AREX Feed Article
NVIDIA 发布 CUDA-X 新库 cuPotential，Synopsys、KLA、Lam Research 等半导体企业推进 AI 定义晶圆厂
2026 年 10 月 14 日，NVIDIA 宣布 Synopsys、Cadence、KLA、Lam Research、Applied Materials、Siemens、imec、Teradyne、Advantest 等半导体企业正在采用其 CUDA-X 库，把 AI 引入芯片设计、制造与测试环节，推进「AI 定义晶圆厂」（AI-defined fabs）建设。随公告一同发布的还有 CUDA-X 新库 cuPotential：开发者可以用它构建能模拟原子和分子如何相互作用的 AI 代理（AI agents）。据 ，在早期访问（early access）测试中，cuPotential 让已经针对 GPU 优化的工作流再提速 2～3 倍。
公告给出的厂商数字集中在仿真和检测两端：Lam Research 预计，把处理 3D 数据的开源库 NanoVDB 集成进其 SEMulator3D 平台后，特定晶圆蚀刻建模最高提速 30 倍；KLA 的新 NPP 图像处理内核比早期 CPU 版本快 50 倍；Synopsys 的 QuantumATK 用 cuEST 有望获得 30 倍提速。这些数字全部来自厂商自述的早期访问测试或基准结果，新闻稿未附独立第三方的验证数据。
（图片来源：NVIDIA 新闻稿页面）
cuPotential 是什么：把原子相互作用模拟交给 AI 代理
按新闻稿的解释，理解原子和分子如何相互作用，是建模半导体材料与制造工艺的基础，但这些计算即便在已为 GPU 优化的软件里也很耗时。cuPotential 提供一组专门的 GPU 加速函数，开发者可以把它们加进现有软件，在大规模原子上模拟电场力等相互作用，更快地测试和修正仿真。
它的另一个设计目标，是让 AI 代理直接调用这套模拟能力，自己运行、评估并迭代高级分子仿真。Synopsys 是早期采用者之一，正在用 cuPotential 加速材料仿真；该库目前仅以早期访问形式提供。
为什么晶圆厂要「AI 定义」
新闻稿给「AI 定义晶圆厂」下的定义是：AI 帮助工程师优化工艺、解决生产问题、提高生产效率的半导体工厂。NVIDIA 给出的动因是：先进芯片需求上升，晶圆厂必须在扩产的同时应对越来越复杂的制造流程，工程师需要新的办法建模材料、分析检测数据，并在数字孪生里先验证工艺变更，再应用到产线。扩充后的 CUDA-X 组合为 AI 代理和工程应用提供半导体仿真、3D 数据处理和图像分析的加速工具，让更多工程工作可以自动化，帮助晶圆厂预测工艺行为、提高良率。
「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 在新闻稿中表示，「在晶圆厂竞相满足先进芯片需求之际，NVIDIA CUDA-X 与 Omniverse 库为 AI 代理提供加速的仿真与检测工具，帮助工程师管理复杂性、提高良率，并推进 AI 定义晶圆厂。」
设计与仿真侧：Synopsys、Cadence、Siemens、Lam Research 的提速数字
Synopsys 正在把 cuPotential、cuEST 和 cuDSS 用于半导体仿真：cuEST 负责建模电子行为，cuDSS 负责求解复杂工程仿真。新闻稿称，QuantumATK 的早期结果显示 cuEST 有望带来 30 倍提速；S-Device 基准测试则显示 cuDSS 带来 12 倍提速。其 AgentEngineer 解决方案与 NVIDIA Nemotron 开放模型及 NeMo 互操作，用于支撑芯片设计与验证中的 AI 代理。
Cadence 用 NVIDIA 加速计算、Nemotron 开放模型和 CUDA-X 库，把代理式 AI（agentic AI）引入从半导体、先进封装到印刷电路板的机电系统设计与仿真。其中，AuraStack AI 超级代理配合 Cadence Celsius 与 cuDSS，把先进封装在热与应力方面的优化提速 8 倍；ChipStack AI 超级代理则结合 Nemotron 做半导体设计与验证。
Siemens 用 cuLitho 加速 Calibre 软件，完成芯片图案修正与掩模制备；其 Solido 团队还在用 Nemotron 与 NeMo 开发由代理驱动的表征流程。
Lam Research 的 30 倍数字来自一项尚未落地的整合：该公司计划把 NanoVDB 集成进先进工艺建模平台 SEMulator3D（属于其 Semiverse Solutions 虚拟产品家族），用于加速特定晶圆蚀刻建模。新闻稿还称，结合用于训练物理 AI 模型的开源框架 PhysicsNeMo，已有演示显示可协助把等离子体预测仿真时间从数天缩短到最短毫秒级。
新闻稿列出的仿真侧新面孔不止这几家：Voltai 面向 3D-IC 设计与仿真的代理式多物理场平台 Voltaire，把 AI 代理与 cuDSS 等库驱动的 GPU 加速求解器结合，将复杂的电-热-机械仿真流程从数月压缩到一天；Luminary 用 PhysicsNeMo 训练物理 AI 模型，预测封装的温度、压降与热应力，让工程师在同样排期内多探索 100 倍的设计方案。
检测与测试侧：KLA、imec、Teradyne、Advantest 的提速
检测与测试环节要在图像和测试数据里尽快发现缺陷、维持设备状态；NVIDIA NPP 与 RAPIDS cuDF 分别在 GPU 上加速图像处理与大型数据集处理。
KLA 把自身高度优化的生产内核的经验用于一个新的 NPP NCC 内核，性能达到早期 CPU 版本的 50 倍，与 KLA 手工调优的实现相当。imec 在两个方向推进：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；用 cuLitho 支撑计算密集的工艺窗口光学邻近修正，使光刻工艺窗口改善 30%。
Teradyne 用 NPP 和加速计算加速图像传感器测试，配合 RAPIDS cuDF 与 CuPy 做 GPU 计算，把探针维护推理提速约 85 倍，以便在劣化探针影响良率之前发现它们。Advantest 把 Nemotron 与 Kumo-Anomaly 集成进 ACS RTDI 做半导体生产分析，底层由 Grace Blackwell 系统支撑，实时诊断并为测试单元推荐纠正措施；NeMo Switchyard 代理自动选择模型，把响应时间从数小时压缩到数分钟。
车间运营：Applied Materials 的 35 倍腔室仿真与工厂数字孪生
Applied Materials 把 Omniverse 与 cuDSS、cuEST、PhysicsNeMo 用在材料发现、工艺开发和产线优化上，腔室仿真最高提速 35 倍，并用工厂级数字孪生优化布局与物料流。
新闻稿还列出了更多生态成员：COMSOL 用 cuDSS 把半导体多物理场仿真最高提速 10 倍，其即将推出的 MCP Server 将采用 Nemotron Ultra 开放模型；ChipAgents 与 NVIDIA 合作开发 Build-A-Chip Bench，一个从规格说明书到图形数据系统（graphic data system）全流程评测芯片设计 AI 代理的新基准；Analog Devices 结合 Synopsys 物理仿真与 Isaac Sim 框架做高保真传感仿真和机器人基准；FANUC 与 Foxconn 把机器人模型接入 Mega Omniverse Blueprint，在工厂数字孪生中做物理部署前的机器人操作验证；OMRON 用 Cosmos 开放世界模型与 Metropolis Blueprint 在检测设备中做视频检索与摘要，开发结合视觉数据、设备文档与制造知识的代理。
可用性：cuPotential 处于早期访问，Lam 功能瞄准年底发布
按新闻稿的可用性说明：cuPotential 目前仅以早期访问形式提供，新闻稿未给出正式发布日期；NanoVDB 已作为开源库并入 OpenVDB；NPP 随 CUDA Toolkit 提供。公告中带明确时间表的落地节点只有一处：Lam Research 集成 NanoVDB 的 SEMulator3D 功能，目标在 2026 年底前发布；COMSOL 的 MCP Server 只标注「即将推出」。
公告未披露任何合同或采购金额。NVIDIA 在文末引导读者参加其在 SEMICON West 的展示，以了解更多。