据IT之家11月4日报道，英伟达在11月3日发布的文章中，介绍了加速仿真、学习型物理模型、AI智能体和数字孪生在芯片制造中的应用。其中，应用材料公司的ACE+多物理场平台借助PhysicsNeMo，实现了最高35倍的形貌仿真加速。这一数字对应具体平台和仿真任务，并非整座晶圆厂的生产提速幅度。
英伟达将这些变化概括为晶圆厂走向“AI定义工厂”。其提出的背景是，先进芯片制造工艺日益复杂，良率和工艺质量的容错空间缩小，而真实产线实验耗时且成本高。加速仿真的目标，是让工程师在投入真实试验前，先在虚拟环境中比较工艺方案、识别缺陷风险。
不同工具对应的加速幅度并不相同。报道援引的案例显示，COMSOL借助英伟达cuDSS，将半导体制造相关仿真速度提升最高10倍；西门子将cuLitho集成到Calibre光刻软件后，关键仿真负载最高提速17倍。应用材料的另一平台Ginestra集成cuDSS后，较仅使用CPU的方案快最高10倍。
除了加速计算，学习型物理模型还被用于减少重复仿真。这类模型从高精度仿真、实验或产线数据中学习物理变量之间的关系，再预测复杂物理过程。报道称，Lam Research展示了利用PhysicsNeMo在毫秒级预测等离子体行为的能力，而完整仿真可能需要数天。这里的毫秒级结果指模型预测，并不是把完整仿真本身缩短至毫秒级。
数字孪生则把验证范围扩展到整座晶圆厂：通过构建虚拟模型，帮助工程师在投产前发现瓶颈，验证布局和运营策略。它所支持的不只是单项工艺计算，也包括工厂层面的方案验证。
按照英伟达的介绍，引入AI加速仿真、学习型物理模型和AI智能体后，许多原本以天计的分析任务可以压缩到分钟级。这里缩短的是部分工程分析与决策所需时间；减少试错、提高良率和降低成本，则是这些技术在真实制造之前开展“虚拟实验”的目标。