NVIDIA defiende que la inteligencia artificial ya está cambiando el trabajo en las fábricas de semiconductores, con simulaciones hasta 35 veces más rápidas en Applied Materials, hasta 17 veces en la litografía computacional de Siemens y predicciones de plasma que pasan de días a milisegundos en Lam Research. Lo explica Timothy Costa, vicepresidente y director general de ingeniería industrial y computacional de NVIDIA, en un artículo de su blog que recopila resultados de socios y los agrupa bajo un concepto: la fábrica definida por IA.
Las claves de la IA en las fábricas de chips en 20 segundos
- NVIDIA reúne casos de COMSOL, Applied Materials, Siemens, Lam Research y Advantest.
- Las mejoras van de 10 a 35 veces en simulación, siempre como máximos.
- Todas las cifras proceden de NVIDIA o de sus socios, sin verificación independiente.
El punto de partida es conocido en la industria. La demanda de chips avanzados crece, los procesos son cada vez más complejos y probar un cambio directamente en la línea de producción es lento y caro. Saber cómo se comportará un material en un paso nuevo o encontrar la causa de un defecto puede llevar días de análisis, y una decisión equivocada sobre el rendimiento de las obleas tiene un coste real. La propuesta de NVIDIA combina cuatro piezas: computación acelerada para simular más rápido, modelos de IA entrenados con física para predecir sin simular cada vez, agentes que encadenan tareas de ingeniería y gemelos digitales para probar cambios en un entorno virtual.
Simulaciones más cortas para probar más alternativas
La primera pieza es la más directa. Las simulaciones multifísicas, que modelan a la vez efectos como el calor, el comportamiento eléctrico o la tensión mecánica, son cada vez más pesadas. Según NVIDIA, COMSOL acelera hasta 10 veces este tipo de simulaciones para fabricación de semiconductores con cuDSS, su librería para resolver sistemas de ecuaciones dispersas en GPU. El argumento no es solo ganar tiempo, sino poder comparar más opciones antes de decidir cuáles se prueban físicamente.
Applied Materials, el mayor fabricante de equipos para semiconductores, aporta dos cifras. Su plataforma Ginestra, que simula materiales a escala atómica, funciona hasta 10 veces más rápido que con solo CPU gracias a cuDSS, y su plataforma multifísica ACE+ ejecuta simulaciones de topografía hasta 35 veces más rápido con PhysicsNeMo. La propia Applied lo detalló en febrero de 2026, cuando explicó que esa aceleración convierte estudios de una semana en resultados del mismo día. La compañía ya trabaja con otros socios en el mismo terreno, como en su colaboración con Intel en interconexiones avanzadas y apilado 3D.
En algunos casos, la aceleración es lo que hace viable el cálculo. Es el de la litografía computacional, que define cómo se imprimen los patrones del circuito sobre el silicio y cuyos cálculos son demasiado intensivos para completarse con CPU a escala de producción. Siemens integra la librería cuLitho de NVIDIA en su software Calibre. El blog de NVIDIA habla de hasta 17 veces más velocidad en cargas de simulación clave; el anuncio de Siemens del 15 de octubre lo concreta como un rango de al menos 10 a 17 veces, y lo vincula a hacer viable a escala la litografía inversa curvilínea (ILT), una técnica que gana peso con procesos como los que TSMC y ASML preparan para la litografía High-NA EUV.
Del plasma en milisegundos a los agentes de prueba
La segunda pieza consiste en entrenar modelos con leyes físicas para que predigan el comportamiento de un proceso sin repetir la simulación completa. El ejemplo más llamativo es el plasma, el gas cargado eléctricamente que se usa para grabar las obleas. Modelarlo exige resolver ecuaciones que combinan efectos eléctricos, químicos y térmicos, por lo que cada simulación es costosa. Según NVIDIA, Lam Research demostró que su marco PhysicsNeMo puede predecir ese comportamiento en milisegundos frente a los días de una simulación completa. Es una demostración, no un despliegue en producción descrito con detalle.
La tercera pieza son los agentes de IA, que se encargan de los pasos intermedios entre decisiones de ingeniería. El caso que cita NVIDIA es el de Advantest, fabricante japonés de equipos de prueba de chips. Elegir qué modelo de IA aplicar a cada tarea en la planta de pruebas era un proceso secuencial y manual que podía llevar horas, y Advantest lo automatiza con agentes basados en NeMo Switchyard, la herramienta de NVIDIA para enrutar peticiones entre modelos. El tiempo de respuesta, según ambas compañías, pasa de horas a minutos, sin cifras más precisas.
La cuarta pieza son los gemelos digitales. Applied Materials usa las librerías Omniverse de NVIDIA para construir réplicas físicamente precisas de fábricas completas, en las que simula el movimiento de materiales, localiza cuellos de botella y evalúa la distribución de equipos y las estrategias de operación antes de aplicarlas. Ninguna de las dos compañías ha publicado resultados cuantitativos de esta parte.
Qué hay detrás de las cifras
El artículo de NVIDIA funciona como resumen de anuncios anteriores y no incluye fechas ni detalles de las pruebas. Las cifras de Applied proceden de su blog de febrero; las de Siemens, de su anuncio de octubre, y el resto, de la nota que NVIDIA publicó el 14 de octubre en SEMICON West. Al comparar las fuentes aparecen matices. En aquella nota, NVIDIA describía la mejora de Applied como «hasta 35 veces más rápido» en simulaciones de cámara, mientras que Applied y el blog la atribuyen a simulaciones de topografía con ACE+. Todas las cifras son máximos («hasta») y en varios casos no se indica con qué se compara.
La nota de SEMICON West incluía además otros socios que el blog no menciona: Teradyne, con una inferencia para el mantenimiento de sondas unas 85 veces más rápida; KLA, con un algoritmo 50 veces más rápido que su versión para CPU; Synopsys, con mejoras potenciales de hasta 30 veces en QuantumATK, y Cadence, con un agente que optimiza encapsulados avanzados ocho veces más rápido. NVIDIA presentó entonces también cuPotential, una nueva librería para simulación atómica.
El objetivo final que describe NVIDIA es conectar todas estas piezas: usar los datos de producción para alimentar los modelos, usar los modelos para evaluar cambios y devolver las conclusiones a los ingenieros que deciden. En su planteamiento, los ingenieros siguen dirigiendo el trabajo y tomando las decisiones, pero esperan menos por las respuestas. Es también una estrategia comercial: cuantos más pasos de la fabricación dependan de sus librerías CUDA-X, más se extiende la plataforma de NVIDIA más allá de los centros de datos.
Preguntas frecuentes
¿Qué es una fábrica de chips definida por IA?
Es el concepto con el que NVIDIA describe una fábrica de semiconductores en la que la IA ayuda a optimizar procesos, detectar problemas antes y tomar decisiones, combinando simulación acelerada, modelos físicos, agentes y gemelos digitales.
¿Cuánto acelera cuLitho la litografía computacional de Siemens?
Siemens habla de al menos 10 y hasta 17 veces en cargas de simulación clave de su software Calibre, según su anuncio de octubre de 2026.
¿Qué empresas usan estas herramientas de NVIDIA?
El blog cita a COMSOL, Applied Materials, Siemens, Lam Research y Advantest. La nota de NVIDIA de octubre añadía a Teradyne, KLA, Synopsys y Cadence, entre otras.
Fuentes:
- NVIDIA Blog: AI Is Changing How Semiconductor Fabs Work, de Timothy Costa
- NVIDIA: NVIDIA and Semiconductor Leaders Advance AI Across Chip Design and Manufacturing for AI-Defined Fabs (14/10/2026)
- Applied Materials: colaboración con NVIDIA para acelerar la fabricación de chips (18/02/2026)
- I-Connect007: Siemens Advances AI Chip Lithography With NVIDIA cuLitho (15/10/2026)
