背景
隨著先進製程節點縮小、3D 整合與 Chiplet（小晶片）架構的普及，半導體設計與製造的運算需求已超出傳統 CPU 工具的負荷。晶圓廠（Fab）與委外封測廠（OSAT）面臨提高產出、良率與製程控制的壓力。NVIDIA 提出「AI 定義晶圓廠」（AI-defined fab）的概念，結合 GPU、NVIDIA Vera CPU、高速互連技術，以及 NVIDIA CUDA-X™ 和 NVIDIA Omniverse™ 函式庫，旨在加速從設計、驗證到晶圓廠營運、檢測與測試的全工作流程。 官方原文・nvidia.com 官方原文・NVIDIA Blog
發生什麼事
NVIDIA 宣布擴展其技術生態，透過 NVIDIA Agent Toolkit（用於建構自主 AI 工程師的工具包）、NVIDIA PhysicsNeMo（結合 AI 與物理模擬的函式庫） 與 CUDA-X 函式庫，協助 Cadence、Siemens、Synopsys 等產業領導者推進自主工程工作流程。這些技術旨在讓工程師在實體實驗前評估更多替代方案，並利用 AI 預測製程行為，減少對耗時且昂貴的實體晶圓廠實驗的依賴。 官方原文・NVIDIA Blog 官方原文・nvidia.com
重點內容
在加速模擬方面，NVIDIA cuDSS（CUDA-X 平台中的核心求解器函式庫） 函式庫被用於加速多物理場模擬。多物理場模擬涉及熱傳導、電氣行為與機械應力等物理效應的交互作用。軟體供應商 COMSOL 利用 cuDSS 將半導體製造的多物理場模擬速度提升最高 10 倍。Applied Materials 整合 cuDSS 後，其 Ginestra 模擬平台比純 CPU 方法快最高 10 倍；而結合 NVIDIA PhysicsNeMo 後，Applied 的 ACE+ 多物理場平台在地形模擬上速度提升最高 35 倍。 官方原文・NVIDIA Blog
在計算光刻（Computational lithography）領域，Siemens 將 NVIDIA cuLitho（用於加速計算光刻的 CUDA-X 函式庫） 整合進其 Calibre 光刻軟體中，在關鍵模擬工作負載上實現最高 17 倍的加速。cuLitho 是 NVIDIA CUDA-X 函式庫的一部分，用於最佳化光罩以抵消晶片製造中的圖案化問題，將過去需要數天的全晶片光刻模擬壓縮至數小時。此外，Lam Research 展示 NVIDIA PhysicsNeMo 框架能在毫秒內預測電漿（Plasma，半導體蝕刻製程中使用的帶電氣體）行為，相較於完整模擬所需的數天時間，大幅縮短製程條件探索時間。 原文 官方原文・nvidia.com
AI 代理（AI agents）被用於處理決策之間的工程任務。Advantest 使用 NVIDIA NeMo Switchyard（用於管理與切換 AI 模型的代理框架） AI 代理來自動化測試現場的 AI 模型選擇流程，將響應時間從數小時縮短至數分鐘。在數位雙生（Digital twins）方面，Applied Materials 使用 NVIDIA Omniverse（用於建立即時數位雙生的平台） 函式庫建立整個晶圓廠的物理精確數位雙生，讓團隊能在虛擬環境中模擬材料移動、識別瓶頸並評估佈局與營運策略，無需進行實體試驗。 官方原文・NVIDIA Blog
對使用者的意義
這些技術讓半導體工程師能更快速地評估製程變更、材料互動與缺陷根本原因。透過加速運算與物理 AI，工程師可以在承諾實體試驗前探索更多替代方案，並利用 AI 代理自動化重複性任務，從而將更多時間用於專業決策。這有助於提高良率、增加產出並降低成本，同時讓工程師在面對複雜製程時能更快做出反應。 官方原文・nvidia.com 官方原文・NVIDIA Blog
