英伟达于11月3日发布文章指出，人工智能正推动半导体晶圆厂进入“AI 定义工厂”阶段。通过加速仿真、学习型物理模型、AI 智能体和数字孪生技术，芯片制造中的设计、测试与生产决策正在显著提速。加速仿真利用 GPU 和并行计算，将传统工程仿真时间从数小时或数天压缩至数分钟甚至毫秒级，使工程师能在真实产线实验前快速测试工艺方案并预测缺陷风险。学习型物理模型则通过学习温度、压力、材料等变量映射关系，快速预测复杂物理过程，被视为加速晶圆厂仿真与决策的关键技术之一。
在具体应用案例中，多物理场仿真软件 COMSOL 借助英伟达 cuDSS，将半导体制造相关仿真速度提升最高 10 倍；西门子将 cuLitho 集成到 Calibre 光刻软件中，关键仿真负载最高提速 17 倍。应用材料公司的 Ginestra 平台在集成 cuDSS 后，较仅用 CPU 的方案快最高 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。此外，Lam Research 展示 PhysicsNeMo 可在毫秒级预测等离子体行为，替代原本需数天的完整仿真，有效降低建模成本。
数字孪生技术允许在虚拟环境中创建晶圆厂的动态数字副本，用于模拟物料流动、发现瓶颈并验证运营策略。应用材料公司正基于英伟达 Omniverse 构建整座晶圆厂的数字孪生，通过模拟工厂级布局、吞吐量、成本和工艺控制优化，在投产前发现潜在问题。AI 智能体如 Advantest 使用的 NeMo Switchyard，能自动选择合适模型，将原本需数小时的任务压缩至数分钟。这些技术让工程师从长时间等待计算结果中解放出来，更多精力可用于判断、验证和优化。随着 AI 深度融入制造流程，晶圆厂决策效率提升的同时，工程师在关键工艺变更中的专业审核与最终把关作用依然不可或缺。
