当芯片制造还在卷EUV光刻机时，一家初创公司用AI把X射线光刻的计算成本砍到了脚踝价——这背后的协同进化逻辑，可能比技术本身更值得看。

一张图看懂：AI如何"重写"光刻计算

打开网易新闻 查看精彩图片

Substrate的核心突破可以拆解成三层：底层是物理约束（X射线光源的成像规律），中间是算法层（计算光刻的数学模型），顶层是硬件适配（谷歌张量处理器，即TPU的并行架构）。AlphaEvolve扮演的角色，是同时打通这三层的"翻译器"。

具体来说，它做了三件事：把计算分辨率压下去、把数据类型改成TPU友好的格式、把算法搜索空间从人工试错扩展到自动扫描数十万个改进点。结果是一个月内，运行速度提升680%，计算成本降低97%，内存用量降低94%。

12纳米，一次光刻：这相当于什么水平？

Substrate用这套方案实现了12纳米特征尺寸的双向金属互联层，且只需一次光刻。原文明确提到，这"相当于高数值孔径极紫外光刻系统（即High NA EUV）的水平"。

区别在于，传统路径需要大量实际测试来暴露技术弱点，而AI让Substrate在虚拟环境中提前预判问题。不是替代物理实验，而是把试错成本前置到计算端。

680%背后的商业信号

Substrate在博客中直言：「正是AlphaEvolve让该公司比以往任何时候都更清楚地认识到，模型与芯片协同进化是计算智能的未来。」

这句话的潜台词很直白——当AI不仅能写代码，还能针对特定硬件架构重构算法时，"软件定义硬件"就不再是口号。对于被EUV光刻机天价门槛挡在门外的玩家，这可能是条换道超车的缝隙。

680%的提速、97%的成本降幅、94%的内存压缩——三个数字指向同一个结论：在半导体这个资本密度极高的战场，AI正在把"算力成本"本身变成可以优化的变量。谁先把这套协同进化跑通，谁就能在下一轮制程竞赛中多一张底牌。