NVIDIA 联手半导体巨头，打造 AI 定义的晶圆厂

AI 定义的晶圆厂，正在从一句概念变成一套工程系统。

当先进芯片需求继续增长，晶圆厂面对的已经不只是产能扩张，还包括越来越复杂的材料、工艺、检测、仿真和设备数据。

NVIDIA 最新文章介绍了其 CUDA-X™ 库、Omniverse™ 库和人工智能工具链如何被半导体行业企业用于芯片设计、制造、检测和晶圆厂运营。

文章涉及的企业包括 Applied Materials、Cadence、KLA、Lam Research、西门子、新思科技、imec、Teradyne 和 Advantest 等。

NVIDIA 与半导体行业企业推进 AI 在芯片设计与制造中的应用。图片来源：NVIDIA。

01

从材料模拟到 AI 智能体

NVIDIA 推出了 cuPotential，这是一款新的 NVIDIA CUDA-X 库。开发者可以借助它构建用于模拟原子与分子相互作用的 AI 智能体。

理解原子和分子之间的相互作用，是研究半导体材料与制造工艺的基础。即使软件已经针对 GPU 进行了优化，这类计算仍然可能耗费大量时间。

cuPotential 通过专用的 GPU 加速功能，帮助研究人员更快地模拟大量原子之间的电场力及其他相互作用，并测试和优化仿真结果。

新思科技是首批采用 cuPotential 加速材料仿真工作的企业之一。通过将建模能力开放给 AI 智能体，cuPotential 可以支持智能体运行、评估并迭代先进的分子模拟。

在早期访问测试中，cuPotential 让原本已经经过 GPU 优化的工作流进一步提速 2 至 3 倍。

02

半导体企业把 CUDA-X 放进设计流程

AI 定义的晶圆厂需要在工艺变更进入量产前，更快地完成芯片设计、材料行为和制造流程建模。

NVIDIA CUDA-X 系列库覆盖了多个环节，包括用于模拟原子相互作用的 cuPotential、用于建模电子行为的 cuEST，以及用于求解复杂工程仿真的 cuDSS。

新思科技正在使用 cuPotential、cuEST 和 cuDSS 加速半导体仿真。早期 QuantumATK 测试显示，cuEST 可实现 30 倍加速；S-Device 基准测试则显示，cuDSS 可实现 12 倍加速。

新思科技还推出了 AgentEngineer 解决方案，可与 NVIDIA Nemotron™ 开放模型及 NVIDIA NeMo™ 协同工作，为芯片设计和验证提供 AI 智能体支持。

Cadence 正借助 NVIDIA 加速计算、Nemotron 开放模型和 CUDA-X 库，将智能体 AI 引入机电系统设计和仿真，覆盖从半导体到先进封装及印刷电路板的多个环节。

Cadence AuraStack AI Super Agent 结合 Cadence Celsius 与 cuDSS 技术，将先进封装的热管理和应力优化速度提升 8 倍。ChipStack AI Super Agent 则借助 Nemotron 支持半导体设计与验证。

COMSOL 正使用 NVIDIA cuDSS 加速半导体多物理场仿真，仿真速度提升 10 倍。其即将推出的 COMSOL MCP Server 将采用 NVIDIA Nemotron Ultra 开放模型，支持 AI 辅助建模与设计探索。

Voltai 的 Voltaire 平台面向 3D-IC 设计和仿真，将 AI 智能体与由 cuDSS 和 CUDA-X 库加速的 GPU 求解器结合，把复杂的电、热、力仿真工作流从数月缩短至一天。

ChipAgents 则采用 NVIDIA AI 基础设施以及模型训练与优化软件，为芯片设计开发专用 AI 模型，并与 NVIDIA 合作开发 Build-A-Chip Bench，用于评估智能体从规格定义到图形数据系统的端到端工作流表现。

03

制造流程需要先在数字世界里跑一遍

晶圆厂依赖数千道工艺步骤。每一道步骤在投入生产前，都需要经过建模、优化和验证。

NVIDIA cuLitho 可加速芯片图案的光刻计算。NanoVDB 是用于处理 3D 数据的开源库，可提升芯片制造仿真效率。PhysicsNeMo™ 开放框架则用于训练物理 AI 模型，预测物理系统的运行行为。

西门子正在采用 cuLitho 加速 Calibre 软件，用于芯片图案优化和掩模准备。其 Solido 团队还在基于 Nemotron 开放模型与 NVIDIA NeMo 开放库，开发智能体驱动的表征工作流。

Lam Research 计划将 NanoVDB 集成到 SEMulator3D 中。预计引入 NanoVDB 后，部分晶圆刻蚀建模速度最高可提升 30 倍；使用 PhysicsNeMo 也已经被证实能够将等离子体预测仿真时间从数天缩短至数毫秒。

Luminary 正将 PhysicsNeMo 应用于半导体封装设计，通过训练物理 AI 模型，预测不同封装配置下的温度、压降和热应力。工程师可以在相同时间内探索 100 倍以上的设计方案，而不必为每个方案重新运行仿真。

数字孪生的价值，不只是把仿真做快，而是让工程师敢于探索更多原本算不起的方案。

04

检测和测试，也开始由 GPU 加速

AI 定义的晶圆厂需要快速分析检测图像和测试数据，及时发现缺陷、维护设备并提升良率。

NVIDIA NPP 是用于 GPU 图像处理的库，NVIDIA RAPIDS cuDF 则用于在 GPU 上处理大规模数据集。两者都可以加速测试和质量控制工作流。

imec 正借助 NVIDIA AI 与加速计算技术，去除用于亚纳米级芯片测量的扫描电子显微镜图像噪声，并利用 cuLitho 实现计算密集型的工艺窗口光学邻近效应校正，将光刻工艺窗口提升 30%。

KLA 将其生产级内核的优化经验应用于新的 NPP NCC 内核，该内核性能较早期 CPU 版本提升 50 倍，并达到与 KLA 手工调优实现相当的水平。

Teradyne 正借助 NVIDIA NPP 加快图像传感器测试，并利用 RAPIDS 中的 cuDF 和 CuPy 进行 GPU 计算，将探针维护推理速度提升约 85 倍。

Advantest 已将 NVIDIA Nemotron 和 NVIDIA Kumo-Anomaly 集成至 ACS RTDI，开展 AI 驱动的半导体生产分析。依托 NVIDIA Grace Blackwell 系统，ACS 可以提供实时诊断和推理，并为测试单元推荐纠正措施。

Advantest 还借助 NVIDIA NeMo Switchyard AI 智能体，实现模型自动选择，优化半导体测试工作流，将响应时间从数小时缩短至数分钟。

05

从设备数据到晶圆厂自动化

在 AI 定义的晶圆厂中，设备数据必须足够快地从各类仪器传输到 AI 系统，才能支持运营决策。

Applied Materials 正在材料发现、工艺开发和晶圆厂优化等环节广泛使用 NVIDIA Omniverse™ 及 CUDA-X 库，包括 cuDSS、cuEST 和 PhysicsNeMo。

借助这些工具，Applied Materials 实现了腔室仿真速度提升 35 倍，并构建晶圆厂数字孪生模型，用于优化厂房布局和物料流。

Analog Devices Inc. 正将新思科技的物理仿真技术与 NVIDIA Isaac Sim™ 框架及 Omniverse 库结合，开发高保真传感器仿真和机器人基准测试，帮助工程师评估传感器在完整机器人系统中的性能。

FANUC 与 Foxconn 正将机器人模型接入 Mega NVIDIA Omniverse Blueprint，使制造商能够在实际部署前，在工厂数字孪生中仿真和验证机器人操作。

OMRON 正在检测设备中应用 NVIDIA Cosmos™ 开放世界模型与 NVIDIA Metropolis Blueprint，用于视频搜索和摘要生成，帮助工程师分析印刷电路板结果，排查潜在缺陷原因，并为故障诊断与质量控制提供支持。

06

可用性

目前，NVIDIA cuPotential 抢先体验版已经上线。NanoVDB 作为 OpenVDB 的开源组件发布，NVIDIA NPP 则可以通过 NVIDIA CUDA 工具包获取。

Lam Research 基于 NanoVDB 加速的 SEMulator3D 功能预计于 2026 年年底发布。

本文转载自 NVIDIA 中国官方博客，原文发表于 2026 年 10 月 14 日。文中产品名称、商标及相关数据以 NVIDIA 官方原文为准。

END

往期推荐

REVIEW

Applied Materials 宣布与 Besi 扩大合作，共同推进面向 AI 的下一代先进封装 ！

一年过去了，TEL 有哪些技术进展？

AI 时代存储器件的演进：更快、更密的三维存储架构

↓设置星标，精彩不错过↓

欢迎关注本公众号，获取更多半导体设备、工艺、产业动态

点分享

点收藏

点在看

点点赞