NVIDIA introduit l’IA dans les fabs, ce qui signifie que la compétition des procédés avancés évolue vers une « fabrication pilotée par la puissance de calcul »

NVIDIA introduit l’IA dans les fabs, ce qui signifie que la concurrence sur les procédés avancés se déplace vers une « fabrication pilotée par la puissance de calcul »

NVIDIA a annoncé lors du GTC Taipei que TSMC intègre sa chaîne d’outils d’accélération du calcul et d’IA dans ses processus de fabrication des semi-conducteurs, couvrant la lithographie computationnelle, la simulation des transistors et des procédés, le contrôle avancé des procédés, l’optimisation de l’ordonnancement en fab, l’inspection des défauts ainsi que le jumeau numérique d’usine FabTwin, entre autres. Selon les informations rendues publiques à cette occasion, TSMC utilise des technologies telles que CUDA-X, cuLitho, cuEST, cuML, Metropolis, TAO Toolkit et Omniverse, avec pour objectif d’améliorer le turnaround time, l’efficacité énergétique, le rendement et la productivité de l’usine.

L’importance de cette nouvelle ne réside pas dans le fait que « l’IA entre encore dans un nouveau cas d’usage », mais dans le fait qu’elle révèle une évolution de la logique concurrentielle de la fabrication des semi-conducteurs. Autrefois, les variables centrales des procédés avancés étaient surtout les équipements, les fenêtres de procédé, la pureté des matériaux et les dépenses d’investissement ; désormais, avec l’introduction du 3 nm, du 2 nm et d’un packaging avancé plus complexe, la fabrication elle-même devient un problème d’optimisation à grande dimension, et l’IA ainsi que les GPU passent du statut de « produits finaux à base de puces » à celui d’éléments entrant en amont dans le « système de production des puces ».

Pour la chaîne industrielle, cela signifie que les fabs ne se contenteront plus d’acheter des équipements EUV, de dépôt, de gravure et de métrologie ; elles achèteront aussi de plus en plus de puissance de calcul, des plateformes de données, des logiciels industriels et des modèles d’IA. En d’autres termes, la répartition de la valeur dans la fabrication évolue d’un pur capital matériel vers un mix « matériel + logiciel + opérations IA ».

Contexte : pourquoi cette coopération mérite l’attention

TSMC est le nœud central mondial des procédés avancés, tandis que NVIDIA est l’un des fournisseurs de référence de l’accélération du calcul pour l’IA. Leur combinaison représente la convergence de deux grandes lignes technologiques : d’un côté, la capacité de fabrication de puces la plus avancée ; de l’autre, la puissance GPU à grande échelle et l’écosystème logiciel de l’IA.

Du point de vue technologique, plus les procédés avancés progressent, plus la complexité de fabrication augmente. La simulation de lithographie, la modélisation des procédés, l’inspection des défauts et l’optimisation de l’ordonnancement doivent traiter des volumes massifs de paramètres et des cycles de rétroaction plus courts. Le calcul CPU traditionnel reste bien sûr fondamental, mais pour les simulations à grande échelle et l’optimisation en temps réel, il devient de plus en plus difficile de répondre aux exigences d’efficacité. NVIDIA a indiqué publiquement que cuLitho peut améliorer la lithographie computationnelle de 20 à 50 % en coût d’efficacité ou en temps de cycle ; cuEST peut accélérer certaines simulations chimiques d’environ 50 fois ; ce type d’affirmation montre que la valeur de l’IA/GPU ne se limite pas à l’inférence, mais qu’elle pénètre le cœur du calcul d’ingénierie et de l’optimisation manufacturière.

Du point de vue du marché, les dépenses d’investissement liées à l’IA stimulent la demande en GPU pour centres de données, en HBM, en packaging avancé et en procédés haut de gamme ; à présent, l’IA commence aussi à rétroagir sur l’amont de la fabrication. Autrement dit, l’IA ne se contente pas de tirer la demande de puces du côté terminal, elle modifie aussi la courbe d’offre des puces du côté fabrication.## Impact technologique

Cette collaboration vise directement quatre voies technologiques.

Premièrement, la lithographie computationnelle. À mesure que les nœuds rétrécissent, la lithographie n’est plus seulement une question d’équipement d’exposition, mais devient un ingénierie système hautement dépendante du calcul. La simulation de lithographie accélérée par GPU aide à raccourcir le cycle de conception des masques et celui des itérations de procédé, ce qui est particulièrement crucial pour le nœud 2 nm et au-delà.

Deuxièmement, la simulation des matériaux et des transistors/procédés. Le fait que TSMC utilise des outils comme cuEST montre que la modélisation des matériaux, les réactions chimiques et l’analyse de la structure des dispositifs sont en train d’être davantage numérisées à grande échelle. Pour les architectures transistoriales telles que le GAA, l’alimentation par l’arrière et des architectures de transistors plus complexes, la vitesse de simulation est un avantage concurrentiel.

Troisièmement, le contrôle avancé des procédés et la détection des défauts. Le fait que TSMC utilise cuML et Metropolis/TAO pour l’analyse à grande échelle des paramètres de procédé et la reconnaissance visuelle des défauts signifie que la gestion du rendement de fabrication passe d’une statistique par échantillonnage à une identification IA en temps réel. Cela influencera directement la vitesse de montée en rendement, ainsi que le rythme de production de masse des nouveaux nœuds.

Quatrièmement, l’usine virtuelle FabTwin. La valeur d’Omniverse réside dans le fait de simuler à l’avance, dans le monde numérique, l’exploitation de la fab, l’agencement des équipements, les flux de matériaux et les systèmes d’infrastructure. C’est particulièrement important pour les extensions d’usines de wafers qui coûtent souvent des dizaines de milliards de dollars, car toute erreur d’agencement peut entraîner des coûts de capital irrécupérables à long terme.

Analyse de la chaîne industrielle

Amont : les équipements, les matériaux et les logiciels industriels sont les plus directement bénéficiaires

La première couche d’impact en amont concerne l’EDA, les logiciels de simulation et les plateformes d’ingénierie IA. Bien que cette annonce ne cite pas directement Synopsys, Cadence ou Siemens EDA, la position qu’elles occupent est en train d’être redéfinie : les besoins du manufacturing exigent une collaboration logicielle interdomaines plus poussée, et la frontière entre l’EDA et le calcul d’ingénierie IA deviendra plus floue.

La deuxième couche est celle des fabricants d’équipements. ASML, Applied Materials, Lam Research et KLA restent des fournisseurs essentiels d’équipements pour les procédés avancés, mais les exigences des fabs évolueront d’une simple “performance de machine” vers la “connectivité des données, la compatibilité des modèles et la capacité de contrôle en boucle fermée”. Cela signifie que la concurrence future ne portera pas seulement sur le matériel, mais aussi sur l’observabilité pour le machine learning et les capacités d’intégration logicielle.

La troisième couche concerne les fournisseurs de matériaux et de gaz spéciaux. À mesure que la fenêtre de procédé se resserre, la stabilité des matériaux et l’homogénéité des lots deviennent plus importantes, et le contrôle des procédés piloté par l’IA amplifie encore la valeur de la “gestion des fluctuations”. Les données de qualité des wafers, des résines photosensibles et des gaz spéciaux avancés seront intégrées plus fréquemment dans la boucle fermée de fabrication.

Milieu de chaîne : les fabs et les ateliers d’assemblage avancé accélèrent leur plateformisationTSMC est le principal bénéficiaire de cet événement, car elle dispose des données, des procédés et de l’échelle de production les plus matures. Pour une fonderie, l’IA ne remplace pas les ingénieurs ; elle standardise, automatise et met en plateforme les décisions d’ingénierie.

Mais cela signifie aussi que les barrières à l’entrée de la concurrence dans le segment intermédiaire augmentent. Si Samsung Foundry et Intel Foundry يريد rattraper les procédés avancés, ils devront non seulement combler l’écart en procédés et en capacité, mais aussi renforcer leur pile logicielle de fabrication et leurs capacités de boucle fermée de données. En particulier, à l’ère du 2 nm et de l’emballage avancé, celui qui saura réduire plus vite le cycle entre la production pilote et la production de masse aura davantage de chances de décrocher des commandes de puces IA haut de gamme.

ASE, Amkor et d’autres acteurs du test et de l’assemblage seront également affectés. Les puces IA dépendent de plus en plus de l’emballage avancé, des Chiplets et des interconnexions à large bande passante ; l’emballage n’est plus un simple maillon de l’aval, mais une composante de l’optimisation des performances et des rendements. À l’avenir, les fabricants de boîtiers devront eux aussi disposer de capacités plus fortes d’analyse de données et d’automatisation de l’inspection.

En aval : les clients des puces IA et des centres de données exigeront des livraisons plus rapides et une cohérence accrue

Les clients en aval comprennent NVIDIA, AMD, Qualcomm, Broadcom, MediaTek, les chaînes d’approvisionnement liées à Apple Silicon, ainsi que les équipes de puces conçues en interne par les fournisseurs de cloud, comme Google TPU et Amazon Trainium. Pour ces clients, l’amélioration des capacités de fabrication des fondeurs signifie : des cycles NPI plus courts, des rendements plus stables et une capacité d’approvisionnement plus prévisible.

Les marchés des serveurs IA, des clusters GPU et du HPC sont extrêmement sensibles à la flexibilité de l’offre. Toute amélioration du rendement des procédés avancés et de l’emballage avancé peut se traduire par davantage de puces livrables et des délais plus stables, ce qui influencera directement l’efficacité des dépenses d’investissement des hyperscalers.

Paysage concurrentiel

Cette nouvelle renforce la position de leader de TSMC. La raison n’est pas seulement son avance en nœuds de procédé, mais aussi le fait qu’elle transforme le « savoir-faire de fabrication » en « capacité de fabrication logicielle ». Une fois que ce type de capacité atteint une certaine échelle de données et d’accumulation de processus, elle devient une nouvelle barrière à la migration.

Pour NVIDIA, il ne s’agit pas d’une simple expansion de clientèle, mais de la diffusion de ses capacités d’infrastructure IA vers la fabrication industrielle. Autrement dit, NVIDIA est en train de se transformer davantage, passant d’une « société de puces IA » à une « société de plateforme de calcul IA ». Cela élargira son marché adressable au-delà des centres de données.

Pour les concurrents, le risque est le suivant : si l’optimisation de la fabrication dépend de plus en plus d’une plateforme GPU spécifique, de l’écosystème logiciel CUDA et des workflows de modèles IA, alors le coût de substitution augmentera. Qu’il s’agisse d’AMD ou d’autres solutions d’accélération IA, elles devront prouver qu’elles ne sont pas seulement capables d’entraînement et d’inférence, mais aussi d’entrer dans le calcul d’ingénierie de niveau industriel et l’exploitation des fabs.

Implications régionales### États-Unis L’avantage des États-Unis réside dans les plateformes de calcul IA, les logiciels industriels et l’écosystème de conception de puces. Le rôle de NVIDIA montre que les États-Unis détiennent un fort pouvoir de domination dans la « couche des outils d’intelligence de la fabrication ». Si davantage de fabs adoptent à l’avenir des solutions similaires, l’influence technologique américaine pénétrera encore davantage les bases de production avancée à l’étranger.

Chine taïwanaise La Chine taïwanaise reste le centre névralgique des procédés avancés et de l’encapsulation avancée. Le fait que TSMC intègre l’IA dans ses fabs revient à renforcer encore son statut de centre de fabrication, tout en consolidant le caractère irremplaçable de la Chine taïwanaise dans la chaîne d’approvisionnement mondiale haut de gamme.

Corée du Sud La Corée du Sud, en particulier Samsung Foundry, doit rattraper les capacités de fabrication pilotées par l’IA, au-delà des procédés, des rendements et des systèmes d’encapsulation. Sinon, même si l’écart se réduit au niveau des nœuds, elle pourrait rester en retard en efficacité de production de masse.

Chine continentale Les fabs de Chine continentale, sous la contrainte des équipements de procédés avancés et des contrôles à l’exportation, auront à court terme plus de difficultés à reproduire directement ce type de modèle d’intégration poussée de l’IA à la fab. Toutefois, l’optimisation de la fabrication pilotée par l’IA deviendra un nouveau point de différenciation industrielle : les entreprises capables d’accéder à des plateformes de calcul avancé et à des logiciels industriels seront plus résilientes dans la concurrence à moyen et long terme.

Japon et Europe Le Japon possède des atouts dans les matériaux, les composants d’équipements et certains équipements de fabrication, tandis que l’Europe occupe une position importante dans les équipements de lithographie et les systèmes d’automatisation industrielle. La fabrication pilotée par l’IA accroîtra la demande en données de haute qualité, en contrôle industriel et en interfaces logicielles d’équipements, ce qui représente à la fois une opportunité et une pression de montée en gamme pour les fournisseurs japonais et européens.

Asie du Sud-Est L’Asie du Sud-Est gagne en importance dans l’encapsulation, les tests, la fabrication en aval et certains transferts de chaînes d’approvisionnement. Si l’encapsulation avancée devient le nouveau goulot d’étranglement de l’ère de l’IA, la valeur stratégique d’ASE, d’Amkor et des industries de soutien régionales continuera d’augmenter.

Perspective d’investissement

Les marchés financiers suivront cette nouvelle pour trois raisons :

Premièrement, l’amélioration des rendements et de l’efficacité de production de TSMC signifie que le retour sur les dépenses d’investissement dans les procédés avancés pourrait être plus durable.

Deuxièmement, le modèle commercial de NVIDIA s’étend davantage aux scénarios d’IA industrielle et de logiciels de fabrication, ce qui accroît l’imagination autour de son TAM à long terme.

Troisièmement, la montée en valeur de la synergie entre équipements, logiciels et encapsulation pourrait amener les investisseurs à réévaluer la pondération de valorisation des éléments « non liés au cœur de la puce » dans la chaîne d’approvisionnement des semi-conducteurs.

Pour l’investissement en semi-conducteurs, la valeur à long terme ne vient plus seulement de celui qui possède le nœud le plus avancé, mais aussi de celui qui détient le système de fabrication le plus solide, les actifs de données et la capacité d’enfermement de l’écosystème.

Perspectives à long terme

Au cours des 3 prochaines années, ces outils de type AI-fab seront probablement déployés en premier dans les nœuds avancés et les usines à forte complexité, en particulier les lignes de 3 nm, 2 nm et d’encapsulation avancée à haute densité. Les effets à court terme se manifesteront principalement dans la montée en rendement, l’efficacité de l’ordonnancement de production et la détection des défauts.Au cours des 5 prochaines années, davantage de fabs de semi-conducteurs pourraient intégrer les plateformes GPU/IA dans leur infrastructure de fabrication standard, faisant émerger une nouvelle perception : « la puissance de calcul, c’est de la capacité de production ». À ce moment-là, la concurrence entre fabs ne portera plus seulement sur le nombre de salles blanches construites, mais sur la quantité de données de procédé de haute qualité et sur la capacité d’optimisation en boucle fermée dont elles disposent.

Au cours des 10 prochaines années, si l’IA s’intègre plus profondément à l’EDA, au contrôle des équipements et à la R&D des matériaux, la fabrication des semi-conducteurs pourrait connaître une nouvelle stratification par plateforme : quelques acteurs disposant de données complètes, de logiciels et d’une boucle fermée de procédé occuperont des barrières plus élevées sur le foundry market mondial.

Conclusion

L’importance réelle de cette collaboration réside dans le fait que la concurrence sur les procédés avancés évolue d’une « limite physique » vers une « limite de fabrication numérique ». L’association de NVIDIA et de TSMC montre que, dans l’avenir, la capacité décisive de la chaîne industrielle des semi-conducteurs ne sera pas seulement liée à des nœuds plus petits, à des capacités plus importantes et à des boîtiers plus avancés, mais aussi à la vitesse à laquelle chacun saura intégrer l’IA au système de fabrication.

Pour la chaîne industrielle, les bénéficiaires seront les entreprises leaders disposant de données, de puissance de calcul et de capacités d’intégration des procédés ; les risques, en revanche, pèseront sur les acteurs qui ne possèdent qu’une capacité matérielle ponctuelle, sans logiciel systémique ni boucle fermée de fabrication. Autrement dit, la tendance du secteur des semi-conducteurs évolue d’une « concurrence entre entreprises de puces » vers une « concurrence autour du système d’exploitation de fabrication des puces ».

Sources

• NVIDIA and TSMC Bring AI Into Fabs to Advance Semiconductor Design and Manufacturing: https://www.manilatimes.net/2026/06/01/tmt-newswire/globenewswire/nvidia-and-tsmc-bring-ai-into-fabs-to-advance-semiconductor-design-and-manufacturing/2355379