英伟达用NIM + NV-Tesseract模型，提高芯片生产良率

AIGC开放社区2025-10-15

专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！在指甲盖大小的芯片上动辄集成数百亿个晶体管，只要一个微小的瑕疵，数百万美元的投入就可能瞬间归零。英伟达正用AI给这个天价难题开出新药方。芯片制造，前人是如何控制良率的？1833年，法拉第偶然发现硫化银晶体的导电性跟金属正好相反，温度...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2575206177?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-10-15 15:17","share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","id":"2575206177","market":"us","top_or_hot":-1,"title":"英伟达用NIM + NV-Tesseract模型，提高芯片生产良率","media":"AIGC开放社区","content":"<div>\n<p>专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！在指甲盖大小的芯片上动辄集成数百亿个晶体管，只要一个微小的瑕疵，数百万美元的投入就可能瞬间归零。英伟达正用AI给这个天价难题开出新药方。芯片制造，前人是如何控制良率的？1833年，法拉第偶然发现硫化银晶体的导电性跟金属正好相反，温度...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251015152632a6ba55e4&s=b\">网页链接</a>\n\n</div>\n","source":"tencent","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>英伟达用NIM + NV-Tesseract模型，提高芯片生产良率</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n英伟达用NIM + NV-Tesseract模型，提高芯片生产良率\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-10-15 15:17 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251015152632a6ba55e4&s=b><strong>AIGC开放社区</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！在指甲盖大小的芯片上动辄集成数百亿个晶体管，只要一个微小的瑕疵，数百万美元的投入就可能瞬间归零。英伟达正用AI给这个天价难题开出新药方。芯片制造，前人是如何控制良率的？1833年，法拉第偶然发现硫化银晶体的导电性跟金属正好相反，温度...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251015152632a6ba55e4&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"NVDY","symbol_name":"NVDA期权收益策略ETF-YieldMax","start_time":0,"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251015152632a6ba55e4&s=b","article_id":"2575206177","we_media_id":null,"thumbnails":[],"rights":{"source":"tencent","url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251015152632a6ba55e4&s=b","rn_cache_url":null,"customStyle":"body{padding-top:10px;}#news_title{font-weight:bold;#titleStyle#;}#news_description span{font-size:12px;#descriptionStyle#;}.footer-note{#statement#}","selectors":".mod-LoadTzbdNews, body","filters":".relate-stock, .hot-list, .recom-box, .wx-sou","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2575206177","pubTimestamp":1760512644,"columns":[],"sourceInfo":{"source_id":"tencent","name":"腾讯"},"weMediaInfo":null,"summary":"多头注意力层使NV-Tesseract能够无缝适应突发变化，如季节性变动或市场激增，确保在动态环境下保持稳定的准确性。有了NIM，NV-Tesseract模型就可以大规模部署到工厂里。通过NIM整合NV-Tesseract系列模型，用在半导体晶圆厂生产中，发挥出了巨大作用：针对特定工厂数据进行微调。NV-Tesseract能够减少干扰，同时突出显示真实事件，这有助于建立对自动化监控的信任。英伟达还计划让NV-Tesseract能够针对特定工厂、特定生产线的数据进行微调，变得更加“懂行”。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"NVDY":"NVDA期权收益策略ETF-YieldMax","LU2471134523.USD":"INVESCO GLOBAL EQUITY INCOME ADVANTAGE \"A\" (USD) ACC","LU2089284900.SGD":"Allianz Global Sustainability Cl AM Dis H2-SGD","IE00BKDWB100.SGD":"PINEBRIDGE US LARGE CAP RESEARCH ENHANCED \"A5H\" (SGDHDG) ACC","NVDA":"英伟达","NVDD":"1倍做空NVDA ETF-Direxion","LU1974910355.USD":"Allianz Thematica Cl AMg DIS USD","LU0868494617.USD":"UBS (LUX) EQUITY SICAV - US TOTAL YIELD SUSTAINABLE \"P\" (USD) ACC","LU0820562030.AUD":"ALLIANZ INCOME AND GROWTH \"AMH2\" (AUDHDG) H2 INC","BK4534":"瑞士信贷持仓","LU1778281490.HKD":"HSBC GIF GLOBAL LOWER CARBON EQUITY \"AD\" (HKD) INC","NVIW.SI":"NVDA 3xLongSG261006","LU2092627202.USD":"Blackrock ESG Multi-Asset A8 USD-H","SNVD.UK":"LS -1X NVIDIA","LU1935043536.SGD":"MANULIFE GF GLOBAL MULTI-ASSET DIVERSIFIED INCOME \"AA\" (SGDHDG) INC A","NVD2.UK":"2X NVIDIA ETP","LU2360107168.USD":"BGF NEXT GENERATION TECHNOLOGY \"A4\" (USD) INC","LU2430703251.USD":"WELLINGTON MULTI-ASSET HIGH INCOME \"AM4\" (USD) INC","LU1983260115.SGD":"Janus Henderson Horizon Global Sustainable Equity A2 SGD-H","LU2290526834.HKD":"BGF NEXT GENERATION TECHNOLOGY \"A2\" (HKDHDG) ACC","NVD3.UK":"LS 3X NVIDIA","LU1496350502.SGD":"FRANKLIN DIVERSIFIED DYNAMIC \"A\" (SGDHDG) ACC","LU0724617625.USD":"BGF GLOBAL ALLOCATION \"A4\" (USD) INC","2NVD.UK":"2X NVIDIA ETP","LU1066053197.SGD":"HSBC GIF GLOBAL EQUITY VOLATILITY FOCUSED \"AM3\" (SGDHDG) INC","LU1720051108.HKD":"ALLIANZ GLOBAL ARTIFICIAL INTELLIGENCE \"AT\" (HKD) ACC","NVDS.UK":"LS -1X NVIDIA","NVDS":"1.5倍做空NVDA ETF-Tradr","LU0672654240.SGD":"FTIF - Franklin US Opportunities A Acc SGD-H1","LU0198837287.USD":"UBS (LUX) EQUITY SICAV - USA GROWTH \"P\" (USD) ACC","LU2505996509.AUD":"WELLINGTON MULTI-ASSET HIGH INCOME \"AM4H\" (AUDHDG) INC","LU1914381329.SGD":"Allianz Best Styles Global Equity Cl ET Acc H2-SGD","LU2272731600.USD":"Allianz Global Intelligent Cities AM Dis USD","LU0210528500.USD":"JPM AMERICA EQUITY \"A\" ACC","LU0061475181.USD":"THREADNEEDLE (LUX) AMERICAN \"AU\" (USD) ACC","SG9999018865.SGD":"United Global Quality Growth Fd Cl Dist SGD-H","SG9999015952.SGD":"LIONGLOBAL DISRUPTIVE INNOVATION \"I\" (SGD) ACC","LU1267930730.SGD":"富兰克林美国机遇基金AS Acc SGD (CPF)","NVDU":"2倍做多NVDA ETF-Direxion","NIM":"纽文精选市政基金","LU2491050154.USD":"WELLINGTON SUSTAINABLE OUTCOMES \"A\" (USD) ACC","3NVD.UK":"LS 3X NVIDIA","LU2471134952.CNY":"INVESCO GLOBAL EQUITY INCOME ADVANTAGE \"A\" (CNYHDG) INC","LU0069063385.USD":"SUSTAINABLE GLOBAL THEMATIC PORTFOLIO \"A\" (USD) ACC","LU0472753341.HKD":"SUSTAINABLE GLOBAL THEMATIC PORTFOLIO \"A\" (HKD) ACC","LU1815333072.USD":"THREADNEEDLE (LUX) GLOBAL FOCUS \"AUP\" (USD) INC","NVDX":"2倍做多NVDA ETF-T-Rex","LU0823421333.USD":"BNP PARIBAS DISRUPTIVE TECHNOLOGY \"C\" (USD) ACC","NVD":"2倍做空NVDA ETF-GraniteShares"},"translate_title":"Nvidia uses NIM + NV-Tesseract model to improve chip production yield","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"NIM":1.5,"NVDD":0.6,"NVD2.UK":0.6,"NVD3.UK":0.6,"NVDY":0.6,"NVD":0.6,"NVDA":1.5,"NVDS":0.6,"SNVD.UK":0.6,"NVIW.SI":0.6,"NVDX":0.6,"3NVD.UK":0.6,"NVDS.UK":0.6,"NVDU":0.6,"2NVD.UK":0.6},"content_text":"专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！在指甲盖大小的芯片上动辄集成数百亿个晶体管，只要一个微小的瑕疵，数百万美元的投入就可能瞬间归零。英伟达正用AI给这个天价难题开出新药方。芯片制造，前人是如何控制良率的？1833年，法拉第偶然发现硫化银晶体的导电性跟金属正好相反，温度越高，导电能力越强。这个小小的发现，就是半导体世界的开端。后来，人们捣鼓出了点接触整流效应，拿到了“猫须”检波器（早期无线电时代用于检测无线电信号的半导体器件）的专利，直到1947年，贝尔实验室的三个天才搞出了晶体管，电子工业的时代才算真正拉开序幕。造芯片，本质上跟在沙子上盖楼差不多，只不过这“沙子”是超纯的硅晶圆，楼是纳米级的电路结构。为了盖好这楼，得用上光刻、蚀刻、扩散、沉积等几百道工序，每一步都不能出错。怎么知道有没有出错？最开始，靠的是人眼。没错，就是用显微镜一个一个地看。这种方法主观性太强，而且效率极低。随着芯片上的晶体管越来越多，小到人眼根本看不见，这条路就走不通了。后来有了光学检测工具，用机器拍照扫描，速度是快了，但稍微有点变化就认不出来，误报率高得吓人。好好的产品被它当成次品，也是一笔不小的损失。更高级的武器是电子显微镜（SEM, TEM），能把缺陷放大到极致，看得清清楚楚。但它太慢了，一台设备一天也看不了几片晶圆，只能在实验室里做做分析，根本上不了生产线。还有一种办法叫统计过程控制（SPC），用统计学的方法监控生产过程中的各种数据，比如腔室压力、气体流量、温度等等。这方法有点像医生看体检报告，只看那些超出正常范围的指标。可有些毛病是潜移默化的，或者是几个指标凑在一起才显现出来的“疑难杂症”，SPC就发现不了。英伟达的AI侦探：NV-Tesseract英伟达搞了一个叫NV-Tesseract的模型家族，专门用来处理时间序列数据。像一个超级敏感的侦探，能从一大堆看似杂乱无章的数据（比如传感器每分每秒的读数）里，嗅出不对劲的味道。这个侦探团伙内部有明确分工，有的负责“异常检测”，有的负责“预测”，有的负责“分类”。时间序列人工智能领域有一个基本共识，没有任何单一模型能够有效处理所有预测任务。NV-Tesseract基于这一理念，提供了一系列为不同功能优化的专用模型：异常检测模型实时检测运营或财务异常，能够在问题升级前进行主动干预。预测模型预测未来趋势、需求波动和价格变化，以支持战略规划和资源分配。分类模型对时间序列数据进行高精度分类，减少大量人工标注的需求，提升模式识别能力。NV-Tesseract利用基于Transformer的嵌入来有效捕捉时间序列数据中细微的长程依赖关系，即使在输入存在噪声或偏移的情况下也能保持较高的分类准确率。其模块化架构便于与其他模型集成，能在信号不完整或不稳定的情况下提升性能。多头注意力层使NV-Tesseract能够无缝适应突发变化，如季节性变动或市场激增，确保在动态环境下保持稳定的准确性。在内部测试中，NV-Tesseract比那些传统的浅层神经网络、逻辑回归模型，准确率和F1分数高了5%到20%。在医疗健康领域的一个测试中，它识别血压峰值的F1分数达到了0.96，这证明了它的能力是实打实的。将NV-Tesseract模型装进NIM英伟达推出了NIM（NVIDIA Inference Microservices，英伟达推理微服务）。它把那些复杂的AI模型，比如NV-Tesseract，打包成一个个即插即用的微服务。只需要像运行一个普通的软件一样，几行命令就能把NV-Tesseract系列模型部署到生产线上。NIM内置了TensorRT、TensorRT-LLM这些英伟达自家的优化引擎，能把GPU的性能压榨到极致，实现低延迟、高吞吐量的推理。而且你可以把它部署在任何有英伟达GPU的地方，不管是云端、数据中心，还是车间里的工作站，并可借助Kubernetes和Slurm等编排框架扩展至数百个微服务。有了NIM，NV-Tesseract模型就可以大规模部署到工厂里。能够在单信号和多个相关传感器的时间序列中，识别出异常发生的确切时刻。这种精细程度对晶圆厂至关重要，因为可以精确确定从哪个时间点开始晶圆可能出现故障，立即采取纠正措施，并防止损失向下游蔓延。半导体晶圆厂会产生大量的传感器数据——压力、流量、温度和振动等，每一项数据都可能发出故障信号。几十年来，工程师们一直依赖固定阈值和手动调整的规则。然而，面对现代芯片制造中的噪声、漂移和规模问题，这些方法就失灵了。通过NIM整合NV-Tesseract系列模型，用在半导体晶圆厂生产中，发挥出了巨大作用：针对特定工厂数据进行微调。使模型能够使其异常定义适应单个工具、工艺或生产线。提供用于精确率与召回率权衡的调节旋钮，以便晶圆厂能够调整检测灵敏度，以满足其运营需求。等离子体强度、气体流量或温度的细微偏差都可能导致整批晶圆报废。通过更早发现异常，晶圆厂可以在良率受损前暂停生产、进行调整或维修。曾经数小时未被察觉的传感器故障或校准漂移可被立即检测到，从而防止长时间停机或工具故障的连锁反应。误报会削弱信心，而漏报异常则会影响运营。NV-Tesseract能够减少干扰，同时突出显示真实事件，这有助于建立对自动化监控的信任。晶圆厂无需为每种工具或流程定制解决方案，而是可以轻松地在数百台机器上部署统一的异常检测功能，在加快应用速度的同时降低集成成本。更懂制造的 AI将AI应用到制造业的各个环节，各道工序中，已成未来发展大趋势。例如，全球检测设备巨头KLA公司，就把AI和自家的电子束检测技术结合起来，结果误报率直接从40-50%降到了10%以下，硬件都没换。NV-Tesseract和NIM的组合，给半导体制造打开了一扇新的大门。不仅能实时发现问题，还能通过分析设备传感器的长期数据，AI可以预测某台机器什么时候可能会出故障，提醒工程师提前进行维护，避免生产中断。还能分析工艺参数和缺陷数据之间的关系，告诉工程师什么样的温度、压力、化学浓度组合，才能生产出良率最高的芯片。英伟达还计划让NV-Tesseract能够针对特定工厂、特定生产线的数据进行微调，变得更加“懂行”。参考资料：https://www.indium.tech/blog/traditional-vs-ai-semiconductor-defect-detectionhttps://developer.nvidia.com/blog/new-nvidia-nv-tesseract-time-series-models-advance-dataset-processing-and-anomaly-detectionhttps://developer.nvidia.com/blog/advancing-anomaly-detection-for-industry-applications-with-nvidia-nv-tesseract-adhttps://developer.nvidia.com/blog/new-nvidia-nv-tesseract-time-series-models-advance-dataset-processing-and-anomaly-detection","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"1","news_tag":"dataReport","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.36.2","shortVersion":"4.36.2","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2575206177","isCrawlerRequest":true}