NVIDIA 今日宣布，半导体行业领军企业正纷纷采用 NVIDIA CUDA-X™ 库 —— 其中包括全新的 NVIDIA cuPotential 库，开发者可借助该库构建能够模拟原子与分子相互作用的 AI 智能体 —— 以推动 AI 定义的晶圆厂发展。

AI 定义的晶圆厂是指借助 AI 帮助工程师优化工艺、解决生产难题并提高生产效率的半导体工厂。随着对先进芯片需求的不断增长，这类晶圆厂在扩大产能的同时，也需要管理日益复杂的制造流程。为此，工程师需要探索新的方法，在将相关方案投入量产之前，通过数字孪生技术对材料进行建模、分析检测数据，并测试工艺变更的可行性。

扩展后的 CUDA-X 产品组合为 AI 智能体和工程应用提供了用于半导体仿真、3D 数据处理与图像分析的加速工具，助力在芯片设计与制造流程中实现更多工程任务的自动化，从而使晶圆厂能够预测工艺行为并提升良率。

NVIDIA 工业与计算工程副总裁兼总经理 Tim Costa 表示：“半导体产业让 AI 革命成为可能。如今，AI 正在重塑芯片的制造方式。随着晶圆厂竞相满足对先进芯片的需求，NVIDIA CUDA-X 和 Omniverse 库为 AI 智能体提供了加速的仿真与检测工具，助力工程师管理复杂性、提升良率，并推动 AI 驱动的晶圆厂发展。”

NVIDIA cuPotential 加速研究人员对原子间相互作用的建模过程

理解原子与分子之间的相互作用对于半导体材料及制造工艺的建模至关重要，但即便在已针对 GPU 进行优化的软件中，这类计算仍需耗费大量时间。

NVIDIA cuPotential 通过专用的 GPU 加速功能，加速原子级仿真，开发者可将这些功能集成到现有软件中。它能够协助研究人员对大量原子之间的电场力及其他相互作用进行建模，进而更快速地测试与优化仿真结果。新思科技是首批采用 cuPotential 加速材料仿真工作的企业之一。

通过将这些建模能力开放给 AI 智能体，cuPotential 助力智能体运行、评估并迭代先进的分子模拟。在早期访问测试中，该库使原本已由 GPU 优化的工作流进一步提速了 2 至 3 倍。

半导体领军企业借助 NVIDIA CUDA-X 推动 AI 定义的晶圆厂发展

AI 定义的晶圆厂需要在工艺变更投入量产之前，以更快的方式对芯片设计、材料行为及制造流程进行建模。NVIDIA CUDA-X 系列库 —— 包括用于模拟原子间相互作用的 NVIDIA cuPotential、用于建模电子行为的 NVIDIA cuEST，以及用于求解复杂工程仿真的 NVIDIA cuDSS —— 能够显著加速这些工作负载，助力晶圆厂实现更高程度的自主化。

新思科技正采用 cuPotential、cuEST 和 cuDSS 加速半导体仿真；早期 QuantumATK 测试结果显示，使用 cuEST 可实现 30 倍的加速，而 S-Device 基准测试则表明，采用 cuDSS 可带来 12 倍的加速。此外，该公司推出的 AgentEngineer 解决方案可与 NVIDIA Nemotron™ 开放模型及 NVIDIA NeMo™ 协同工作，为芯片设计与验证的 AI 智能体提供支持。

Cadence 正在借助 NVIDIA 加速计算、NVIDIA Nemotron 开放模型以及 CUDA-X 库，将智能体 AI 引入机电系统的设计与仿真领域 —— 涵盖从半导体到先进封装乃至印刷电路板。例如，Cadence AuraStack AI Super Agent 借助 Cadence Celsius 与 cuDSS 技术，将先进封装的热管理和应力优化速度提升 8 倍；ChipStack AI Super Agent 则结合 Nemotron 助力半导体的设计与验证工作。

COMSOL 正借助 NVIDIA cuDSS 加速半导体多物理场仿真，将仿真速度提升 10 倍，助力工程师优化设备与工艺。其即将推出的 COMSOL MCP Server 将采用 NVIDIA Nemotron Ultra 开放模型，实现 AI 辅助建模与设计探索。

Voltai 借助其用于 3D-IC 设计与仿真的智能体多物理场平台 Voltaire，加速先进芯片封装技术。Voltaire 将 AI 智能体与由 NVIDIA cuDSS 和 CUDA-X 库加速的 GPU 加速求解器相结合，可将复杂的电-热-力仿真工作流从数月缩短至一天。

ChipAgents 采用 NVIDIA AI 基础设施以及 NVIDIA 模型训练与优化软件，为芯片设计开发专用的 AI 模型。该公司还与 NVIDIA 合作开发 Build-A-Chip Bench，这一全新 AI 基准测试，用于评估智能体从规格定义到图形数据系统的端到端工作流中的表现。该基准为业界提供了一套全面的衡量标准，用以追踪半导体工程迈向完全自主化的进展。

NVIDIA 开放库助力制造业工作流的准备与优化

晶圆厂依赖于数千道工艺步骤，这些步骤在投入生产前必须经过建模、优化与验证。NVIDIA cuLitho 库可加速芯片图案的光刻计算；用于处理 3D 数据的开源库 NanoVDB 则能提升芯片制造仿真；此外，NVIDIA PhysicsNeMo™ 开放框架有助于训练物理 AI 模型，以预测物理系统的运行行为。

西门子正采用 cuLitho 加速用于芯片图案优化与掩模准备的 Calibre 软件。其 Solido 团队还在基于 Nemotron 开放模型与 NVIDIA NeMo 开放库开发智能体驱动的表征工作流。

Lam Research 计划将 NanoVDB 集成到其先进的半导体工艺建模平台 SEMulator3D 中，该平台隶属于其公司旗下的 Semiverse Solutions 虚拟产品系列。预计通过引入 NanoVDB，部分晶圆刻蚀建模的速度最高可提升 30 倍；同时，采用 NVIDIA PhysicsNeMo 已被证实能够将等离子体预测仿真时间从数天缩短至仅需数毫秒。

Luminary 正在将 NVIDIA PhysicsNeMo 应用于半导体封装设计，通过训练物理 AI 模型来预测不同封装配置下的温度、压降和热应力，使工程师能够在相同的时间周期内探索 100 倍以上的设计方案，而无需为每种方案都重新运行仿真。

AI 定义的晶圆厂借助 NVIDIA CUDA-X 库进行芯片检测与测试

AI 定义的晶圆厂需要以足够快的速度分析检测图像和测试数据，以便及时发现缺陷、维护设备并提升良率。用于在 GPU 上处理图像的库 NVIDIA NPP，以及用于在 GPU 上处理大规模数据集的库 NVIDIA RAPIDS cuDF，均可助力加速测试与质量控制工作流。

借助 NVIDIA AI 与加速计算技术，imec 正在去除用于亚纳米级芯片测量的扫描电子显微镜图像中的噪声，并利用 NVIDIA cuLitho 实现计算密集型的工艺窗口光学邻近效应校正，从而将光刻工艺窗口提升 30%。

KLA 将其高度优化的生产级内核所积累的洞见应用于一款全新的 NPP NCC 内核，该内核的性能较早期的 CPU 版本提升了 50 倍，与 KLA 的手工调优的实现相当。

Teradyne 正借助 NVIDIA NPP 与加速计算技术，加快图像传感器的测试速度，并利用 RAPIDS 中的 cuDF 和 CuPy 进行 GPU 计算，从而将探针维护推理速度提升约 85 倍，有助于在探针性能下降影响良率之前及时发现并处理问题。

Advantest 已将 NVIDIA Nemotron 和 NVIDIA Kumo-Anomaly 集成至 ACS RTDI，以实现由 AI 驱动的半导体生产分析。依托 NVIDIA Grace Blackwell 系统，ACS 可提供实时诊断与推理，并为测试单元推荐相应的纠正措施。此外，Advantest 还借助 NVIDIA NeMo Switchyard AI 智能体，实现模型自动选择，优化半导体测试工作流，将响应时间从数小时缩短至数分钟。

NVIDIA 技术推动晶圆厂运营与自动化发展

在 AI 定义的晶圆厂中，设备数据必须以足够快的速度从各类仪器传输至 AI 系统，从而为运营决策提供有力支撑。

应用材料公司正在材料发现、工艺开发和晶圆厂优化等环节中广泛使用 NVIDIA Omniverse™ 以及 NVIDIA CUDA-X 库，包括 cuDSS、cuEST 和 PhysicsNeMo，从而实现腔室仿真速度提升 35 倍，并构建晶圆厂数字孪生模型，助力优化布局与物料流。

Analog Devices Inc. 正将新思科技的物理仿真技术与 NVIDIA Isaac Sim™ 框架及 Omniverse 库相结合，开发高保真传感仿真和机器人基准测试，帮助工程师评估传感器在完整机器人系统中的性能表现。

FANUC 与 Foxconn 则将其机器人模型接入 Mega NVIDIA Omniverse Blueprint，使制造商能够在实际部署前，于工厂数字孪生中对机器人操作进行仿真与验证。

OMRON 正在其检测设备中应用 NVIDIA Cosmos™ 开放世界模型与 NVIDIA Metropolis Blueprint，用于视频搜索与摘要生成，以开发能够融合视觉数据、设备文档及制造知识的智能体。这些智能体有助于工程师分析印刷电路板结果，排查潜在缺陷原因，并为故障诊断与质量控制提供支持。