英伟达提出AI定义晶圆厂，以AI加速芯片制造全流程仿真

2026年11月5日，英伟达于11月3日正式提出“AI定义晶圆厂”的技术理念。该理念聚焦于芯片设计与制造全流程的智能化升级，通过GPU高性能计算、学习型物理模型、AI智能体以及高保真数字孪生系统，将原本依赖CPU的传统工程仿真耗时——从数小时乃至数天级别——大幅压缩至数分钟甚至毫秒级。

在光刻环节，西门子已将英伟达cuLitho加速库集成至Calibre软件平台，关键光刻仿真任务最高实现17倍提速。光刻仿真直接决定电路图形在硅片上的最终成像质量，此类加速能力使工程师可在实际晶圆投片前，高效完成大量工艺方案的比选与验证。

在材料与工艺仿真方面，COMSOL利用cuDSS库，将半导体制造相关仿真任务最高提速10倍；应用材料公司将其Ginestra平台接入cuDSS后，相较纯CPU方案同样实现最高10倍加速；其ACE+平台则依托PhysicsNeMo模型，在形貌仿真中达成最高35倍的效率提升。

等离子体行为建模是另一重要突破方向。Lam Research采用PhysicsNeMo技术，可在毫秒量级内完成等离子体动态响应预测，而传统全物理仿真往往需耗费数天时间。蚀刻过程中的等离子体涉及电磁场、化学反应与热传导等多物理场强耦合，毫秒级预测能力显著降低了工艺调试中的试错频率与资源消耗。

英伟达指出，“AI定义晶圆厂”并非追求完全无人值守的封闭式生产环境，而是将人工智能深度融入工艺设计、物理建模、质量控制及产线调度等核心环节，形成人机协同、虚实联动的新范式。

日本领先测试设备企业Advantest应用NeMo Switchyard AI智能体，实现模型的自动匹配与调用，将以往需数小时完成的任务缩短至数分钟。

值得重视的是，随着芯片制程持续逼近物理极限，工艺良率的容错窗口日益收窄，依赖实体晶圆反复试验的开发模式已难以维系其经济性与时效性。英伟达所构建的这一技术路径，本质在于将尽可能多的关键工程决策迁移至虚拟空间完成——在动用昂贵产线资源之前，先行开展充分、精准、高效的“数字实验”，从而系统性提升研发效率与制造稳健性。