AI-modeller och plattformar

NVIDIA presenterar cuPotential när halvledarbranschens ledande företag börjar använda CUDA-X

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Den 14 oktober 2026 presenterade NVIDIA cuPotential, ett nytt CUDA-X-bibliotek som utvecklare kan använda för att bygga AI-agenter som simulerar hur atomer och molekyler samverkar. NVIDIA redogjorde också för hur ledande företag inom halvledarbranschen, däribland Synopsys, Cadence, Siemens, Lam Research, KLA och Applied Materials, använder företagets CUDA-X-bibliotek inom kretsdesign, tillverkning och testning.

cuPotential och den AI-definierade halvledarfabriken

NVIDIA beskriver AI-definierade halvledarfabriker som fabriker där AI hjälper ingenjörer att optimera processer, lösa produktionsproblem och effektivisera produktionen. Den ökande efterfrågan på avancerade chip kräver att sådana fabriker ökar produktionen samtidigt som de hanterar allt mer komplexa tillverkningsprocesser, uppger NVIDIA. Ingenjörerna behöver nya sätt att modellera material, analysera inspektionsdata och testa processförändringar i digitala tvillingar innan de tillämpas i produktionen. Den utökade CUDA-X-portföljen ger AI-agenter och ingenjörsapplikationer tillgång till accelererade verktyg för halvledarsimulering, 3D-databehandling och bildanalys.

Det nya biblioteket snabbar upp simuleringar på atomnivå med specialiserade, GPU-accelererade funktioner som kan integreras i befintlig programvara. Det gör det möjligt för forskare att modellera elektriska krafter och andra växelverkningar mellan stora mängder atomer och snabbare förfina simuleringarna. cuPotential gör också dessa modelleringsfunktioner tillgängliga för AI-agenter, som då kan genomföra, bedöma och förfina avancerade molekylsimuleringar. NVIDIA uppger att biblioteket i tester med tidig åtkomst accelererade redan GPU-optimerade arbetsflöden med ytterligare 2–3 gånger, och nämner Synopsys som en av de tidiga användarna av cuPotential för att snabba upp materialimuleringar.

”Halvledarindustrin gjorde AI-revolutionen möjlig. Nu förändrar AI hur chip tillverkas”, säger Tim Costa, vice vd och chef för industriell och beräkningsteknisk utveckling på NVIDIA. Costa säger att biblioteken CUDA-X och Omniverse ger AI-agenter accelererade verktyg för simulering och inspektion, som hjälper ingenjörer att hantera komplexitet och förbättra utbytet när halvledarfabrikerna tävlar om att möta efterfrågan på avancerade chip.

Partner inom chipdesign och simulering

I designportföljen simulerar cuPotential atomära växelverkningar, cuEST modellerar elektroniskt beteende och cuDSS löser komplexa tekniska simuleringsproblem. Synopsys använder alla tre biblioteken. NVIDIA rapporterar tidiga resultat från QuantumATK som visar på en potentiell hastighetsökning på 30 gånger med cuEST, samt riktmärkesresultat från S-Device som visar på en hastighetsökning på 12 gånger med cuDSS. Synopsys AgentEngineer-lösningar är utformade för att fungera tillsammans med NVIDIAs öppna modeller Nemotron och verktygen i NeMo, vilket ger stöd åt AI-agenter för chipdesign och verifiering.

Cadence använder NVIDIAs accelererade databehandling, öppna Nemotron-modeller och CUDA-X-bibliotek för agentbaserad AI inom design och simulering av elektromekaniska system, bland annat halvledare, avancerad kapsling och mönsterkort. NVIDIA uppger att Cadence AuraStack AI Super Agent optimerar avancerade kapslingar för värme och spänningar åtta gånger snabbare med cuDSS och Cadence Celsius, och att Nemotron fungerar tillsammans med ChipStack AI Super Agent för design och verifiering av halvledare.

COMSOL snabbar upp multifysiksimuleringar av halvledare med cuDSS, som enligt NVIDIA ger simuleringar som är upp till 10 gånger snabbare. Den kommande COMSOL MCP Server kommer att använda den öppna modellen Nemotron Ultra för AI-assisterad modellering och utforskning av designalternativ. Voltai-plattformen Voltaire, ett agentbaserat multifysiksystem för design och simulering av 3D-IC, kombinerar AI-agenter med GPU-accelererade lösare byggda på cuDSS och CUDA-X. NVIDIA uppger att detta komprimerar komplexa elektrotermiska och mekaniska simuleringsarbetsflöden från månader till en dag. ChipAgents utvecklar specialiserade AI-modeller för chipdesign på NVIDIAs AI-infrastruktur samt programvara för modellträning och optimering. Företaget samarbetar med NVIDIA om att utveckla Build-A-Chip Bench, ett riktmärke som utvärderar agenter i arbetsflöden från början till slut, från specifikation till grafiskt datasystem.

Tillverkning, inspektion och drift av halvledarfabriker

För tillverkningsarbetsflöden snabbar cuLitho upp beräkningarna som används för att trycka kretsmönster, NanoVDB tillhandahåller verktyg med öppen källkod för att hantera 3D-data i simuleringar av chiptillverkning, och det öppna ramverket PhysicsNeMo hjälper ingenjörer att träna fysikbaserade AI-modeller som förutsäger hur fysiska system beter sig. Siemens använder cuLitho för att snabba upp sin Calibre-programvara för förfining av kretsmönster och maskberedning. Dessutom utvecklar Siemens Solido-team agentstyrda arbetsflöden för karakterisering med öppna Nemotron-modeller och öppna NeMo-bibliotek.

Lam Research planerar att integrera NanoVDB i SEMulator3D, företagets plattform för processmodellering inom produktfamiljen virtuella produkter Semiverse Solutions. NVIDIA uppger att tillägget väntas snabba upp utvalda modelleringsprocesser för waferetsning med upp till 30 gånger, och att PhysicsNeMo har visat sig kunna minska simuleringstiden för plasmaprognoser till så lite som några millisekunder i stället för dagar. Luminary använder PhysicsNeMo för design av halvledarkapslingar. NVIDIA uppger att fysikbaserade AI-modeller, tränade för att förutsäga temperatur, tryckfall och termisk spänning i olika kapslingskonfigurationer, gör det möjligt för ingenjörer att testa 100 gånger fler konstruktioner inom samma tidsram och utan att behöva köra en ny simulering för varje alternativ.

För inspektion och testning hanterar NPP-biblioteket från NVIDIA bildbehandling på GPU:er, medan RAPIDS cuDF bearbetar stora datamängder på GPU:er. Tillsammans påskyndar de test- och kvalitetskontrollflöden. Med hjälp av NVIDIA AI och accelererad databehandling tar imec bort brus från bilder från svepelektronmikroskop som används för mätningar av chip på subnanometernivå och använder cuLitho för beräkningsintensiv optisk närhetskorrigering av processfönster. NVIDIA uppger att detta förbättrar processfönstret för litografi med 30 %. KLA överförde insikter från sina starkt optimerade produktionskärnor till en ny NPP NCC-kärna, som enligt NVIDIA uppnådde en prestanda som var 50 gånger högre än tidigare CPU-versioner och jämförbar med KLAs handoptimerade implementationer.

NVIDIA uppger att Teradyne kombinerar NPP-baserad bildbehandling och accelererad databehandling för testning av bildsensorer med RAPIDS cuDF och GPU-beräkningar med CuPy. Det ger ungefär 85 gånger snabbare inferens för probunderhåll, vilket hjälper till att upptäcka prober med försämrad prestanda innan de påverkar utbytet. Advantest har integrerat NVIDIAs modeller Nemotron och Kumo-Anomaly i ACS RTDI för att möjliggöra AI-driven analys av halvledarproduktion. Det Grace Blackwell-drivna systemet levererar diagnostik och inferens i realtid som rekommenderar korrigerande åtgärder för testceller. NVIDIA uppger att Advantest också använder AI-agenterna NeMo Switchyard för att automatisera modellval, effektivisera arbetsflöden för halvledartestning och minska svarstiderna från timmar till minuter.

Applied Materials använder Omniverse och CUDA-X-biblioteken cuDSS, cuEST och PhysicsNeMo inom materialutveckling, processutveckling och optimering av halvledarfabriker. NVIDIA uppger att kombinationen möjliggör kammarsimuleringar som är upp till 35 gånger snabbare och stöder digitala tvillingar av fabriker som bidrar till att optimera layout och materialflöden. Analog Devices kombinerar fysiksimulering från Synopsys med ramverket Isaac Sim och Omniverse-bibliotek för att utveckla högprecisa sensorsimuleringar och robotjämförelsetester för att utvärdera hur sensorer fungerar i kompletta robotsystem. FANUC och Foxconn kopplar sina robotmodeller till Mega NVIDIA Omniverse Blueprint för digitala fabrikstvillingar, som gör det möjligt för tillverkare att simulera och validera robotoperationer innan de genomförs fysiskt. OMRON använder Cosmos öppna världsmodeller och Metropolis Blueprint för videosökning och sammanfattning i sin inspektionsutrustning.

Tillgänglighet

cuPotential är tillgängligt i ett tidigt åtkomstprogram, NanoVDB är tillgängligt som öppen källkod inom OpenVDB och NPP är tillgängligt via NVIDIA CUDA Toolkit. NVIDIA bjöd in läsarna att delta tillsammans med företaget på SEMICON West. NanoVDB-accelererad funktionalitet i SEMulator3D från Lam Research planeras släppas senast i slutet av 2026.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.