摘要：本文基于 NVIDIA cuLitho 官方开发者页面与 Siemens 2026 年 10 月发布的 Calibre×cuLitho 集成公告，梳理计算光刻（OPC/ILT）涉及的电磁物理建模、计算几何与迭代优化负载，分析其高度并行、GPU 友好的计算特征，并给出面向掩模工艺研发与算法验证的 UltraLAB 图形工作站分档选型建议。
适用读者：晶圆厂/掩模厂计算光刻工程师、EDA 厂商 OPC 软件研发人员、半导体工艺方向高校课题组。
一、资料背景与核心观点
- 资料名称 1：《NVIDIA cuLitho — Accelerate Computational Lithography》（NVIDIA 开发者官方页面）
- 资料名称 2：《The virtuous cycle of silicon: How Siemens is accelerating the era of Physical AI with NVIDIA cuLitho》（Siemens EDA 官方博客，2026-10-14）
- 发布机构：NVIDIA；Siemens Digital Industries Software
- 原文链接：https://developer.nvidia.com/culitho ；https://blogs.sw.siemens.com/calibre/2026/10/14/the-virtuous-cycle-of-silicon-how-siemens-is-accelerating-the-era-of-physical-ai-with-nvidia-culitho/
核心观点：计算光刻——用电磁物理、光化学、计算几何与迭代优化反向设计掩模图形——已是半导体制造中最大的计算负载之一，且随工艺节点缩小呈指数增长。NVIDIA 给出的官方数据：cuLitho 可使逆光刻（ILT）获得最高 40 倍加速，500 台 Hopper GPU 系统可完成 40,000 台 CPU 系统的工作量，能耗约为 1/9。2026 年 10 月，Siemens 宣布 Calibre 制造软件集成 cuLitho，官方披露的工程数据为：光刻优化类负载最高约 12 倍加速，部分仿真负载加速 10—17 倍。ASML、TSMC、Synopsys 等已先后采用该技术路线。
二、主要功能模块与核心算法
依据 NVIDIA 官方页面与 NGC 文档目录，cuLitho 是嵌入到 OPC 软件中的加速库（C/C++ 与 pyculitho Python API），主要模块包括：
- 光学成像建模：掩模—光刻机—光刻胶的电磁场传播与成像仿真（含衍射效应补偿）。
- OPC（光学邻近效应修正）：对掩模图形做边移与辅助图形插入的迭代修正。
- ILT（逆光刻技术）：把掩模设计表述为逆问题，逐像素/曲线化迭代优化，计算量远高于规则式 OPC，是 GPU 加速收益最大的环节。
- 计算几何：版图图形的布尔运算、分割与曲线化处理。
- OASIS I/O 与版图数据流：面向制造数据格式的输入输出支持。
- 配套生态：cuLitho 容器经 NVIDIA NGC 分发（面向 NVIDIA AI Enterprise 订阅用户）；Synopsys Proteus、Siemens Calibre 等商业 OPC 软件已集成。
注：上述模块以官方页面与公告披露为准；更细的算法参数原文未提供。
三、计算特点与性能瓶颈
- 计算特征：掩模版图按区块（tile）天然并行；光学成像涉及大规模 FFT/卷积类运算，ILT 为迭代优化循环，均为 GPU 高度友好负载。
- GPU 依赖度：官方数据表明这是"GPU 换 CPU 集群"级别的负载——加速比以数十倍计，瓶颈从算力转移到数据供给。
- 显存：单个区块的计算驻留显存；先进节点全芯片版图切块数量巨大，单区块规模与层数决定显存需求，显存带宽决定迭代吞吐。
- CPU 与 I/O：版图数据库（OASIS/GDS）解析、切块调度与结果回写以 CPU + 存储为主；全芯片级流程需要高吞吐并行存储与多节点调度。
- 规模边界：官方对标的是"数万 CPU 系统级"数据中心负载；单工作站适用于算法开发、关键层/热点区块级仿真与小批量掩模验证，全芯片量产流程需集群。
四、典型应用场景
- 先进节点（含 High-NA EUV）掩模工艺开发：曲线化 ILT 掩模的可制造性探索。
- OPC 软件/算法研发：基于 cuLitho SDK 的自有工具链开发或商业软件（Calibre/Proteus）的部署验证。
- 光刻热点（hotspot）检测与修复：对关键区块做密集仿真迭代。
- 工艺窗口分析：离焦/剂量矩阵下的成像仿真批量扫描。
- 高校计算光刻与逆问题优化研究：ILT 算法、AI 辅助掩模优化方法学。
五、UltraLAB 硬件配置建议
cuLitho 为 NVIDIA CUDA-X 库，仅支持 NVIDIA GPU；容器面向 NVIDIA AI Enterprise 订阅提供，部署前请确认授权与 NGC 访问权限。以下分档针对研发/验证级场景推导。
| 档位 | CPU 选型思路 | 内存 | GPU 与显存 | 系统盘/项目盘/数据盘 | 散热/电源/扩展性 | 适用场景 |
|---|---|---|---|---|---|---|
| 入门（算法学习） | 16—24 核高主频 CPU，保障版图解析吞吐 | 256 GB ECC | 1 张 48 GB 显存 NVIDIA GPU（对照 cuLitho 当前版本支持架构） | 2 TB NVMe 系统盘 + 4 TB NVMe 项目盘 | 强化风冷，≥1600 W | SDK 学习、小区块 ILT 实验、教学 |
| 主流（工艺研发） | 32—64 核，版图切块与调度并行 | 512 GB—1 TB ECC | 2—4 张 48—80 GB 显存 GPU，优先大显存高带宽型号 | 2 TB NVMe 系统盘 + 8 TB NVMe 项目盘 + 高速 NAS | 液冷/高静压风冷，≥2600 W，预留扩展槽 | 关键层 ILT 优化、热点区块密集仿真、多实验并发 |
| 高性能（近量产验证） | 双路 64 核级，NUMA 绑定 GPU 分区 | 1—2 TB ECC | 4—8 张数据中心级 GPU，100 GbE/InfiniBand 对接存储与调度集群 | 4 TB NVMe 系统盘 + NVMe RAID + 并行文件系统对接 | 机架式、冗余电源、机房环境 | 全芯片流程的单节点角色、与生产集群同构的验证环境 |
推荐理由与升级方向：该负载"GPU 密度优先"。在预算固定时，优先增加 GPU 数量与显存容量，CPU 与内存以满足切块调度不饿卡为下限。升级到全芯片量产流程时，应转向多节点 GPU 集群 + 并行存储，工作站作为开发与预处理前端。
六、软件清单
| 类别 | 名称 | 必需/可选 | 说明 |
|---|---|---|---|
| 加速库 | NVIDIA cuLitho（C/C++、pyculitho） | 必需 | NGC 容器分发，需相应订阅 |
| 商业 OPC 软件 | Siemens Calibre / Synopsys Proteus | 按用户角色 | 已宣布/已集成 cuLitho 加速 |
| 运行环境 | NVIDIA 驱动 + CUDA + NGC 容器工具链 | 必需 | 版本按 NGC 页面要求 |
| 版图数据 | OASIS/GDSII 工具链（如 KLayout） | 必需 | 版图查看与预处理 |
| 调度 | SLURM / 自研切块调度 | 可选 | 多区块批处理 |
| 开发 | Python、C++ 工具链 | 必需（研发） | SDK 二次开发 |
| 可视化 | KLayout / Calibre WORKbench | 可选 | 掩模图形与成像结果检查 |
七、常见问题与硬件分析
Q1：个人或小团队能直接用 cuLitho 吗？
cuLitho 是面向 OPC 软件厂商与晶圆/掩模厂的 SDK，通过 NGC 容器提供且与订阅绑定；学术用途可关注 NVIDIA 学术计划或经商业软件（Calibre/Proteus）间接使用其加速能力。采购前先落实软件获取路径。
Q2：为什么计算光刻特别适合 GPU？
掩模版图可切块独立计算，光学成像以大规模 FFT/卷积为主，ILT 是规则数据上的迭代优化——三者都是高并行、高算术强度负载。NVIDIA 官方公布的 ILT 最高 40 倍加速、Siemens 公布的 10—17 倍仿真加速均源于此结构性特征。
Q3：显卡需要强双精度吗？
官方资料未逐模块公布精度要求。光学成像与优化迭代常以单精度/混合精度为主，但具体以所用 SDK 版本与商业软件要求为准，采购前建议向厂商确认目标模块的精度路径。
Q4：全芯片 OPC 能在单工作站上跑吗？
不建议以此为目标。官方对标负载是数万 CPU 核级数据中心；单工作站适合算法开发、关键层与热点区块。全芯片流程请规划多节点集群与并行存储。
Q5：CPU 和存储为什么不能省？
版图数据库解析、切块、调度与结果回写全在 CPU 与存储上；GPU 算得越快，数据供给压力越大。NVMe 项目盘与 10/100 GbE 网络是避免"GPU 空转"的必要投入。
八、总结与选型建议
计算光刻是少见的"GPU 加速比以数十倍计"的确定性收益负载，选型核心为：GPU 密度与显存容量优先，CPU/内存/存储以不饿卡为下限，软件授权先行确认。研发级用户从 1—2 张大显存 GPU 工作站起步；工艺研发与验证按 2—8 张数据中心级 GPU 配置；全芯片量产流程请直接规划集群，把工作站定位为开发与验证前端。所有加速比数字均引自 NVIDIA 与 Siemens 官方公告，实际收益因版图规模、节点与软件版本而异，建议以自有测试用例在目标配置上实测标定。
参考来源
- NVIDIA. cuLitho — Accelerate Computational Lithography（开发者官方页面）. https://developer.nvidia.com/culitho
- Siemens Digital Industries Software. The virtuous cycle of silicon: How Siemens is accelerating the era of Physical AI with NVIDIA cuLitho（2026-10-14）. https://blogs.sw.siemens.com/calibre/2026/10/14/the-virtuous-cycle-of-silicon-how-siemens-is-accelerating-the-era-of-physical-ai-with-nvidia-culitho/
上述所有配置，代表最新硬件架构，同时保证是最完美，最快，如有不符，可直接退货
欲咨询机器处理速度如何、技术咨询、索取详细技术方案，提供远程测试，请联系
UltraLAB图形工作站供货商：
西安坤隆计算机科技有限公司
国内知名高端定制图形工作站厂家
业务电话：400-705-6800
咨询微信号：100369800
