早在2022年，OpenAI發布基于大語言模型的ChatGPT，就轟動全球，自此之后，各類AI大模型如同雨后春筍般涌現。訓練這些大模型需要阿伏伽德羅常數級的算力，以訓練GPT-4為例，需要215億petaFLOP，1 peta是10的15次方，即2.15 x 10²⁵次浮點運算。阿伏伽德羅常數只有6.02x10²³。

為了滿足對芯片算力的需求，邏輯芯片的線寬不斷縮小，器件結構更加復雜。從平面柵到鰭柵（FinFET），再到全環繞柵（GAA）。NVIDIA H100芯片就是廣泛應用的AI訓練芯片的產品，其先進邏輯芯片，采用的就是先進的GAA的晶體管結構。

H100為何價格居高不下，并且一片難求，其原因就在于，當先進邏輯芯片的工藝節點不斷發展演進，芯片的良率越來越成為制約產能和成本的因素。今年上半年，某晶圓大廠就曾爆出其GAA產品良率不到20%，遠遠低于保持其產品的競爭力的70%良率臨界值。

想了解更多Helios 5 EXL如何助力晶圓廠工藝改良和提高良率，并助推AI模型不斷升級演進，以及其它賽默飛半導體失效分析解決方案，還可以關注我們的官方微信或是訪問賽默飛。