英伟达宣布，半导体行业多家头部企业正在采用其CUDA-X系列库，其中包括全新的cuPotential库。该库允许开发者构建AI智能体，用来模拟原子与分子之间的相互作用，以推进所谓「AI定义晶圆厂」——即由AI协助工程师优化流程、排查生产问题并提升效率的半导体工厂。

随着先进芯片需求上升，这类工厂既要扩大产能，又要应对日益复杂的制造流程。工程师需要新手段来建模材料、分析检测数据，并在数字孪生中测试工艺变更，再将其投入实际生产。英伟达称，扩展后的CUDA-X组合为AI智能体和工程应用提供了面向半导体仿真、3D数据处理与图像分析的加速工具，可帮助把更多工程工作自动化，让晶圆厂预测工艺行为并改善良率。

英伟达工业与计算工程副总裁兼总经理Tim Costa表示，半导体产业成就了AI革命，如今AI正在改变芯片的制造方式；在晶圆厂竞相满足先进芯片需求之际，CUDA-X与Omniverse库为AI智能体提供了加速仿真与检测工具，帮助工程师应对复杂性、提升良率。

cuPotential的定位是加速原子尺度模拟。理解原子与分子如何相互作用，对半导体材料与制造工艺建模至关重要，但这类计算即便在已针对GPU优化的软件中也可能耗时很长。cuPotential通过专门的GPU加速函数，让开发者可将其加入现有软件，帮助研究人员对大量原子间的电作用力等相互作用建模，从而更快测试和修正模拟。新思科技是早期采用者之一，用cuPotential加速材料模拟；英伟达称，在早期访问测试中，该库让已针对GPU优化的流程再提速2至3倍。

在AI定义晶圆厂场景下，芯片设计、材料行为与制造工艺需要在投产前更快建模。除cuPotential外，英伟达还提到用于电子行为建模的cuEST和用于求解复杂工程仿真的cuDSS。新思科技正使用这三者加速半导体仿真，早期QuantumATK结果显示使用cuEST有望实现30倍提速，S-Device基准测试显示使用cuDSS实现12倍提速；其AgentEngineer方案可与英伟达Nemotron开放模型及NeMo互操作，支持芯片设计与验证的AI智能体。

楷登电子正利用英伟达加速计算、Nemotron开放模型与CUDA-X库，把智能体AI引入从半导体到先进封装、印刷电路板的机电系统设计与仿真。其AuraStack AI Super Agent结合Celsius与cuDSS，将先进封装的热与应力优化提速8倍；Nemotron则与ChipStack AI Super Agent配合用于半导体设计与验证。COMSOL用cuDSS加速半导体多物理场仿真，最高实现10倍提速，其即将推出的COMSOL MCP Server将使用Nemotron Ultra开放模型支持AI辅助建模与设计探索。Voltai的智能体多物理场平台Voltaire面向3D-IC设计与仿真，结合AI智能体与由cuDSS及CUDA-X驱动的GPU加速求解器，把复杂的电-热-力仿真流程从数月压缩到一天。ChipAgents则使用英伟达AI基础设施及模型训练与优化软件，开发面向芯片设计的专用AI模型，并与英伟达合作开发名为Build-A-Chip Bench的新AI基准，用于评估智能体在从规格到图形数据系统的端到端流程中的表现，为行业提供衡量全自主半导体工程进展的综合性指标。

在制造流程准备与优化方面，英伟达提到晶圆厂依赖成千上万道工艺步骤，投产前必须建模、修正与验证。cuLitho库加速芯片图形印刷计算；面向3D数据的开源库NanoVDB加速芯片制造仿真；开源PhysicsNeMo框架帮助训练物理AI模型以预测物理系统行为。西门子用cuLitho加速Calibre软件的芯片图形修正与掩膜准备，其Solido团队还在用Nemotron开放模型与NeMo开放库开发智能体驱动的表征工作流。泛林集团计划把NanoVDB集成进其先进半导体工艺建模平台SEMulator3D（属于Semiverse Solutions虚拟产品系列），预计可使部分晶圆刻蚀建模提速最高30倍，而使用PhysicsNeMo已被证明可把等离子体预测仿真时间从数天缩短到低至毫秒级。Luminary则将PhysicsNeMo用于半导体封装设计，训练物理AI模型预测温度、压降与热应力。

整体来看，这批合作把AI智能体与GPU加速仿真工具从设计端延伸到制造端，覆盖材料模拟、电子行为、多物理场仿真、光刻图形与工艺建模等环节。对关注AI产业的人而言，其看点在于：AI不只是芯片的需求来源，也正成为芯片制造流程本身的效率工具；若这些加速效果在真实产线中兑现，可能影响晶圆厂的良率改善节奏与设备、EDA及仿真软件厂商的产品路线。