این زبان با ماشین ترجمه شده و توسط انسانی بازبینی نشده است.

فناوری · مقاله

چگونه تراشه‌های هوش مصنوعی مثل GPU‌های Nvidia طراحی و تولید می‌شوند

انتشار:

به‌طور خلاصه

تراشه‌های هوش مصنوعی ابتدا توسط شرکاتی مثل Nvidia با استفاده از نرم‌افزارهای تخصصی برای طراحی مدارها، سپس به‌طور فیزیکی توسط سازندگان قراردادی مثل TSMC از طریق صدها مرحله از چاپ سنگی، حکاکی و بسته‌بندی ساخته می‌شود که در مجموع بیش از یک سال طول می‌کشد. شرکت ASML می‌گوید تقاضا برای دستگاه‌های چاپ سنگی که این فرآیند به آنها وابسته است، حداقل تا سال 2028 بیشتر از تامین خواهد بود، حتی زمانی‌که سهام Nvidia خود در این هفته به دلایل نامرتبط با حرکات بازار مرتبط با تورم، کاهش یافت.

این نسخه ترجمهٔ ماشینی متن اصلی (English) است. خواندن متن اصلی

سهام Nvidia بیش از 3% در روز چهارشنبه در اکتبر 2026 کاهش یافت و در معاملات پیش از شروع نشست روز بعد بیشتر افت کرد، زیرا درخواندن تورم آمریکا قوی‌تر از انتظار باعث افزایش بازده اوراق قرضه و بروز فروش گسترده‌ای در سهام رقائق شد، طبق گزارش Yahoo Finance. همین گزارش می‌گوید ارائه‌دهنده خدمات ابری CoreWeave بیش از 16% افت کرد به دلیل نگرانی‌های مربوط به بار بدهی، Marvell Technology و SK Hynix نیز افت کردند در میان نگرانی‌های جداگانه‌ای درباره رقابت چینی، و سرمایه‌گذاران منتظر نتایج فصلی TSMC هستند که انتظار می‌رود 60% افزایش سود را نشان دهد.

این فروش مرتبط با نگرانی‌های مربوط به نرخ بهره و بدهی بود نه تغییری در نحوه طراحی یا فروش تراشه‌های هوش مصنوعی. اما توجه جدیدی را به صنعت پشت خود رقائق جلب کرده است - فرآیندی که بین دو کسب‌وکار بسیار متفاوت تقسیم شده است: طراحی رقاقه و تولید آن.

طراحی: کشیدن مدار قبل از ساخت هر چیز

شرکاتی مثل Nvidia کارخانه رقائق خود را اداره نمی‌کنند. تحت مدل "بدون کارخانه"، Nvidia معماری رقاقه و نرم‌افزار را طراحی می‌کند - مانند پلتفرم CUDA خود - و به بنیادهای خارجی برای تولید تکیه می‌کند، طبق موسسه سیاست و استراتژی هوش مصنوعی (IAPS). Motley Fool GPU‌های Nvidia را به عنوان سخت‌افزاری توصیف می‌کند که کار آموزش و استنتاج پشت مدل‌های هوش مصنوعی را انجام می‌دهد.

IAPS توضیح می‌دهد که طراحی رقاقه با الزامات سطح بالا شروع می‌شود، که معماران آن را به منطق مدار دقیق با استفاده از نرم‌افزار خودکار طراحی الکترونیکی (EDA) تبدیل می‌کنند. طراحان یا اجزا را از صفر می‌سازند یا هسته‌های "دارایی فکری" آماده را مجاز می‌کنند، سپس طراحی را شبیه‌سازی و به‌طور رسمی تأیید می‌کنند قبل از این‌که به فایل‌های تولیدی منطبق با فرآیند خاص بنیاد ترجمه شود. IAPS می‌گوید که "طراحی رقاقه یک فرآیند دشوار و طاقت‌فرساست"، اشاره می‌کند که طراحانی مثل Nvidia و AMD ده‌ها هزار نفر را استخدام می‌کنند و طراحی یک رقاقه هوش مصنوعی حالی می‌تواند یک سال یا بیشتر طول بکشد.

تولید: صدها مرحله روی یک ویفر سیلیکونی

هنگامی‌که طراحی به پایان رسید، به یک بنیاد منتقل می‌شود - اغلب TSMC تایوان برای رقائق هوش مصنوعی پیشرفته‌ترین. تولید با ویفرهای سیلیکونی 300 میلی‌متری بسیار خالص و مجموعه‌ای از نقاب‌های فوتو که الگوی مدار را رمزگذاری می‌کنند شروع می‌شود، طبق IAPS. ساخت خود رقاقه شامل صدها مرحله تکراری است: ترسیب لایه‌های ماده، الگوسازی آنها با فوتوریست حساس به نور که از طریق نقاب‌ها در معرض است (چاپ سنگی نوری)، دوپینگ بخش‌ها با درج یونی برای تعیین خصوصیات الکتریکی آنها، صیقل سطح تخت، و اضافه کردن لایه‌های فلزی برای سیم‌کشی اجزا به هم.

مرحله چاپ سنگی به دستگاه‌های اشعه فوق‌بنفش شدید (EUV) که به انحصار توسط شرکت هلندی ASML ساخته می‌شود، بستگی دارد. در گزارش نتایج سه‌ماهه سوم 2026 در 14 اکتبر، ASML گفت فروخت به 11.7 میلیارد یورو رسید، افزایش 55% درصد برحسب سال، با درآمد خالص دو برابر شدن به 5 میلیارد یورو، طبق Euronews. علیرغم فروش رکورد‌شکن و دیدگاه ارتقا‌شده برای 2026، ASML گفت که افزایش‌های ظرفیت برنامه‌ریزی‌شده 30% در سال برای 2027 و 2028 باز هم کافی نخواهد بود تا درخواست‌های مشتریان را برآورده کند. رئیس‌اجرایی ASML Christophe Fouquet گفت مشتریان اکنون دستگاه‌ها را سال‌ها پیش رزرو می‌کنند.

مشتریان هر روز از ما می‌خواهند ابزار بیشتری بگیریم.

— Christophe Fouquet، مدیرعامل ASML، به نقل از Euronews

بسته‌بندی تنگناه جدید شده است

پس از ساخت ویفر، آن را به مرات (دایز) فردی برش می‌دهند، آزمایش می‌کنند و در یک بسته تمام‌شده جمع‌آوری می‌کنند - مرحله‌ای که IAPS آن را مجموعه، آزمایش و بسته‌بندی (ATP) می‌خواند. برای رقائق هوش مصنوعی، این مرحله اکنون به‌اندازه خود تولید اهمیت دارد. TSMC از تکنیکی به نام Chip-on-Wafer-on-Substrate (CoWoS) استفاده می‌کند تا یک مرات پردازنده را با چندین پشته حافظه پهن‌باند بالا روی یک میان‌سطح جمع کند، که IAPS می‌گوید TSMC آن را برای رقائق Nvidia H100 اعمال می‌کند. TSMC در اکتبر 2026 نقشه‌راه خود را اعلام کرد، که گره تولید نسل بعدی A13 و بسته‌بندی CoWoS توسعه‌یافته را پوشش می‌دهد، و گفت قالب CoWoS "اندازه شبکه 14" در آینده تقریباً ده مرات محاسباتی بزرگ را با حدود 20 پشته حافظه HBM تکامل خواهد یافت تا 2028.

اعلام نقشه‌راه خود TSMC بسته‌بندی پیشرفته CoWoS را به عنوان گسترش برای برآورده کردن تقاضای هوش مصنوعی توصیف می‌کند، حرکت به سمت قالب شبکه 14 تا 2028 و گسترش بیشتر در 2029. این مسیر به تحول گسترده‌تری در سراسر زنجیره تامین رقائق هوش مصنوعی اشاره می‌کند - از تولید سیلیکون به سمت بسته‌بندی به عنوان محدودیت رو به رشد - حتی زمانی‌که ASML، سازنده ابزار چاپ سنگی نه تجهیزات بسته‌بندی، به‌طور مستمر درخواست رکورد‌شکنی برای دستگاه‌های خود را گزارش می‌کند.

هوش مصنوعی برای ساخت رقائق نیز استفاده می‌شود

Nvidia و TSMC شروع به اعمال ابزارهای هوش مصنوعی درون خود فرآیند تولید کرده‌اند. طبق اعلام خود Nvidia، TSMC از نرم‌افزار cuLitho Nvidia برای شتاب‌دهی به چاپ سنگی محاسباتی استفاده می‌کند - محاسبات لازم برای طراحی نقاب‌های فوتو - و آنچه را که Nvidia به عنوان بهبود 20-50% در فعال‌بودی هزینه یا زمان چرخه در مقایسه با روش‌های مبتنی بر CPU توصیف می‌کند، تحویل می‌دهد. شرکات همچنین استفاده از کتاب‌خانه cuEST Nvidia را برای شبیه‌سازی شیمیایی، ابزارهای دید هوش مصنوعی برای تشخیص عیوب در خط تولید، و پروژه کارخانه مجازی در مراحل اولیه به نام "FabTwin"، که بر پلتفرم Omniverse Nvidia ساخته شده است، برای آزمایش طرح‌بندی کارخانه قبل از ساخت، توصیف کردند.

طراحی‌های جایگزین برای GPU استاندارد

هر شرکتی به معماری Nvidia پیروی نمی‌کند. Motley Fool گزارش می‌دهد که Cerebras Systems یک رقاقه غول پیکر واحد می‌سازد - Engine Wafer-Scale آن - که آن را 58 برابر بزرگ‌تر از Nvidia B200 GPU توصیف می‌کند، مقادیر زیادی از محاسبه و حافظه را بر یک تکه سیلیکون به جای پیوند دادن بسیاری از رقائق کوچک‌تر به هم ترکیب می‌کند. Cerebras می‌گوید این طراحی سرعات استنتاج تا 15 برابر سریع‌تر نسبت به سیستم‌های مبتنی بر GPU را برای بعضی از بار کاری تحویل می‌دهد، نقطه نظ��ی که Fool آن را به عنوان چالش طراحی مستقیم برای موقعیت غالب Nvidia در سخت‌افزار هوش مصنوعی توصیف می‌کند.

کی چه کار می‌کند در زنجیره تامین رقائق هوش مصنوعی
شرکتنقشجزئیات کلیدی
Nvidiaطراح رقاقه بدون کارخانهمعماری GPU و نرم‌افزار CUDA را طراحی می‌کند؛ کارخانه ندارد، طبق IAPS
TSMCبنیاد / سازندهرقائق را تولید می‌کند و بسته‌بندی پیشرفته CoWoS را اجرا می‌کند؛ گره فرآیند A13 نسل بعد را برای تولید 2029 آشکار کرد
ASMLسازنده ابزار چاپ سنگیتنها تامین‌کننده دستگاه‌های EUV؛ فروخت Q3 2026 به 11.7 میلیارد یورو، می‌گوید تامین تا 2028 از تقاضا عقب‌تر خواهد بود
Cerebras Systemsطراح رقاقه جایگزینیک رقاقه Engine Wafer-Scale بزرگ واحد می‌سازد به جای بسیاری از GPU‌های پیوندی، طبق Motley Fool

پرسش‌ها

چرا سهام Nvidia این هفته کاهش یافت؟
Yahoo Finance گزارش داد که کاهش به دنبال خوان‌دن تورم آمریکایی قوی‌تر از انتظار بود که عوائد اوراق قرضه را بالا برد، فروش گسترده‌ای در سهام رقائق و هوش مصنوعی به جای هر خبر خاص شرکت درباره محصولات Nvidia را آغاز کرد.
آیا Nvidia رقائق خود را تولید می‌کند؟
خیر. طبق IAPS، Nvidia از مدل "بدون کارخانه" پیروی می‌کند: معماری رقاقه و نرم‌افزار را طراحی می‌کند اما تولید فیزیکی را به بنیادها، اولاً TSMC، بیرون می‌سپارد.
چرا بسته‌بندی رقاقه را تنگناه می‌خوانند؟
اعلام نقشه‌راه TSMC بسته‌بندی پیشرفته CoWoS را - که مرات محاسبه را با حافظه پهن‌باند بالا جمع می‌کند - گسترش به سمت قالب "شبکه 14" متراکم‌تر تا 2028، اشاره می‌کند ظرفیت بسته‌بندی، به جانب تولید ویفر، به عنوان محدودیت رو به رشد در زنجیره تامین رقائق هوش مصنوعی.
ASML درباره تامین ابزار رقائق آینده چه گفت؟
Euronews گزارش داد که ASML، تنها سازنده دستگاه‌های چاپ سنگی EUV، فروخت فصلی رکورد‌شکن Q3 2026 به 11.7 میلیارد یورو را ارسال کرد اما گفت افزایش‌های ظرفیت برنامه‌ریزی‌شده برای 2027 و 2028 به تمام‌نه تقاضا برآورده نخواهند کرد.
آیا جایگزینی برای طراحی GPU Nvidia وجود دارد؟
Motley Fool گزارش می‌دهد که Cerebras Systems یک رقاقه Engine Wafer-Scale بزرگ واحد می‌سازد، که به عنوان 58 برابر بزرگ‌تر از Nvidia B200 توصیف می‌شود، به عنوان نقطه نظر طراحی متفاوت هدف سرعات استنتاج سریع‌تر برای برخی بار کاری هوش مصنوعی.

منابع

  1. Yahoo Finance — Nvidia stock sinks as chip sell-off deepens on hot inflation data
  2. The Motley Fool — Is Nvidia Still the Best AI Stock to Buy in 2026, or Is This a Challenger?
  3. TSMC — A13 Technology unveiled at 2026 North America Technology Symposium
  4. Euronews — ASML posts record €11.7 billion in sales but warns it can't keep up with AI demand
  5. Institute for AI Policy and Strategy — How AI Chips are Made
  6. Nvidia Newsroom — NVIDIA and TSMC Bring AI Into Fabs to Advance Semiconductor Design and Manufacturing

این مطلب با هوش مصنوعی آماده شده و پیش از انتشار از بررسی خودکار منابع گذشته است. اگر خطایی دیدید، درخواست اصلاح کنید. درخواست اصلاح یا حق پاسخ · چگونه کار می‌کنیم

مطالب مرتبط