原文標題：AI Is Changing How Semiconductor Fabs Work — and Engineers Are Moving Faster Because of It

NVIDIA 11 月 3 日在官方部落格介紹「AI-defined fab」概念，主張將加速運算、物理模型、AI 代理與數位分身整合至半導體設計、測試及製造流程。這項方向著重縮短工程師等待模擬結果的時間，讓更多方案能在投入昂貴的實體製程試驗前先行評估。

在多物理模擬方面，COMSOL 使用 NVIDIA cuDSS 函式庫，於半導體製造相關模擬達到最高 10 倍加速。Applied Materials 的 Ginestra 平台整合 cuDSS 後，相較純 CPU 方式最高加速 10 倍；其 ACE+ 多物理平台結合 NVIDIA PhysicsNeMo，地形模擬最高加速 35 倍。這些均為特定平台或工作負載的成果，不應推廣為所有製程均可達成。

Siemens 將 NVIDIA cuLitho 整合至 Calibre 微影軟體，在部分關鍵模擬工作負載達到最高 17 倍加速。對於蝕刻過程的電漿預測，NVIDIA 指出 PhysicsNeMo 可協助將原本需數天的模擬縮短至毫秒等級；Lam Research 則計畫把 NanoVDB 納入 SEMulator3D，預期讓部分晶圓蝕刻模型最高加速 30 倍。Lam 的數字屬預期效益，不能視為已全面部署的實測成果。

AI 代理部分，Advantest 使用 NVIDIA NeMo Switchyard 自動化選擇測試所需模型，將回應時間由數小時縮至數分鐘。Applied Materials 同時運用 NVIDIA Omniverse 函式庫建立晶圓廠數位分身，模擬物料流、設備配置、產出瓶頸及營運策略。NVIDIA 強調工程師仍負責判斷與決策，這些工具是輔助流程，而非無人監督的自主晶圓廠。

發生了什麼事

NVIDIA 公布半導體製造導入加速模擬、物理 AI、代理工具及數位分身的合作進展，列舉多家設備、軟體及測試廠商的案例。

為什麼重要

先在虛擬環境測試材料、微影及蝕刻方案，可降低反覆實體試驗的成本；不同案例中的加速倍數則反映個別模型與計算環境，不能直接等同良率或產能提升。

影響哪些人

晶圓廠製程工程師、設備與材料供應商、EDA 軟體開發商及晶片製造商，可評估這些工具在研發、測試與工廠規劃中的適用性。

已確認與未確認

官方列出 COMSOL、Applied Materials、Siemens、Lam Research 與 Advantest 的合作及特定效能數據；未提供統一測試條件、完整部署時程、導入成本或整廠良率改善幅度。