英伟达发布半导体AI新工具

10月15日，NVIDIA宣布扩展CUDA-X并行计算库，推出全新cuPotential原子级仿真库，联合Synopsys、Cadence、应用材料等伙伴，把AI智能体引入芯片从材料建模到量产运营的全流程。

根据早期的测试数据显示，基于这套仿真库，在已GPU优化的工作流上可再提速2至3倍，电子行为建模最高提速30倍，探针维护推理快约85倍。一个由AI定义的晶圆厂，正从概念走向落地。

理解原子与分子如何相互作用，是建模半导体材料和制造工艺的前提，但这类计算即便在GPU优化软件中也极为耗时。

新发布的cuPotential提供了专用GPU加速函数，开发者可嵌入现有软件，对大规模原子间的电力等相互作用建模，更快测试和优化仿真，而Synopsys便是首批采用者。

更关键的是，它把这套建模能力开放给AI智能体，让智能体能自主运行、评估并迭代分子模拟；测试显示，在已GPU优化工作流上又额外提速2至3倍。

“半导体行业成就了AI革命，如今AI正在改变芯片的制造方式。”NVIDIA工业与计算工程副总裁Tim Costa称，CUDA-X和Omniverse正为AI智能体提供加速仿真与检测工具，帮助工程师管理复杂度、提升良率。

AI定义晶圆厂要求在工艺变更上线量产前，更快完成芯片设计、材料行为与制造工艺建模。NVIDIA同步扩充了cuEST（电子行为建模）、cuDSS（工程仿真求解）等库，一批EDA厂商已跑出实测数据。

Synopsys同时采用三个库加速半导体仿真：QuantumATK早期结果显示，借助cuEST有望实现30倍提速，S-Device基准显示cuDSS带来12倍提速；其AgentEngineer还与Nemotron开放模型、NeMo打通。

Cadence把智能体AI带入机电系统设计，旗下AuraStack AI超级智能体借助cuDSS与Celsius优化先进封装热应力，速度提升8倍。COMSOL用cuDSS加速多物理场仿真，最快提速10倍；Voltai的Voltaire平台则把“电-热-机械”仿真从数月压缩到一天；ChipAgents正与NVIDIA共建“Build-A-Chip Bench”端到端智能体评测基准。

一座晶圆厂依赖数千道工艺步骤，每步都须先建模、验证才能投产。NVIDIA的开放工具箱覆盖制造全链条：cuLitho加速芯片图形打印计算，开源3D数据库NanoVDB加速制造仿真，PhysicsNeMo则训练预测物理行为的AI模型。

制造端的数据，同样密集。西门子用cuLitho加速Calibre图形优化与掩膜准备；泛林（Lam Research）计划把NanoVDB集成进SEMulator3D，部分刻蚀建模有望提速最高30倍，PhysicsNeMo已把等离子体预测仿真从数天压缩到毫秒级。Luminary用PhysicsNeMo做封装设计，训练模型预测温度、压降和热应力，同等排期内可探索的设计方案多100倍。

在量测检测环节，imec用NVIDIA AI去除亚纳米电镜图像噪声，结合cuLitho做工艺窗口邻近效应校正，使光刻工艺窗口改善30%。KLA新NPP NCC内核比早期CPU版快50倍；泰瑞达（Teradyne）借NPP和cuDF加速探针维护推理，快约85倍，可在探针退化影响良率前预警。爱德万测试则把Nemotron与Kumo-Anomaly接入生产分析，借NeMo Switchyard智能体把测试响应从数小时缩到数分钟。

在AI定义晶圆厂中，设备数据必须实时流入AI系统，以支撑运营决策。

应用材料（Applied Materials）在Omniverse和CUDA-X支撑下打通材料发现、工艺开发与晶圆厂优化，腔体仿真提速最高35倍，数字孪生可优化设备布局与物料流。亚德诺（ADI）则结合Synopsys物理仿真与Isaac Sim构建高保真传感仿真。

发那科（FANUC）与富士康把机器人模型接入Omniverse蓝图，在数字孪生中先模拟验证再实体部署。欧姆龙（OMRON）则用Cosmos开放世界模型为检测设备做视频检索，开发融合视觉数据与制造知识的智能体辅助缺陷排查。

把这些数字串起来：设计端建模提速30倍，刻蚀建模提速30倍，探针维护推理快85倍，腔体仿真快35倍，可探索的封装设计多出100倍——NVIDIA输出的早已不只是GPU，而是一整套让AI智能体在数字世界里“替工程师先跑一遍”的仿真基础设施。

半导体行业成就了AI，如今AI正反过来重塑芯片制造本身。当数字孪生可以提前试错、AI智能体可以自动迭代工艺，晶圆厂的竞争将不再只是产能比拼，而是谁能先把复杂度交给AI、把良率先跑出来。