据报道，英伟达 11 月 3 日发布文章称，人工智能正在把半导体晶圆厂推进到“AI 定义工厂”阶段。加速仿真、学习型物理模型、AI 智能体与数字孪生四项技术叠加，正在改写芯片制造里设计、测试与生产决策的节奏。
最直接的变化是仿真耗时。传统工程仿真依赖 CPU，一次完整计算可能耗掉数小时到数天；改用 GPU 后同样任务能压到数分钟甚至毫秒级。多物理场软件 COMSOL 借助 cuDSS 把相关仿真提速最高 10 倍，西门子将 cuLitho 集成进 Calibre 光刻软件，关键负载最高快 17 倍。
设备与材料环节的提速更明显。应用材料的 Ginestra 平台集成 cuDSS 后，比纯 CPU 方案快最高 10 倍，其 ACE+ 多物理场平台借助 PhysicsNeMo 把形貌仿真提速最高 35 倍。蚀刻中的等离子体行为建模复杂且昂贵，Lam Research 展示 PhysicsNeMo 能在毫秒级给出预测，而完整仿真可能需要数天。
另一类收益是减少重复计算。学习型物理模型从高精度仿真、实验与产线数据里学习温度、压力、材料、电磁场、等离子体之间的映射关系，不必每次都从头算起。Advantest 用 NeMo Switchyard 智能体自动挑选合适的模型，把原本数小时的任务压到数分钟。
数字孪生则把整座工厂搬进虚拟环境。应用材料正基于 Omniverse 构建晶圆厂数字孪生，可在虚拟空间模拟物料流动、发现瓶颈、验证布局与运营策略，再决定是否在真实产线落地。英伟达称这套闭环能让工厂从每个生产周期里学习，并更早采取行动。
边界也划得清楚。关键工艺变更仍需高精度仿真、实验验证与工程师审核，AI 缩短的是等待时间，把关仍在人手上。英伟达打了个比方：过去像医生等全套检查报告才能判断，现在先拿到筛查结果和可能原因，医生再决定优先做哪几项检查。
原创文章，作者：happy，如若转载，请注明出处：https://www.kejixun.co/article/766908.html
