Как проектируются и производятся чипы ИИ, такие как GPU компании Nvidia

По данным Yahoo Finance, акции Nvidia упали более чем на 3% в среду в октябре 2026 года и еще больше упали в торговле перед открытием рынка на следующий день, так как показатель инфляции в США, превысивший ожидания, поднял доходность облигаций и вызвал более широкую распродажу акций чип-компаний. В том же отчете говорилось, что поставщик облачных услуг CoreWeave упал более чем на 16% из-за опасений по поводу его долговой нагрузки, что Marvell Technology и SK Hynix также упали на фоне отдельных опасений по поводу китайской конкуренции, и что инвесторы ждали квартальных результатов TSMC, которые, как ожидается, покажут рост прибыли на 60%.

Распродажа была связана с опасениями по поводу процентных ставок и долга, а не с какими-либо изменениями в способе производства или продажи чипов ИИ. Но она привлекла новое внимание к отрасли, стоящей за самими чипами — процессу, разделенному между двумя совершенно разными бизнесами: проектирование чипа и его производство.

Проектирование: рисование схемы до того, как что-либо будет построено

Компании, такие как Nvidia, не управляют своими собственными чип-фабриками. Согласно Институту политики и стратегии в области ИИ (IAPS), в рамках модели "fabless" Nvidia проектирует архитектуру чипов и программное обеспечение — такое как ее платформа CUDA — и полагается на внешние литейные заводы для производства. The Motley Fool описывает GPU Nvidia как аппаратное обеспечение, которое выполняет работу обучения и вывода за моделями ИИ.

IAPS объясняет, что проектирование чипа начинается с общих требований, которые архитекторы превращают в подробную логику схем, используя программное обеспечение электронной автоматизации проектирования (EDA). Разработчики либо строят компоненты с нуля, либо лицензируют готовые "ядра интеллектуальной собственности", затем моделируют и формально проверяют проектирование перед его преобразованием в файлы производства, соответствующие процессу конкретного литейного завода. IAPS заявляет, что "проектирование чипа — это сложный и трудоемкий процесс", отмечая, что такие разработчики, как Nvidia и AMD, нанимают десятки тысяч людей и что проектирование передового чипа ИИ может занять год или больше.

Производство: сотни шагов на кремниевой пластине

После завершения проектирования оно передается на литейный завод — чаще всего на TSMC Тайваня для самых передовых чипов ИИ. Производство начинается с высокоочищенных кремниевых пластин размером 300 мм и набора фотомасок, которые кодируют схему цепи, согласно IAPS. Само производство чипа включает сотни повторяющихся этапов: осаждение слоев материала, их формирование с помощью чувствительного к свету фоторезиста, экспонируемого через маски (фотолитография), легирование секций ионной имплантацией для установки их электрических свойств, полировка поверхности до плоскости и добавление металлических слоев для соединения компонентов вместе.

Этап литографии зависит от машин экстремального ультрафиолета (EUV), изготавливаемых исключительно голландской компанией ASML. Докладывая о результатах третьего квартала 2026 года 14 октября, ASML заявила, что продажи достигли 11,7 млрд евро, рост на 55% в годовом исчислении, чистый доход более чем удвоился до 5 млрд евро, согласно Euronews. Несмотря на рекордные продажи и повышенный прогноз на 2026 год, ASML заявила, что ее плановое увеличение мощности на 30% в год на 2027 и 2028 годы по-прежнему будет недостаточным для выполнения заказов клиентов. Главный исполнительный директор ASML Кристоф Фукё сказал, что клиенты теперь бронируют машины годами вперед.

Упаковка стала новым узким местом

После изготовления пластины она разрезается на отдельные кристаллы, тестируется и собирается в готовый пакет — этап, который IAPS называет сборкой, тестированием и упаковкой (ATP). Для чипов ИИ этот этап теперь имеет такое же значение, как и само производство. TSMC использует методику под названием Chip-on-Wafer-on-Substrate (CoWoS) для размещения процессорного кристалла с несколькими стеками памяти с высокой пропускной способностью на одном интерпозере, который, по словам IAPS, TSMC применяет к чипам Nvidia H100. В октябре 2026 года TSMC объявила о своей дорожной карте, охватывающей узел производства следующего поколения A13 и расширенную упаковку CoWoS, сказав, что будущий формат CoWoS размером "14-реликл" будет интегрировать примерно десять больших вычислительных кристаллов примерно с 20 стеками памяти HBM к 2028 году.

Собственное объявление TSMC о дорожной карте описывает расширенную упаковку CoWoS как расширение для удовлетворения спроса, связанного с ИИ, движение в направлении формата 14-реликл к 2028 году и дальнейшее расширение в 2029 году. Эта траектория указывает на более широкий сдвиг во всей цепочке поставок чипов ИИ — от производства кремния к упаковке как растущему ограничению — даже когда ASML, производитель литографических инструментов, а не оборудования для упаковки, продолжает сообщать о рекордном спросе на свои машины.

ИИ также используется для создания чипов

Nvidia и TSMC начали применять инструменты ИИ внутри самого производственного процесса. Согласно объявлению самой Nvidia, TSMC использует программное обеспечение cuLitho компании Nvidia для ускорения вычислительной литографии — расчеты, необходимые для проектирования фотомасок — обеспечивая то, что Nvidia описывает как улучшение на 20–50% в экономичности затрат или времени цикла по сравнению с методами на основе CPU. Компании также описали использование библиотеки cuEST компании Nvidia для моделирования химии, инструментов vision-AI для обнаружения дефектов на производственной линии и проекта виртуального завода на ранней стадии под названием "FabTwin", построенного на платформе Omniverse компании Nvidia, для тестирования макетов фабрики перед их построением.

Альтернативные проекты стандартному GPU

Не все компании следуют архитектуре Nvidia. The Motley Fool сообщает, что Cerebras Systems создает один гигантский чип — его Wafer-Scale Engine — который она описывает как в 58 раз больший, чем GPU Nvidia B200, объединяя большие объемы вычислений и памяти на одном куске кремния, а не связывая вместе множество меньших чипов. Cerebras говорит, что этот проект обеспечивает скорость вывода до 15 раз быстрее, чем системы на основе GPU для некоторых рабочих нагрузок, подход, который Fool рассматривает как прямой вызов проектирования к доминирующей позиции Nvidia в аппаратном обеспечении ИИ.