Hoe AI-chips zoals Nvidia's GPU's worden ontworpen en gefabriceerd

Nvidia-aandelen daalden woensdag in oktober 2026 met meer dan 3% en daalden verder in pre-market trading de volgende dag, omdat een hoger dan verwachte Amerikaanse inflatiemeting de obligatierendementen verhoogde en een bredere uitverkoop in chipbedrijven triggerde, volgens Yahoo Finance. Hetzelfde rapport zei dat cloudprovider CoreWeave meer dan 16% daalde vanwege bezorgdheid over zijn schuldenlast, dat Marvell Technology en SK Hynix ook daalden vanwege afzonderlijke zorgen over Chinese concurrentie, en dat beleggers wachtten op TSMC's kwartaalresultaten, waarvan verwacht wordt dat ze een winststijging van 60% zullen laten zien.

De uitverkoop was gerelateerd aan rente- en schuldbezorgdheden in plaats van aan enige verandering in de manier waarop AI-chips worden gemaakt of verkocht. Maar het heeft nieuwe aandacht getrokken naar de industrie achter de chips zelf — een proces gesplitst tussen twee zeer verschillende bedrijfstakken: een chip ontwerpen en het fabriceren.

Ontwerp: het circuit tekenen voordat iets wordt gebouwd

Bedrijven zoals Nvidia exploiteren geen eigen chipfabrieken. Onder het "fabless"-model ontwerpt Nvidia chiparchitectuur en software — zoals zijn CUDA-platform — en vertrouwt op externe foundries voor productie, volgens het Instituut voor AI-beleid en strategie (IAPS). The Motley Fool beschrijft Nvidia's GPU's als de hardware die de trainings- en inferentiewerkzaamheden achter AI-modellen uitvoert.

IAPS legt uit dat chipdesign begint met overkoepelende vereisten, die architecten omzetten in gedetailleerde circuitlogica met behulp van Electronic Design Automation (EDA)-software. Ontwerpers bouwen componenten van nul af aan of licentieëren kant-en-klare "IP-kernen", simuleren en formeel verifiëren het ontwerp voordat het wordt vertaald in fabricagebestanden die zijn afgestemd op het specifieke proces van een foundry. IAPS stelt dat "chipdesign een moeilijk en arbeidsintensief proces" is, en merkt op dat ontwerpers zoals Nvidia en AMD tienduizenden personen in dienst hebben en dat het ontwerpen van een geavanceerde AI-chip een jaar of langer kan duren.

Fabricage: honderden stappen op een siliciumwafel

Zodra een ontwerp klaar is, gaat het naar een foundry — meestal Taiwan's TSMC voor de meest geavanceerde AI-chips. Fabricage begint met hoogzuiver 300mm siliciumwafels en een reeks fotomaskering die het circuitpatroon coderen, volgens IAPS. Het bouwen van de chip zelf omvat honderden herhaalde stappen: materiaallagen afzetten, ze met lichtgevoelige fotoresist patroneren die door de maskers zijn blootgesteld (fotolitografie), secties met ionimplantatie doteren om hun elektrische eigenschappen in te stellen, het oppervlak glad polijsten en metaallagen toevoegen om de componenten samen te bedragen.

De lithografiestap hangt af van extreme ultraviolette (EUV)-machines die uitsluitend door het Nederlandse bedrijf ASML worden gemaakt. Bij het rapporteren van de resultaten van het derde kwartaal 2026 op 14 oktober zei ASML dat de omzet €11,7 miljard bereikte, een stijging van 55% jaar-op-jaar, met netto-inkomsten meer dan verdubbeld tot €5 miljard, volgens Euronews. Ondanks recordverkopen en verhoogde vooruitzichten voor 2026, zei ASML dat de geplande capaciteitsverhogingen van 30% per jaar voor 2027 en 2028 nog steeds niet voldoende zullen zijn om klantorders te vervullen. ASML-topman Christophe Fouquet zei dat klanten nu machines jaren van tevoren boeken.

Verpakking is het nieuwe knelpunt

Nadat een wafel is gefabriceerd, wordt deze in afzonderlijke sterven gesneden, getest en in een afgewerkt pakket samengesteld — een fase die IAPS Assembly, Test and Packaging (ATP) noemt. Voor AI-chips is deze stap nu even belangrijk als fabricage zelf. TSMC gebruikt een techniek genaamd Chip-on-Wafer-on-Substrate (CoWoS) om een processorsterven samen met verschillende stelen high-bandwidthmemory op één interpositioning te stapelen, wat IAPS zegt TSMC toepast op Nvidia's H100-chips. TSMC's eigen aankondiging van zijn routekaart in oktober 2026, met een volgende generatie A13-productieknooppunt en uitgebreide CoWoS-verpakking, zei dat een toekomstig "14-reticlegrootte"-CoWoS-formaat ongeveer tien grote computesterven met ongeveer 20 HBM-geheugenstelen tegen 2028 zal integreren.

TSMC's eigen routekaartaankondiging beschrijft geavanceerde CoWoS-verpakking als uitbreidend om aan AI-gestuurde vraag te voldoen, zich verplaatsend naar het 14-reticle-formaat tegen 2028 en een verdere uitbreiding in 2029. Dit traject wijst op een breder verschuiving in de gehele AI-chiptoevoerketen — van siliciumfabricage naar verpakking als een groeiend knelpunt — zelfs terwijl ASML, een fabrikant van lithografietools in plaats van verpakkingsapparatuur, blijft rapporteren van recordvraag naar zijn machines.

AI wordt ook gebruikt om de chips te bouwen

Nvidia en TSMC zijn begonnen met het toepassen van AI-tools in het fabricageproces zelf. Volgens Nvidia's eigen aankondiging gebruikt TSMC Nvidia's cuLitho-software om computationele lithografie te versnellen — de berekeningen die nodig zijn om fotomaskering te ontwerpen — wat Nvidia beschrijft als een verbetering van 20-50% in kosteneffectiviteit of cyclustijd vergeleken met op CPU gebaseerde methoden. De bedrijven beschreven ook het gebruik van Nvidia's cuEST-bibliotheek voor chemiesimulaties, vision-AI-tools voor defectdetectie op de productielijn, en een vroegstadium virtual-factory-project genaamd "FabTwin", gebouwd op Nvidia's Omniverse-platform, voor het testen van fablay-outs voordat ze worden gebouwd.

Alternatieve ontwerpen voor de standaard-GPU

Niet elk bedrijf volgt Nvidia's architectuur. The Motley Fool meldt dat Cerebras Systems een enkele gigantische chip bouwt — zijn Wafer-Scale Engine — die het beschrijft als 58 keer groter dan Nvidia's B200-GPU, grote hoeveelheden rekenen en geheugen op één stuk silicium combineren in plaats van veel kleinere chips aan elkaar te verbinden. Cerebras zegt dat dit ontwerp inferentiesnelheden tot 15 keer sneller dan GPU-gebaseerde systemen voor bepaalde werklasten oplevert, een benadering die de Fool inlijft als een directe ontwerputdaging voor Nvidia's dominante positie in AI-hardware.