未来已来丨一窥电子显微镜如何影响AI算力提升

早在2022年，OpenAI发布基于大语言模型的ChatGPT，就轰动全球，自此之后，各类AI大模型如同雨后春笋般涌现。训练这些大模型需要阿伏伽德罗常数级的算力，以训练GPT-4为例，需要215亿petaFLOP，1 peta是10的15次方，即2.15 x 10²⁵次浮点运算。阿伏伽德罗常数只有6.02x10²³。

为了满足对芯片算力的需求，逻辑芯片的线宽不断缩小，器件结构更加复杂。从平面栅到鳍栅（FinFET），再到全环绕栅（GAA）。NVIDIA H100芯片就是广泛应用的AI训练芯片的产品，其先进逻辑芯片，采用的就是先进的GAA的晶体管结构。

H100为何价格居高不下，并且一片难求，其原因就在于，当先进逻辑芯片的工艺节点不断发展演进，芯片的良率越来越成为制约产能和成本的因素。今年上半年，某晶圆大厂就曾爆出其GAA产品良率不到20%，远远低于保持其产品的竞争力的70%良率临界值。

想了解更多Helios 5 EXL如何助力晶圆厂工艺改良和提高良率，并助推AI模型不断升级演进，以及其它赛默飞半导体失效分析解决方案，还可以关注我们的官方微信或是访问赛默飞。