英伟达：芯片工厂进入AI时代，形貌仿真最高提速35倍

　　英伟达 11 月 3 日发文提出，半导体晶圆厂正进入「AI 定义工厂」阶段。借助加速仿真、学习型物理模型、AI 智能体与数字孪生，部分形貌仿真最高提速 35 倍，工程师原本以天计的决策被压缩到分钟级。

　　加速仿真指用 GPU、并行计算与 AI 智能体模型，把传统依赖 CPU 的工程仿真从数小时、数天压到数分钟甚至毫秒级。在晶圆厂里，这意味着工程师可以先在虚拟环境里比较工艺方案、预测缺陷风险，再决定是否动用昂贵且耗时的真实产线实验。

　　先进制程的容错空间正在收窄：工艺越复杂，一次材料或参数变更牵动的变量越多，良率波动也越难凭经验判断。传统做法要依次跑高精度物理仿真、分析结果、比较方案，必要时再安排实测，一轮下来常常数天。

　　学习型物理模型，是用机器学习从高精度仿真、实验或产线数据中拟合物理规律，学习温度、压力、材料、电磁场、等离子体等变量之间的映射关系，从而快速预测复杂过程。数字孪生则是在虚拟环境里构建物理对象、系统或流程的动态副本，能接收实时与历史数据、模拟运行状态、预测结果，用于先在虚拟世界试、再到现实世界做。

　　在英伟达的描述中，三者是递进关系：模型负责算得快，智能体负责选得对，孪生负责看得全。应用材料公司正基于 Omniverse 构建整座晶圆厂的数字孪生，用于模拟物料流动、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。

　　文中给出的加速幅度来自不同厂商的自测：多物理场仿真软件 COMSOL 借助 cuDSS，半导体制造相关仿真最高提速 10 倍；西门子把 cuLitho 集成进 Calibre 光刻软件，关键仿真负载最高提速 17 倍；应用材料公司的 Ginestra 平台集成 cuDSS 后，比纯 CPU 方案最高快 10 倍，其 ACE+ 多物理场平台借助 PhysicsNeMo 实现最高 35 倍的形貌仿真加速。

　　等离子体建模是另一处瓶颈。蚀刻工艺中的等离子体行为建模复杂、成本高，Lam Research 展示 PhysicsNeMo 可在毫秒级给出预测，而完整仿真可能需要数天。智能体侧，Advantest 使用 NeMo Switchyard 自动选择合适的 AI 模型，把原本数小时的任务压缩到数分钟。

　　需要说明，上述倍数为各厂商在特定负载下的对比结果，测试条件与基准并未统一，跨平台横向比较并不严谨；35 倍是形貌仿真单项的峰值，不代表整条工艺流程的整体提速。

　　英伟达在文中明确了一个边界：AI 先帮工程师缩小范围、标记高风险方案，关键工艺变更仍需要高精度仿真、实验验证与工程师的专业审核。等待时间被压缩，专业责任与最终把关仍留在人手里。

　　用文中的类比，过去像医生要等全套检查报告出来才能初步判断，现在 AI 先给出多项筛查结果与可能原因，医生据此决定优先做哪些关键检查——速度快了，诊断决定仍由医生负责。对晶圆厂而言，这套闭环的价值在于让每个生产周期的数据被更快吸收，但把它等同于无人化工厂并不准确。