NVIDIA推出cuPotential，半导体行业领军企业采用CUDA-X

2026年10月14日，NVIDIA 推出了cuPotential。这是一款全新的CUDA-X库，开发者可借此构建能够模拟原子和分子相互作用的AI智能体。NVIDIA还介绍了Synopsys、Cadence、Siemens、Lam Research、KLA和Applied Materials等半导体行业领军企业如何在芯片设计、制造和测试领域采用其CUDA-X库。

cuPotential与AI定义的晶圆厂

NVIDIA将AI定义的晶圆厂描述为借助AI帮助工程师优化流程、解决生产问题并提高生产效率的半导体工厂。NVIDIA表示，先进芯片需求不断增长，要求这类工厂在扩大产能的同时应对日益复杂的制造流程；工程师需要新的方法，在数字孪生中对材料建模、分析检测数据并测试工艺变更，然后再将其应用于生产。扩展后的CUDA-X产品组合为AI智能体和工程应用提供了加速工具，可用于半导体仿真、3D数据处理和图像分析。

这款新库通过专用的GPU加速函数提升原子尺度仿真的速度，这些函数可接入现有软件，让研究人员能够针对大量原子模拟电力及其他相互作用，并更快地改进仿真。cuPotential还让AI智能体能够使用这些建模能力，从而开展、评估并改进高级分子仿真。NVIDIA表示，在早期测试中，该库让原本已针对GPU优化的工作流进一步提速2-3倍；NVIDIA还指出，Synopsys是利用cuPotential加速材料仿真的早期采用者之一。

“半导体行业让AI革命成为可能。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兼总经理Tim Costa表示。Costa称，CUDA-X和Omniverse库为AI智能体提供了加速仿真和检测工具，帮助工程师应对复杂性、提高良率，同时晶圆厂正竞相满足先进芯片的需求。

芯片设计与仿真合作伙伴

在设计领域的产品组合中，cuPotential用于模拟原子相互作用，cuEST用于建模电子行为，cuDSS则用于求解复杂工程仿真问题。Synopsys正在使用这三个库。NVIDIA报告称，早期QuantumATK测试结果显示，使用cuEST有望实现30倍加速；S-Device基准测试则显示，使用cuDSS可实现12倍加速。Synopsys的AgentEngineer解决方案旨在与NVIDIA的Nemotron开放模型和NeMo工具协同运行，为芯片设计和验证领域的AI智能体提供支持。

Cadence正将NVIDIA加速计算、Nemotron开放模型和CUDA-X库应用于机电系统设计与仿真领域的智能体式AI，涵盖半导体、先进封装和印刷电路板。NVIDIA表示，Cadence AuraStack AI Super Agent结合cuDSS和Cadence Celsius优化先进封装的散热与应力分析，速度提高8倍；Nemotron还可与用于半导体设计和验证的ChipStack AI Super Agent协同工作。

COMSOL正借助cuDSS加速半导体多物理场仿真。NVIDIA表示，该库可将仿真速度提高至原来的10倍；即将推出的COMSOL MCP Server将使用Nemotron Ultra开放模型，辅助建模和设计探索。Voltai的Voltaire平台是一套用于3D-IC设计与仿真的智能体式多物理场系统，它将AI智能体与基于cuDSS和CUDA-X构建的GPU加速求解器相结合。NVIDIA表示，这一方案可将复杂的电-热-力学仿真工作流从数月压缩至一天。ChipAgents依托NVIDIA AI基础设施开发芯片设计专用AI模型，并提供模型训练与优化软件；该公司正与NVIDIA合作开发Build-A-Chip Bench，这是一项基准测试，用于评估智能体在从规格说明到图形数据系统的端到端工作流中的表现。

制造、检测与晶圆厂运营

在制造工作流中，cuLitho可加速用于印制芯片图案的计算；NanoVDB提供开源工具，支持在芯片制造仿真中处理3D数据；开源PhysicsNeMo框架则帮助工程师训练物理AI模型，以预测物理系统的行为。Siemens正将cuLitho用于加速其Calibre软件，以优化芯片图案并制作掩模；其Solido团队则在利用Nemotron开放模型和NeMo开源库开发由智能体驱动的特性表征工作流。

Lam Research计划将NanoVDB集成到其虚拟产品家族Semiverse Solutions旗下的工艺建模平台SEMulator3D中。NVIDIA表示，此次集成有望将部分晶圆蚀刻建模的速度提高至原来的30倍；据演示，PhysicsNeMo还能将等离子体预测仿真时间从数天缩短至几毫秒。Luminary正将PhysicsNeMo用于半导体封装设计。NVIDIA表示，经过训练、能够预测不同封装配置下温度、压降和热应力的物理AI模型，可让工程师在相同的时间安排内测试多出100倍的设计方案，而且无需针对每个方案重新进行仿真。

在检测和测试方面，NVIDIA 的 NPP 库负责在 GPU 上处理图像，而 RAPIDS cuDF 则在 GPU 上处理大型数据集；二者协同工作，加快了测试和质量控制流程。imec 利用 NVIDIA AI 和加速计算技术，为用于亚纳米级芯片测量的扫描电子显微镜图像去除噪声，并将 cuLitho 应用于计算密集型工艺窗口光学邻近校正。NVIDIA 表示，这使光刻工艺窗口提升了 30%。KLA 将其高度优化的生产内核所积累的经验应用于一种新的 NPP NCC 内核。NVIDIA 称，该内核的性能比早期 CPU 版本快 50 倍，与 KLA 手动调优的实现相当。

NVIDIA 表示，Teradyne 将基于 NPP 的图像处理和加速计算用于图像传感器测试，并结合 RAPIDS cuDF 和 CuPy GPU 计算，使探针维护推理速度提升约 85 倍，从而能够在探针性能下降影响良率之前及时发出预警。Advantest 已将 NVIDIA 的 Nemotron 和 Kumo-Anomaly 模型集成到 ACS RTDI 中，以支持由 AI 驱动的半导体生产分析；由 Grace Blackwell 提供算力的系统可实时进行诊断和推理，并为测试单元提出纠正措施建议。NVIDIA 表示，Advantest 还在使用 NeMo Switchyard AI 智能体自动选择模型、简化半导体测试工作流程，并将响应时间从数小时缩短至数分钟。

Applied Materials 在材料发现、工艺开发和晶圆厂优化等方面使用 Omniverse 以及 CUDA-X 库 cuDSS、cuEST 和 PhysicsNeMo。NVIDIA 表示，这些技术结合使用，可使腔室仿真速度提升至多 35 倍，并支持晶圆厂数字孪生，帮助优化布局和材料流动。Analog Devices 正将 Synopsys 物理仿真与 Isaac Sim 框架和 Omniverse 库结合，用于开发高保真传感仿真和机器人基准测试，以评估传感器在完整机器人系统中的表现。FANUC 和 Foxconn 正将其机器人模型接入 Mega NVIDIA Omniverse Blueprint，构建工厂数字孪生，让制造商能够在实际部署前仿真并验证机器人作业。OMRON 正在其检测设备中使用 Cosmos 开放世界模型和 Metropolis Blueprint，实现视频搜索与摘要生成。

可用性

cuPotential 已开放早期体验；NanoVDB 已作为 OpenVDB 中的开源组件提供；NPP 则可通过 NVIDIA CUDA Toolkit 获取。NVIDIA 邀请读者前往 SEMICON West 与其会面。Lam Research 基于 NanoVDB 加速的 SEMulator3D 功能计划于 2026 年底前发布。