英伟达称AI重塑芯片工厂 仿真最高提速35倍

驱动中国11月4日消息，英伟达于11月3日发布的文章称，人工智能正在把半导体晶圆厂推向“AI定义工厂”阶段。该阶段以加速仿真、学习型物理模型、AI智能体和数字孪生为核心，用于提升芯片制造中设计、测试与生产决策的速度。

文章对加速仿真作出解释，即利用GPU、并行计算和AI智能体模型等技术，将传统依赖CPU的工程仿真从数小时、数天压缩至数分钟甚至毫秒级。在半导体制造环节，这一方式可让工程师更快测试工艺方案、预测缺陷风险，而不必首先开展成本较高、周期较长的真实产线实验。

英伟达认为，随着先进芯片需求上升，制造工艺复杂度提高，良率与工艺质量的容错空间持续收窄。传统产线实验速度慢、成本高，工程师分析工艺变更、材料反应或缺陷根因时往往需要数天。AI的作用在于，让工程师在投入真实试验前，先在虚拟环境中比较方案并发现风险。加速仿真的目标是在真实制造前获得足够可靠的“虚拟实验”结果，从而减少试错、提高良率并降低成本。

学习型物理模型指利用机器学习，从高精度仿真、实验或产线数据中学习物理规律。该模型可学习温度、压力、材料、电磁场、等离子体等变量之间的映射关系，并快速预测复杂物理过程。英伟达在半导体制造相关内容中，将其列为加速晶圆厂仿真与决策的关键技术之一。

数字孪生指在虚拟环境中建立物理对象、系统或流程的动态数字副本。其并非静态3D模型，而是能够接收实时或历史数据、模拟运行状态、预测结果，并支持“先在虚拟世界试、再到现实世界做”的决策方式。在英伟达的半导体制造文章中，数字孪生被用于构建整座晶圆厂的虚拟模型，帮助工程师在投产前发现瓶颈、验证布局和运营策略。

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；西门子把cuLitho集成到Calibre光刻软件，使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，较仅使用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倍形貌仿真加速。

AI还可减少重复仿真。半导体蚀刻使用的等离子体行为建模复杂且成本较高。Lam Research展示，PhysicsNeMo可在毫秒级预测等离子体行为，而完整仿真可能需要数天。

英伟达称，过去工程师判断某个芯片制造方案是否可行，需要等待长时间仿真、实验或数据分析；引入AI加速仿真、学习型物理模型和AI智能体后，许多原本以“天”计的分析任务可压缩到“分钟”级完成。文章举例称，Advantest使用NeMo Switchyard AI智能体自动选择合适的AI模型，把原本需要数小时的任务压缩到数分钟。

英伟达表示，在先进晶圆厂中，工程师面对的问题往往不是简单查询数据。传统流程通常依次进行高精度物理仿真、结果分析、方案比较，有时还要安排实际试验；一次完整仿真可能需要数天，工程师难以快速探索大量备选方案。AI可先帮助工程师缩小范围、发现高风险方案，但关键工艺变更仍需要高精度仿真、实验验证和工程师专业审核。AI将工程师从长时间等待计算结果中释放出来，使其把时间用于判断、验证和优化；决策链条中的等待时间缩短，专业责任和最终把关仍在工程师手中。