AI FOR HARDWARE / 晶片製造模擬
AI 人工智慧NVIDIA 整理 AI 如何用於晶片製造：模擬、物理 AI 與數位分身
NVIDIA 介紹合作夥伴如何把 GPU 加速模擬、物理 AI 和工廠數位分身用於半導體製程分析；文章列出多項合作案例，也包含仍在早期存取或規劃中的功能。
消息重點
- NVIDIA 於 11 月 3 日發布這篇產業案例整理，說明加速運算可增加實體試產前可比較的模擬方案，物理 AI 可估測部分製程行為，數位分身則用來先檢視工廠配置與物料流。
- 文章舉例稱 COMSOL 使用 cuDSS 的特定多物理模擬可加速最多 10 倍；Siemens 將 cuLitho 整合至 Calibre 的特定模擬工作負載，NVIDIA 表示最高可加速 17 倍。這些數字是廠商針對個別工作負載公布的結果，不能直接推論為所有晶圓製程或整座工廠的速度提升。
- NVIDIA 也引用 Lam Research 使用 PhysicsNeMo 預測電漿行為的案例，稱部分推論可從完整模擬的數天縮短至毫秒級；文章未提供足以重現所有配置的完整比較條件。cuPotential 仍為 early access；文中部分平台整合則屬合作或後續規劃。
依據：AI Is Changing How Semiconductor Fabs Work — and Engineers Are Moving Faster Because of It ↗ · NVIDIA and Semiconductor Leaders Advance AI Across Chip Design and Manufacturing for AI-Defined Fabs ↗
本站觀察
本站觀察：AI 在晶片產業的角色不只設計新晶片，也可能協助驗證製程與工廠流程。若模擬能更快篩選方案，團隊可以把實體試產時間留給較有希望的選項；但是否改善良率或縮短量產時程，仍須看各廠自己的驗證結果。
來源與更正
本文為官方消息摘要及本站觀察，非廠商合作稿，也非本站硬體實測。產品條件與支援範圍以官方最新資料為準。