾驶技术方面的合作也是其成功的重要部分。 invidia 为特斯拉提供车载技 计算平台和 gpu, 这些技术是实现自动驾驶功能的关键。五、加密货币矿卡市场随着加密货币的兴起, nvidia 的 gpu 由于其强大的计算能力,成为挖矿的热门选择。这一市场的突然爆发为 nvidia 带来了额外的收入和市场需求。 六、 ai 和深度学习的领先地位最近几年, nvidia 在人工智能和深度学习领域取得了显著的市场份额。得益于 coda 平台以及高性能 gpu 的强大计算能力, nvidia 成为了这一领域的主导者。

有些人会有疑问,芯片企业为什么不制造芯片?本视频将解析原因。自从二十世纪八十年代末,不制造芯片的芯片公司数量飞速增长,这些公司设计芯片,但将芯片制造工作外包给排气垫这种专业生产芯片的制造型企业, 为什么这些芯片设计公司自己不投资生产芯片呢?事实证明,设计芯片需要一个好主意和数百万美元的资金就可以启动了,这只是建造一个芯片生产企业所需要资金的很小一部分。说的直白一些,就是启动资金门槛非常低,适合初创型企业。 当下人工智能发展迅猛,在算力方面,英伟达的芯片是领头羊,但是英伟达也不是生产芯片的,他的芯片主要有台机电生产。对于英伟达而言, 初创时期幸好不需要自己建设芯片生产线,否则在启动阶段很可能筹集不到所需要的资金,也就不会有现在的成就。当时,即便是具有硅谷冒险精神的投资者,赌上一亿美元建设一个芯片生产企业也是非常难的一个事情。 此外,运行一个芯片生产企业不仅消耗金钱,也消耗更多的时间和精力。以英伟达为例,设计顶级芯片就已经有很高的难度了,如果还需要消耗更多的时间、精力和金钱去运营芯片生产环节,他就无法专心致志的完成自己芯片的设计。专场 咱们再看一下高通,高通公司通过销售芯片和知识产权的许可获得了极高的收入,但是高通公司也不生产芯片。高通设计芯片将生产环节外包给了三星或者台机电这样 的公司,高通曾经考虑自己建设芯片生产工厂,但是考虑到了成本和复杂性,他决定放弃了。无论是英伟达还是高通,将芯片制造环节外包出去后,集中优势资源,专注于自己最擅长的芯片设计领域,越做越强。 基于上述内容,芯片行业这样的发展分工模式还将继续下去,这也是华为等中国芯片设计公司自己不生产芯片的重要原因。 目前中国内地最强的芯片制造企业是中兴国际,但与台机电这样的行业领头羊相比,技术实力与市场份额还有很大的差距,还需继续努力。

有小伙伴留言说想看显卡的核心,还有小伙伴说祥生没有自由工厂,今天呢,小七就来带大家到祥生工厂去看看大家手里的祥生显卡究竟是如何诞生的,这一片片崭新的,因为它适应期四零六零去 p u 就是显卡的主要核心所在啦。 祥生呢,从零五年成为英伟达中国区第一个 ic 开始,一直都是英伟达密切的合作伙伴,大家看到芯片呢,也是英伟达官方渠道提供。祥生工厂呢,当然也不只是生产显卡,我们也有自由的主板产线。今天呢,主要是来大家看一下祥生显卡的诞生。有对主板生产感兴趣的小伙伴呢,可以评论区留言 给大家变个魔术。显卡呢,是如何从光溜溜的 pcb 版到插满各个重要原件完整的 pcb 版呢?我们可以看到 pcb 通过机械手推上产线后,发动吸高记录贴片流程。高速贴片机呢,会将数以千计的电容、电阻等小型原件贴到 pcb 版 上,掀开小习手里的 gpu 和其他较大原件卢显存呢,就会使用专用贴片机进行完成。贴片完成后的 tcb 版呢,会进入到回流焊中焊接贴片原件。我们家的显卡呢,在焊接过程中会使用氮气进行焊接保护,氮气呢能够更好地延长显卡使用寿命。 这里呢就有氮气的储存室啦,里面呢都是零下一百多度液态氮哦。完成焊接后会进入到 ai 检测,通过高速工业相机呢,会对 pcb 版进行 ai 检查,剔除不良品。 ai 检测在显卡生产的过程中会多次使用。随后呢就是进入到 dip 插件,如电容、电杆等原件安装, 工人小姐姐小哥哥们会快速精准的完成插件安装,插件安装完成后,会再次图片进行 ai 检测,以方便精准剔除不良品,确保到达大家手里的显卡呢,都是顶好的大气条呢,在波风焊的锅炉内融化后,就大家看到的翻滚的银色火锅 b 板呢,会从这些吸的上方通过经过高温烘烤后,以确保让每个原件的都能刷上吸。完成 dip 原件焊接后,就会进入到 pcb 环保清洗工序,这是为了清洁焊接完的 pcb 版,以确保无任何瑕疵问题。到这里呢,就可以组装散热模块啦, 小姐姐小哥哥们会高效精准的将显卡背板与散热主线打上螺丝进行拼装。为确保到达玩家手里的显卡呢都是优质产品,我们会将每一张显卡呢进行插机、亮屏以及三 dmak 烤机等检测,只为了确保到达玩家手里都是高品质的显卡。至此,一张完整的显卡呢就将诞生了。 在小哥哥小姐姐们的机器包装下,封装好的显卡呢就可以装车上路啦!漂洋过海只为把军陪,从此能花前月下,共度风花雪月。

事实上,在显卡的产业链中,英伟达也是处于最上游的位置。他们设计的 gpo 首先会交给台机电和三星这样的金元厂来制造芯片,然后再搭配浅存三十片等元器件, 传出一个公版显卡。随后他们会将 gpo 卖给七彩虹、华硕、微星这样的厂商。这些公司可以参考英伟达的公版显卡,根据自己的价格定位,修改配置并批量生产。再然后,你梦寐以求想抱着睡觉的独立显卡就生产出来了。 多说一嘴,很多朋友可能会有一个疑问,英伟达干嘛要将 gpo 卖给那几家呢?有了 gpo, 自己造钱卡,钱都自己赚不香吗?其实,像英伟达和高通、 amd 等, 现在都是专注于芯片设计的公司,这个环节不需要自建工厂,可以把资金全部砸在研发上,往往能拥有整条芯片产业链最高的利润率。同时 资质显卡到产业链下游去和七彩虹等场上竞争,对于英伟达核心的 gpo 业务来说,恐怕并不是最优解。让更多的人用自己的 gpo 稳固行业老大的位置,可能 才是更好的选择。这就像谷歌会做奈克萨斯和 kico 这样的样板旗舰机,但却并不是为了和三星、小米等品牌抢夺手机市场。对于谷歌而言,把全世界安卓机的控制权抓在手里才是最要紧的是。另外,因为达下一步的扩张目标锁定在 cpu 业务上, 从去年开始的 arm 收购案中就可见端倪。好了,大概了解了显卡产业链后,我们可以聊聊你到底啥时候能买到原价显卡。首先,挖矿的确影响了显卡市场,但 实际影响最大的还是疫情对于芯片制造业的冲击,以及疫情前后芯片订单量的变化与堆积。因为大家已经说了,估计整个二零二一年 gpo 的供货量都上不去。 然而这还是算比较乐观的,比如台阶垫和英特尔的态度就是二零二二年芯片的产能估计也够呛。另外,受此次产能危机影响,开始新建的芯片代工厂 乐观估计也需要等到两年后才能开工投入生产。更要命的是,去年年底,有中国台湾的科技媒体爆料,三星为英伟达代工的八纳米生产线良品率很不理想, 进一步恶化了 gpu 产能不足的问题。所以想拿到原价显卡的你,不仅要祈祷一勤早点结束,还得盼望三星八纳米生产线可以争点气。最后,对少数盘算着借显卡赚钱的朋友,我们想说, 收手吧,像显卡这种没有收藏价值的电子产品,市场经济那只无形的手最终肯定会抚平他所有的溢价。而同时,在这个世界上或许存在暴富的故事,但相信我,绝大多数情况下,他并不属于你我这样的普通人。更有 可能的故事是,想要抄底的,你却总是在山顶放哨,一场击鼓传花的游戏中成了最终的接盘侠。努力工作,勤劳致富。 朋友,请永远相信正道的光创作实在不易,对科技商业内容感兴趣的朋友,动动手指关注一下吧!


特斯拉最核心的竞争力是什么?除去品牌议价、设计以外,自动驾驶能力一定是最打动消费者的那个。如今有这样一家企业,他默默的在自动驾驶芯片领域耕耘,芯片算利已经能够秒杀特斯拉。 奔驰、比亚迪、魏小李都爱他,他就是英伟达。最近,英伟达宣布,比亚迪将在二零二三年上半年开始生产搭载 gfr 运计算平台的汽车。另外,被称为美国小鹏的 lucy 也成为英伟达的合作伙伴。算上这两家企业,英伟达在汽车领域的合作伙伴已经超过二十五家,还有谁呢? 有奔驰、沃尔沃、捷豹、路虎、现代这样的传统主机场,又有未来小鹏理想、威马、上汽自己这样的造车新势力,甚至还有通用 cruz、 亚马逊 zux、 滴滴小马之行、文远之行这样的自动驾驶公司。为什么大家都爱英伟达?最直接的第一个答案就是一个字,强!英伟达是汽车 gpu 的发明者, gpu 就是图像处理器,简单点来说, gpu 就是 cpu 的小老弟,只负责处理图像,而 cpu 是什么都能干。在汽车主控芯片的 gpu 市场,因为达常年处于垄断地位,能保持百分之七十的市场占有率, 因为他早在二零一五年就推出了提挂 x 一芯片,当时的算例只有一 tops。 到了二零二零年, zebra 芯片的算例已经到了三十 tops, 而二零二二年量产上交的欧瑞算利一下到了二百五十四 tops。 目前还没有亮相的阿特内自动驾驶芯片,单科算率达到了惊人的一千 tops, 这是什么概念?首先, tops 就是一个单位,代表了处理器的运算能力。作为对比,特斯拉自演的自动驾驶芯片单科算例在一百四十四 tops。 因此很多车企都疯抢英伟达的自动驾驶芯片,甚至有人说,拿到了英伟达的芯片,就等于拿到了通往未来的钥匙。既然自动驾驶芯片如此重要,为什么车企们不 像特斯拉一样自己研发呢?因为对车企来说,自然芯片会耗费大量的人力物力财力,而且也很耗时,是一个非常长期的工作。与因为达合作,可以把这部分工作简化,从而去做其他的事情。 因为他的芯片平台开放性很高,车型们完全可以在这一基础上再去做更进一步的细化工作,省时省力。而且因为达到二维芯片,支持从 l 二到 l 五级别的自动驾驶,车企可以根据自己的需求随意调配。这些优势的叠加让你伟大成为了一个非常不错的选择。 遇见的是在未来,因为他可能还会牵手更多车企,但即便如此,车企也应该具备一定的芯片研发能力,只有这样才能将合作的优势最大化。这里是董事理报道,关注我,了解不一样的汽车观点。

今天我们不知道显卡给大家看一下显卡的一个生产过程,带大家了解一下呢,一张显卡是怎么从零到有这么一个诞生的,那么我们这次给大家看的是东莞的百能工厂的生产流水线,也是索泰的这么一个显卡的主要生产基地。 首先我们可以看到啊,在流水线上 pcp 板呢都是批量的物料,现在在生产线上进行检测,然后呢送进机器给 pcp 板呢做一个初步的处理, 然后呢在自动生产的机器上呢打上电容啊,显存啊等显卡的一些必要的零部件之后,会交给流水线上的工人呢,进行进一步的人工的检测,排查有可能出现的误差以及出不的 啊这么一些状况。然后呢才会进入机器给给打上显卡的灵魂,也就是他的 gpu 的核心。人们呢此时还会检查一遍零件的完整性以 以及 pcb 版的,再进一步排查,然后呢才会贴上这个显卡的身份证号,也就是他的 sm 码以及标签啊,然后呢就会交给下一步给人工进行手动组装一个显卡的散热啊以及他的挡板。 一张显卡的组装部分呢,到这里基本上就完成了,然后呢也就到了比较重要的一个环节,就是检测环节,其实无论是哪一个产品,或者说哪一个厂商啊,在任何产品出厂商呢,都一定会有检测 的这么一个流程,在显卡也是相同的这么一个情况啊,显卡在出场时呢都会进行一个商机的检测,并且商机检测呢也是简单高效的这么一个测试环节, 包括啊一线大牌的微星啊,或者说华硕索泰等等的大厂啊,都会存在上级检测这么一个环节。所以说呢,金手指并不能作为唯一判断 二手啊,或者说是矿卡的标准,大家要结合多方面来去综合判断戒指,一个金手指有那么划痕啊,就能去做这么一个判断。然后呢,大家如果说有关注这个显卡,肯定有也有去看过前几天装机缘的,有一个拿放大镜去看一个显卡的这么一个 啊视频啊,其实新出道显卡的基本上每一张都会有或多或少的这么一个划痕在上面,显卡呢要通过所有的分辨率测试,跑坟以及一个压力测试呢,显卡呢才会送往包装打包的环节,到了这一步之后呢,才会到大家手上。 其实看完整个完整的显卡生产线过程之后呢,大家是不是对显卡的组成啊,或者说对生产流程呢有一个一定的了解呢?内卡这个东西呢,它其实并不是一个艺术品,同样是流水线上批量生产的电子产品,在组装检测时呢,都是人工进行处理的,部分显卡呢,可能会有些人工留下的 的痕迹呢,这也是不可避免的啊。其实看完整个显卡的生产线的过程啊,大家对显卡的组成呢,或者说生产流程是不是有了一定的了解呢?等一个电子产品,在组装检测时呢,都是人工进行处理的,部分显卡呢,可能会对人工常用的痕迹呢,也是无法避免的。 显卡毕竟不是靠精美包装或者说文案带来价值,产品也只是普普通通的工具而已。好了,都看到这里了,就随手帮我点个赞吧,我们下期再见。

英伟达要进军芯片制造了,助攻两纳米以下制成改变光刻机游戏规则,又是核弹又是王炸,英伟达就发布了一个软件库,一群自媒体就集体高潮了, 这到底是怎么一回事呢?我给大家讲一讲啊。前不久啊,在英伟达 j t c 大会上,黄人勋发布了一个针对芯片制造领域,准确的说啊,是光刻基础相关的软件库,叫做 que liso, 它呢其实是 computational lisal group 的缩写,也就是计算光刻啊,我们做过很多期光刻机相关的视频,但是呢,没有提到过这个概念啊,正好借这个机会来讲一讲这个所谓的计算光刻。 大家都知道啊,现在芯片的支撑越做越小,精度要求啊越来越高,不仅晶体管变小了,晶体管之间的这个距离啊,也在迅速的 缩减,而要冲击两纳米,一纳米甚至更小的支撑啊,即便是现在的 euv 光刻机呢,也有些力不从心,那么整个制造流程啊,它的复杂程度呢,也是呈指数级上升, 因为啊,我们要做的芯片,其实呢,已经远远超出光刻机的一个物理极限,那么必须要通过各种办法来不断的去改进优化。而计算光刻呢,就是一个软件层面的,可以助力光刻机实现更小制成的这样一套技术。 首先啊,我们要先搞懂一个基本概念啊,那就是光刻机的分辨率,现在的投影式光刻机啊,他的分辨率计算公式啊,是这样的,那么其中呢, k 一是工艺因子, 对于一个特定型号的光刻机来说啊,他的数值是固定的,那么在右边这个分数中呢,上面的拉姆达是光源的波长,下面的 n a 呢,是镜头的数值孔径,那么很显然,波长越短, n a 值越大,那么光刻机的分辨率就越小,理论上啊,就能够画出的图形啊,就更加的精密些。还记得我们之前有一期视频啊,是讲到了阿斯麦的下一代 uv, 也就是这个 highna 光刻机啊, 那个呢,就是在不改变波长的前提下,增加 na 值来优化分辨率,最早的一百九十三纳米波长,通过纯水的折射来实现计算技术,那么实现一百四十三纳米等效波长的技术啊,也是通过改变 na 值来增加分辨率的。 那么为什么不进一步缩短波长呢?现在的 uv 的十三点五大米啊,其实已经非常短了啊,电光转换效率啊,只有百分之零点零二,继续缩短波长,一方面呢,光源的功率啊,就要进一步提升, 容量损耗呢,会更大,那么光刻机啊,他的用电量也会直线飙升。另一方面啊,光学系统的设计也会遇到很大的挑战, 现在的 uv 之所以用的是十三点五纳米这个波长啊,这个不是人为设定的,而是经过大量的实验摸索出来的,因为这个波长的光啊,他的镜片的反射率是最高的。那么在设计的时候呢,一方面要找到一个合适的发光材料,另一方面啊,又要找到一个合适的反射材料。 经过长期的研究,最终啊,就确定用锡来作为光源,用木和硅的薄膜啊来作为反射材料。这套组合啊,是试验出来的啊,也是目前最为有效的能够基础落地的方案,那么有没有比十三点五纳米还短的呢? 当然有啊,用里元素来作为发光材料,可以达到八点六纳米,但问题是呢,没有满足条件的光学系统没法用啊。所以啊,现在要提升分辨率啊,要么尽可能增加这个 na 值,要么呢就提高工艺因子 k 一的数值。而我们所说的计算光刻呢,就是来辅助提升 k 一这个数值的。这里的一个技术背景是啊,十三点五纳米的机子外光,虽然呢,已经是目前波长最短的光源,但是呢,在应对两纳米,一纳米甚至更低的制成时啊, 还是需要各种的优化措施来补偿台机电的三纳米工艺啊,它对应的晶体管的山体长度是十四纳米,那么这个呢,已经跟波长差不多一样长了啊, 而由于光的眼射效应啊,原来眼模板上的图形,那么刻到这个光刻胶上以后,可能会严重失真,变得非常的模糊,如果不能够按照眼模板上的造型复刻出来,那么整个电路啊,就存在结构性的硬伤。 大家要知道啊,光线投射到一个平面上,它其实并不是一个点啊,实际上是一个光斑,而光能够聚焦的最小直径就是这个波长的三分之一左右。 那么照这么说的话,十三点五纳米啊,他这个机子外光呢,最小聚焦直径啊,也就是四点五纳米,这个好像还可以啊,但实际上呢,根本不行,因为啊,存在眼瘦效应,制成越小,眼瘦效应带来的影响啊就越大,那么最直接的结果啊,就是图形的边缘画不清楚, 所以呢,随着制成的推进啊,光子的眼瘦效应成为了一个巨大的障碍,这个怎么理解呢?大家也可以这样想啊, 我们用相机拍照片的时候,你把这个光圈给调小啊,那么这个画面的噪点呢,就会明显变多啊,那么解析力就下降了。那么放在光合机上呢,其实也是一个类似的道理。 而对于投影式光刻机来说呢,它的眼射极限大概是半个波长啊,对于一百九十三纳米的 dov 光刻机来说,就是九十六点五纳米左右,但实际上, dov 光刻机已经 做到了比这个数字更小的线款。我们举个例子啊, dov 的极限制成啊,是七纳米,那么台机电的七纳米啊,他对应的这个山体长度呢,大约是十八纳米,线宽啊大约是五十四纳米。 那么很显然,这些数字啊,都在 dov 的理论眼射极限之下。而要突破这个眼射极限呢,我们就需要采取一系列的分辨率增强措施啊,那么他的终极目的啊,就是来对抗这个眼射效应,最早应用的就是 psm 相宜眼膜技术,那么他呢,其实是利用光波的相差来锐化图像边缘, 简单来说啊,就是通过向位差来产生干涉,让暗部的光墙减小,亮区的这个光墙要增大,从而呢起到一个提高对比度的作用。那么后来呢,又出现了 opc 啊,光学临近校正技术,他呢依然是针对边缘进行优化,把这个眼模板上的图像边缘 给切割成一些锯齿状的小块,然后啊,利用眼射光波之间的这个干涉呢,来提高成像水平,这个本质就是如果没有临近校正的话,那么答应一个句型啊,最终你得到的可能是一个椭圆形, 而事先在眼膜板上啊,把巨型的四个角呢额外增加一些方块,那么就相当于可以着补啊,可能会被眼色效应损失掉的那一部分。再后来啊,又出现了 ilt 反眼光刻,他呢就是通过光源和图形来反推眼膜板的造型, 也就是说啊,我想要这样一个图形,但是呢,我只有这样的光源,那么就通过计算机模拟计算出来,我应该用什么样的眼模板图形,才能够在眼射效应存在的前提下, 把想要的目标图形啊给打印出来。所以呢,这个就导致了一个反常识的现象,如果你要打印一个十字啊,那么你的眼模板 图形啊,最终可能要设计成这样一个二维码的造型,在超出了光波的演射极限下,这样一个复杂的演播版图形呢,才能够最终啊打印出一个简单的十字来。 那么现在 opc 和 iot 啊,是比较主流的两种分辨率增强技术,他们呢是主要提升了光刻机的工艺因子,也就是这个 ke 值。大家看这张图啊,一片雪花,全是造顶,但是呢,这个其实是一张眼模板,他在打印出来以后,其实呢是这个样子的。 说到这里啊,我们就能理解啊,为了克服光波的眼瘦效应,眼模板的设计规则啊,已经发生了巨大的变化。这张图呢,其实很好的阐述了啊,随着这个支撑降低,眼模板的一个规则变化, 从一九九零年左右的这个原版复刻到二零零零年左右的这个 dog ears 啊,再到二零一零年左右的基于模型的 obc, 再到 o p c 加基于规则的辅助优化,那么我们在图像边缘上做了很多的文章,因为呢,要刻清楚啊,主要就是这个边缘不能跑偏。而再往后呢,在 i l t 时代啊,通过繁衍推算啊,那么实现了这个像素级的控制, 我们会发现啊,为了打印一个简单的十字眼模板的图形啊,已经完全偏离了目标图案,成为了一个相当复杂的二维码,那么更加复杂的目标图案呢,其对应的眼模板造型可想而知。而从目标图案繁衍推算眼模板图像的这个过程呢,其实呢,就是一个图像的卷机运算过程, 而这个过程啊,很显然跟当前 ai 领域的图像处理是直接相关的。所以呢,黄若勋在 ai 热火朝天的时候啊,埋头苦干了两年半啊,搞出了这么一个库勒索,他的意义呢,就是要把英伟达的 gpu 应用到经原厂的 opc 或者 ilt 的预算中。现在的经原厂啊,通常呢都会有自己的数据中心,但是呢,主要是依赖 cpu 为主的这个预算平台,而根据应答的这个宣传啊,他们的方案呢,可以将这个运算过程啊提升四十倍。 那么就拿这个方案自己的这个 h 一百 gpu 来举例啊,它的制作过程呢,是需要用到八十九块儿电波板, 那么在 cpu 上预算的话,单个眼模板需要两周时间,而如果用 gpu 来计算只需要八个小时。那么这个背后的商业逻辑呢,其实就是把 gpu 在 ai 领域的大规模并行计算能力给嫁接过来了, 至于英伟达为什么要鼓吹进军两纳米啊,这个呢,是因为现在的五纳米,三纳米的这个眼模板呢,其实啊,已经在基于 cpu 平台进行开发了,所以啊,英伟达就直接瞄准了两纳米 及以下之城。但是啊,这个阵仗呢,倒也是蛮大的啊,阿斯曼也拉上了,台阶电呢也拉上了, eda 巨头芯丝也给拉上了,总之啊,就是做光刻机的,做代工的,做芯片设计软件的啊,上下游都给整齐了。 那么到这里,英伟达的库里索我们就整明白了它的价值是什么。因为 gpu 作为通用计算平台啊,英伟达给很多行业都专门定制过软件库 啊,这个是为了推销 gpu 吗?你得跟客户提供一个配套工具才行啊。这个产品呢,咱们客观评价啊,确实是可以改善芯片制作流程的,那么也确实有助于往更低的制成去推进, 因为到了两纳米,一纳米,甚至更低啊,计算光刻的价值呢,就会得到前所未有的体现,但是现在呢,还称不上什么核弹啊,什么王炸之类的啊,英伟达呢,就是在卖 gpu, 在老黄的眼里啊, gpu 天下无敌,而实际上 gpu 也好,还是什么库里索也好啊,他呢,只是一个辅助工具,如果能够加速运算过程,那么会有希望啊,减少眼模板的数量,因为呢,他可以通过计算啊,来找到最优的这个繁衍图形,但是呢,这个他不是一定的啊, 具体还是要看精原厂的这个整体工艺水平台,机电,三星和英特尔都是阿斯麦的用户,都有 euv 的光刻机,但实际上这个水平啊,还是多少有些差距的。并不是说啊,大家都有一样的工具啊,就一定能够达到一样的水平, 如果是这样的话,那么中国大陆的芯片制造水平啊,早就引领全球了。最后我想说的是啊,在当下计算光刻,很显然呢,对于摩尔定律的推荐是起到了很大的作用,但是这个作用的上限呢,其实也很快就会达到,因为基于光学的芯片制造啊,它受限于光子 作为一种波的特性呢,他的眼色始终是绕不过去的。那么要想极大程度解决这个问题啊,就不能用光子,而应该用电子之类的,也就是这个电子术啊, 他的波长呢是零点零四纳米,那么理论上可以大幅度提升分辨率。当然呢,这是另外一个话题,有机会啊,我们再讲,我是大刘,感谢观看。