北京
芯片制造里最耗时间的一件事，是模拟原子和分子怎么互动。这个计算慢到什么程度？即便软件已经针对GPU做过优化，跑一轮还是让人等得心焦。英伟达这次发布的cuPotential库，在早期测试里把这类已经GPU优化过的工作流又提速了2到3倍。
这不是一个孤立的工具更新。英伟达同时宣布，包括应用材料、Cadence、KLA、Lam Research、西门子、新思科技在内的半导体厂商，正在芯片设计、制造和测试环节采用它的CUDA-X加速计算和AI技术栈。
什么是AI定义的晶圆厂
英伟达给了一个直白的定义：AI定义的晶圆厂，就是让AI帮工程师优化流程、解决生产问题、提升生产效率的半导体工厂。先进芯片需求在涨，工厂必须扩产，但制造流程越来越复杂。工程师需要新办法来建模材料、分析检测数据，还要在数字孪生里先测试工艺改动，确认没问题再上产线。
CUDA-X库组合提供的，就是给AI智能体和工程应用用的加速工具，覆盖半导体仿真、3D数据处理和图像分析。目标是让更多工程工作自动化，帮工厂预测工艺行为、提高良率。
英伟达工业和计算工程副总裁兼总经理Tim Costa的说法是，半导体行业让AI革命成为可能，现在AI正在改变芯片的制造方式。工厂在抢产能，CUDA-X和Omniverse库给AI智能体提供了加速仿真和检测工具，帮工程师应对复杂度、提升良率。
谁在用，快了多少
cuPotential的定位很具体：给开发者提供专门的GPU加速函数，可以加进现有软件里，用来模拟大量原子之间的电作用力和其他互动。新思科技是早期采用者之一，用它加速材料仿真。把这类建模能力开放给AI智能体之后，智能体可以自己跑、评估、迭代复杂的分子模拟。
具体提速数字，英伟达列了一串：
- 新思科技用cuEST跑QuantumATK，早期结果显示潜在30倍加速
- 新思科技用cuDSS跑S-Device基准测试，加速12倍
- Cadence用cuDSS配合Celsius，优化先进封装的散热和应力，快了8倍
- COMSOL用cuDSS加速半导体多物理场仿真，最高10倍
- Lam Research借助NanoVDB，芯片制造仿真快了30倍
NanoVDB是一个处理3D数据的开源库，专门加速芯片制造仿真。KLA则用NVIDIA NPP这个GPU图像处理库，加速芯片制造检测环节。
智能体开始接管设计流程
几个厂商的用法值得注意。新思科技的AgentEngineer方案与英伟达Nemotron开放模型和NeMo配合，支持芯片设计和验证的AI智能体。Cadence把智能体AI带进了从半导体到先进封装、印刷电路板的设计和仿真，它的AuraStack AI超级智能体用cuDSS加Celsius优化先进封装，ChipStack AI超级智能体则用Nemotron做半导体设计和验证。
COMSOL即将推出的MCP Server会用Nemotron Ultra开放模型，支持AI辅助建模和设计探索。Voltai的Voltaire平台把AI智能体和GPU加速求解器结合起来，用cuDSS和CUDA-X库，把复杂的电-热-机械仿真工作流从几个月压缩到一天。
ChipAgents在用英伟达的AI基础设施和模型训练优化软件，开发芯片设计专用AI模型。它还在和英伟达合作开发Build-A-Chip Bench，一个评估智能体在从规格到图形数据系统端到端工作流表现的新AI基准。这个基准想给行业一个衡量进展的标尺，指向完全自主的半导体工程。
制造环节还有几个库在铺路：cuLitho加速芯片图案印刷计算，NanoVDB加速制造仿真，开源的PhysicsNeMo框架用来训练物理AI模型。这些工具拼在一起，就是英伟达对AI定义晶圆厂的完整下注——让工厂在改动真正上产线之前，先在数字世界里把结果算清楚。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
