10月14日，NVIDIA在SEMICON West 2026期间宣布，应用材料（Applied Materials）、Cadence、科磊（KLA）、泛林集团（Lam Research）、西门子、Synopsys等半导体企业正在扩大NVIDIA加速计算与AI技术的应用，将其引入芯片设计、材料仿真、晶圆制造、检测测试及工厂自动化等环节。

此次NVIDIA推出了新的CUDA-X库cuPotential，主要用于加速原子与分子相互作用的模拟计算，并支持开发者构建执行相关仿真任务的AI智能体。在早期测试中，cuPotential能够使已经针对GPU优化的工作流程进一步加速2至3倍。

与此同时，NVIDIA还披露了多项与半导体企业合作的技术成果，包括Synopsys部分仿真任务实现最高30倍加速、泛林集团部分晶圆刻蚀建模预计获得最高30倍加速，以及Teradyne探针维护推理性能提升约85倍等。

NVIDIA将这套技术体系称为“AI-defined fabs”（AI定义的晶圆厂），即利用AI辅助工程师优化工艺、分析生产问题、提高生产效率，并通过仿真和数字孪生技术，在工艺调整实际投入生产前进行建模与验证。

NVIDIA工业与计算工程副总裁兼总经理Tim Costa表示：“半导体产业促成了AI革命，如今AI正在改变芯片的制造方式。”他指出，随着晶圆厂加紧满足先进芯片需求，CUDA-X和Omniverse库能够为AI智能体提供加速仿真及检测工具，帮助工程师应对制造复杂性并提高良率。

推出cuPotential，加速原子级材料仿真

半导体材料与制造工艺的研究，离不开对原子和分子相互作用的模拟。例如，在研究材料电学特性或制造过程中的微观行为时，工程师需要计算大量原子之间的作用力。即使软件已经针对GPU进行优化，这类计算仍然需要消耗大量时间。

NVIDIA此次推出的cuPotential是一套面向原子尺度仿真的GPU加速库。开发者可以将其专用加速函数集成至现有软件中，用于计算大量原子之间的电场力及其他相互作用，以加快材料模拟和研究过程。

cuPotential还可以作为AI智能体调用的仿真工具。AI智能体能够执行分子仿真、评估计算结果，并根据结果调整参数，反复开展模拟实验。

根据NVIDIA披露的早期测试数据，cuPotential能够使已经针对GPU优化的工作流程再获得2至3倍的性能提升。目前，该库已经开放早期访问，Synopsys是首批采用者之一。

除cuPotential外，NVIDIA还提供cuEST和cuDSS等CUDA-X库，分别用于电子行为建模和复杂工程方程求解，共同构成面向半导体仿真的加速工具组合。

EDA厂商加速引入AI智能体，Synopsys、Cadence公布最新进展

在芯片设计领域，Synopsys、Cadence等EDA企业正在将NVIDIA的GPU加速库、AI模型和智能体技术引入现有工具。

Synopsys正在使用cuPotential、cuEST和cuDSS加速半导体仿真。根据早期测试，其QuantumATK材料仿真工具采用cuEST后，部分计算有望获得30倍加速；S-Device器件仿真基准测试采用cuDSS后，实现了12倍加速。

与此同时，Synopsys旗下AgentEngineer解决方案正在与NVIDIA Nemotron开放模型及NeMo框架实现互操作，为芯片设计与验证提供AI智能体支持。

Cadence则利用NVIDIA加速计算、Nemotron开放模型和CUDA-X库，将智能体AI应用扩展至半导体、先进封装、PCB等机电系统的设计与仿真。

其中，Cadence AuraStack AI Super Agent结合Celsius仿真软件与NVIDIA cuDSS，在先进封装的热分析和应力优化任务中实现了8倍加速。

Cadence还将Nemotron与ChipStack AI Super Agent结合，用于半导体设计和验证任务。

在多物理场仿真方面，COMSOL采用NVIDIA cuDSS加速半导体相关的多物理场仿真，最高可将计算速度提高10倍，帮助工程师优化设备和工艺。

COMSOL计划推出的MCP Server还将采用NVIDIA Nemotron Ultra开放模型，使AI能够参与建模和设计方案探索。

专注于先进封装仿真的Voltai，也在其名为Voltaire的智能体多物理场平台中集成NVIDIA cuDSS和CUDA-X库。该平台将AI智能体与GPU加速求解器结合，用于3D-IC设计中的电、热、机械耦合仿真。据介绍，部分原本需要数月完成的复杂仿真工作流程可缩短至一天。

另一家企业ChipAgents正在利用NVIDIA AI基础设施、模型训练与优化软件开发面向芯片设计的专用AI模型。

双方还在合作开发Build-A-Chip Bench基准测试，评估AI智能体从设计规格到图形数据系统（GDS）的端到端芯片开发能力，为衡量半导体工程自动化水平提供统一的评估方法。

从光刻到刻蚀，AI加速晶圆制造工艺开发

在晶圆制造环节，工艺开发涉及大量计算密集型任务，包括光刻图形优化、刻蚀过程建模以及复杂物理过程的模拟。

NVIDIA正在通过cuLitho、NanoVDB和PhysicsNeMo等技术，为不同制造工艺提供加速工具。

其中，cuLitho主要用于加速芯片图形光刻相关计算；NanoVDB是用于处理三维数据的开源库；PhysicsNeMo则用于训练物理AI模型，使模型能够预测物理系统的行为。

西门子正在使用cuLitho加速Calibre软件中的芯片图形优化和光罩准备工作。此外，西门子Solido团队也在利用Nemotron开放模型与NeMo库开发由AI智能体驱动的器件特性表征流程。

泛林集团计划将NanoVDB集成至其先进半导体工艺建模平台SEMulator3D。该平台属于泛林集团Semiverse Solutions虚拟产品系列，主要用于模拟半导体制造中的复杂工艺过程。

根据NVIDIA介绍，集成NanoVDB后，SEMulator3D预计可在部分晶圆刻蚀建模任务中实现最高30倍的加速，相关功能计划于2026年底推出。

泛林集团还利用NVIDIA PhysicsNeMo进行等离子体行为预测。现有演示结果显示，部分原先需要数天的等离子体预测仿真，可将计算时间缩短至毫秒级。

在先进封装领域，Luminary正在利用PhysicsNeMo训练物理AI模型，以预测不同封装配置下的温度、压降和热应力。

通过这种方法，工程师可以在不为每一种设计方案重新运行完整仿真的情况下，快速评估更多封装结构。NVIDIA表示，在相同开发周期内，相关技术能够帮助工程师探索的设计方案数量提高至原来的100倍。

AI进入缺陷检测和芯片测试，KLA、Teradyne、爱德万披露应用成果

半导体制造过程中的检测和测试同样需要处理大量数据，包括扫描电子显微镜图像、晶圆缺陷图像、测试结果及设备运行信息。

NVIDIA正在利用NPP和RAPIDS cuDF等GPU加速库，帮助半导体检测与测试企业提高数据处理效率。

NPP是一套面向GPU的图像处理库，可用于加速图像相关计算；RAPIDS cuDF则主要面向GPU上的大规模数据处理。

在制造工艺研究方面，imec正在使用NVIDIA AI与加速计算技术，对扫描电子显微镜图像进行降噪处理，以支持亚纳米尺度的芯片测量。

imec还利用NVIDIA cuLitho执行计算密集型的工艺窗口光学邻近效应修正（OPC），并实现了30%的光刻工艺窗口改善。

KLA则结合自身高度优化的生产计算内核经验，开发了新的NPP归一化互相关（NCC）计算内核。根据NVIDIA披露的数据，该内核的性能较此前CPU版本提高了50倍，并达到与KLA人工优化实现相当的性能水平。

在自动化测试领域，Teradyne正在使用NVIDIA NPP和加速计算技术提高图像传感器测试效率，同时采用RAPIDS cuDF和CuPy进行GPU计算。

其中，Teradyne在探针维护相关的推理任务中实现了约85倍的性能提升。通过分析测试探针的状态，系统可以在探针性能退化影响良率之前识别潜在问题，从而支持预测性维护。

爱德万测试（Advantest）则将NVIDIA Nemotron与Kumo-Anomaly集成至其ACS RTDI平台，用于半导体生产数据的AI分析。

基于NVIDIA Grace Blackwell系统，ACS能够执行实时诊断和AI推理，并针对测试单元提出纠正措施建议。

此外，爱德万还在使用NVIDIA NeMo Switchyard AI智能体，自动完成模型选择，简化半导体测试流程。据介绍，相关应用可将部分任务的响应时间从数小时缩短至数分钟。

应用材料将AI用于工艺开发与晶圆厂数字孪生

除了芯片设计和单项制造工艺，NVIDIA还在推动AI进入晶圆厂运营和自动化环节。

应用材料正在材料发现、工艺开发以及晶圆厂优化等领域使用NVIDIA Omniverse和CUDA-X技术，包括cuDSS、cuEST及PhysicsNeMo。

通过GPU加速与物理仿真技术，应用材料的部分工艺腔室仿真可获得最高35倍的速度提升。同时，利用晶圆厂数字孪生，工程师可以在虚拟环境中模拟厂房布局和物料流动，辅助优化生产设施配置。

在机器人及自动化方面，ADI正在结合Synopsys物理仿真技术、NVIDIA Isaac Sim和Omniverse库，开发高保真传感器仿真和机器人测试基准，使工程师能够在完整机器人系统中评估传感器的工作行为。

发那科（FANUC）与富士康正在将机器人模型接入NVIDIA Omniverse Blueprint，用于在实际部署前，通过工厂数字孪生模拟和验证机器人运行过程。

欧姆龙（OMRON）则将NVIDIA Cosmos开放世界模型和Metropolis Blueprint引入检测设备，用于视频搜索与摘要生成，并开发能够综合视觉信息、设备文档和制造知识的AI智能体。

这些智能体可以帮助工程师分析PCB检测结果、调查潜在缺陷原因，并支持设备故障排查及质量控制。

NVIDIA持续扩展面向半导体产业的CUDA-X工具组合

根据NVIDIA公布的产品供应情况，cuPotential目前处于早期访问阶段；NanoVDB已经作为OpenVDB的一部分开源；NPP可通过NVIDIA CUDA Toolkit获取。

泛林集团计划在2026年底前推出集成NanoVDB加速能力的SEMulator3D功能。

此次公布的技术覆盖了多个不同的计算环节：cuPotential和cuEST用于原子及电子行为模拟，cuDSS用于复杂工程方程求解，cuLitho面向光刻计算，NanoVDB处理三维工艺数据，NPP和RAPIDS cuDF分别加速图像处理与数据分析，PhysicsNeMo则用于物理AI模型训练。

这些加速库可以集成至现有EDA、制造仿真和测试软件，也能够作为AI智能体调用的计算工具，使AI系统执行更加复杂的半导体工程任务。

文章来自：电子工程世界