«Полупроводниковая отрасль сделала возможной революцию ИИ. Теперь ИИ меняет то, как строят чипы»: NVIDIA выпустила cuPotential и расширила CUDA-X для фабрик, которыми управляет ИИ

Что такое «фабрика, определяемая ИИ» и что объявила NVIDIA

14 октября 2026 года NVIDIA выпустила пресс-релиз о том, что производители полупроводников переходят на библиотеки CUDA-X, включая новую библиотеку cuPotential, чтобы продвигать «фабрики, определяемые ИИ». Термин компания расшифровывает буквально: это полупроводниковые производства, где ИИ помогает инженерам оптимизировать процессы, решать проблемы выпуска и повышать эффективность.

Логика объявления такая: спрос на передовые чипы растёт, производственные процессы усложняются, и фабрикам приходится наращивать выпуск, одновременно управляя всё более запутанной технологией. Инженерам нужны новые способы моделировать материалы, разбирать данные инспекции и проверять изменения процесса в цифровых двойниках до того, как они попадут в производство.

Расширенный портфель CUDA-X, по заявлению NVIDIA, даёт ИИ-агентам и инженерным приложениям ускоренные инструменты для трёх задач сразу: симуляции полупроводниковых процессов, обработки трёхмерных данных и анализа изображений. Задача — автоматизировать больше инженерной работы так, чтобы фабрика могла предсказывать поведение процесса и повышать выход годных.

Вице-президент и генеральный менеджер направления промышленной и вычислительной инженерии NVIDIA Тим Коста сформулировал это так: «Полупроводниковая отрасль сделала возможной революцию ИИ. Теперь ИИ меняет то, как строят чипы». Он добавил, что библиотеки CUDA-X и Omniverse дают ИИ-агентам ускоренные инструменты симуляции и инспекции, чтобы инженеры справлялись со сложностью, повышали выход годных и двигали «фабрики, определяемые ИИ».

cuPotential: агенты считают взаимодействие атомов

cuPotential — новая библиотека CUDA-X, с помощью которой разработчики строят ИИ-агентов, моделирующих взаимодействие атомов и молекул. Понимание этих взаимодействий критично для моделирования полупроводниковых материалов и производственных процессов, но такие расчёты занимают значительное время даже в программном обеспечении, уже оптимизированном под GPU.

Библиотека ускоряет расчёты на атомном уровне специализированными функциями, которые разработчики добавляют в существующее ПО: она помогает моделировать электрические силы и другие взаимодействия для больших ансамблей атомов, чтобы быстрее проверять и уточнять симуляции. Среди ранних пользователей NVIDIA называет Synopsys. Отдельный акцент сделан на агентах: доступ к этим возможностям позволяет им запускать, оценивать и итеративно улучшать сложные молекулярные симуляции.

В тестировании раннего доступа библиотека ускорила рабочие процессы, уже оптимизированные под GPU, дополнительно в 2–3 раза.

Что дают cuEST и cuDSS у производителей микросхем

«Фабрике, определяемой ИИ» нужны более быстрые способы моделировать поведение материалов и производственные процессы до того, как изменения дойдут до выпуска. Здесь NVIDIA называет три библиотеки: cuPotential для взаимодействий атомов, cuEST для моделирования электронного поведения и cuDSS для решения сложных инженерных симуляций.

Synopsys применяет cuPotential, cuEST и cuDSS для ускорения полупроводниковых симуляций: ранние результаты QuantumATK показывают потенциальное 30-кратное ускорение на cuEST, а бенчмарки S-Device — 12-кратное на cuDSS. Решения AgentEngineer этой компании работают совместно с открытыми моделями NVIDIA Nemotron и с NeMo, поддерживая ИИ-агентов для проектирования и верификации чипов.

Cadence использует ускоренные вычисления NVIDIA, открытые модели Nemotron и библиотеки CUDA-X, чтобы принести агентный ИИ в проектирование и симуляцию электромеханических систем — от полупроводников до корпусирования и печатных плат. В примерах названы AuraStack AI Super Agent, оптимизирующий корпуса по теплу и напряжениям в 8 раз быстрее с cuDSS вместе с Celsius, и связка Nemotron с ChipStack AI Super Agent для проектирования и верификации.

COMSOL ускоряет мультифизические симуляции полупроводников на cuDSS — до 10 раз быстрее, чтобы инженеры оптимизировали оборудование и процессы; будущий COMSOL MCP Server должен задействовать открытую модель Nemotron Ultra для ИИ-помощи в моделировании и исследовании вариантов дизайна. Voltai ускоряет корпусирование платформой Voltaire — агентной мультифизической системой для проектирования и симуляции 3D-IC: она сочетает ИИ-агентов с GPU-солверами на cuDSS и CUDA-X и сжимает электро-тепло-механические расчёты с месяцев до одного дня.

ChipAgents применяет инфраструктуру NVIDIA AI и её ПО для обучения и оптимизации моделей, чтобы строить специализированные ИИ-модели для проектирования чипов, и вместе с NVIDIA разрабатывает Build-A-Chip Bench — бенчмарк, который оценивает агентов на сквозных сценариях от спецификации до формата GDS. По замыслу это даст отрасли измеримую шкалу прогресса к полностью автономной работе полупроводникового инженера.

Открытые библиотеки для подготовки производства

Фабрики зависят от тысяч технологических шагов, которые нужно смоделировать, уточнить и проверить до выпуска. Для этого в объявлении названы три инструмента: cuLitho, ускоряющий расчёты для печати рисунка чипа, NanoVDB — открытая библиотека работы с трёхмерными данными, ускоряющая симуляции производства, и открытый фреймворк PhysicsNeMo, помогающий обучать физические ИИ-модели предсказывать поведение физических систем.

Siemens использует cuLitho, чтобы ускорить Calibre — ПО для уточнения рисунка чипа и подготовки масок, а её команда Solido разрабатывает агентные сценарии характеризации на открытых моделях Nemotron и библиотеках NeMo. Lam Research намерена встроить NanoVDB в свою платформу моделирования процессов SEMulator3D из семейства виртуальных продуктов Semiverse Solutions: ожидается, что это ускорит отдельные задачи моделирования плазменного травления до 30 раз, а PhysicsNeMo уже показал сокращение времени расчёта предсказания плазмы с дней до миллисекунд.

Luminary применяет PhysicsNeMo к проектированию корпусов: физические ИИ-модели предсказывают температуру, перепад давления и тепловые напряжения для разных конфигураций, что позволяет инженерам исследовать в 100 раз больше вариантов в те же сроки, не запуская отдельную симуляцию под каждый.

Инспекция и тестирование

Для разбора изображений инспекции и тестовых данных в объявлении используются NPP — библиотека обработки изображений на GPU — и RAPIDS cuDF для больших наборов данных: они ускоряют тестовые и контрольные процессы.

imec убирает шум со снимков сканирующего электронного микроскопа, применяемых для измерений субнанометрового уровня, и задействует cuLitho для ресурсоёмкой оптической коррекции процесса: результат — улучшение литографического окна процесса на 30%. KLA перенесла идеи из своих сильно оптимизированных производственных ядер в новое ядро NPP NCC, которое достигло производительности в 50 раз выше прежних CPU-версий и сравнялось с ручными оптимизациями KLA.

Teradyne ускоряет тестирование матриц изображения с помощью NPP и ускоренных вычислений, а RAPIDS cuDF и CuPy — для GPU-расчётов: вывод по обслуживанию зондов стал примерно в 85 раз быстрее, что позволяет находить деградирующие зонды до того, как они испортят выход годных. Advantest встроила Nemotron и Kumo-Anomaly в ACS RTDI для аналитики полупроводникового производства: на системах Grace Blackwell платформа выдаёт диагностику и вывод в реальном времени с рекомендациями по действиям для тестовых ячеек, а агенты NeMo Switchyard автоматизируют выбор модели и сокращают время отклика с часов до минут.

Операции фабрики и робототехника

В «фабрике, определяемой ИИ», данные оборудования должны доходить до ИИ-систем достаточно быстро, чтобы поддерживать операционные решения. Applied Materials применяет Omniverse и библиотеки CUDA-X, включая cuDSS, cuEST и PhysicsNeMo, по всему маршруту — от поиска материалов до развития процессов и оптимизации фабрики: заявлены симуляции камер до 35 раз быстрее и цифровые двойники, помогающие оптимизировать планировку и потоки материалов.

Analog Devices сочетает физическую симуляцию Synopsys с фреймворком Isaac Sim и библиотеками Omniverse, чтобы строить высокоточные сенсорные симуляции и роботизированные бенчмарки и оценивать поведение сенсоров внутри целых роботизированных систем. FANUC и Foxconn подключают модели своих роботов к Mega NVIDIA Omniverse Blueprint, чтобы проверять и валидировать операции в цифровых двойниках фабрики до физического развёртывания, а OMRON использует открытые world-модели Cosmos и Metropolis Blueprint для поиска и суммаризации видео в инспекционном оборудовании — её агенты объединяют визуальные данные, документацию на оборудование и производственные знания, чтобы помогать инженерам разбирать результаты по печатным платам и искать причины дефектов.

Доступность и оговорки

Статусы в объявлении указаны прямо: cuPotential доступна в раннем доступе, NanoVDB — как открытый исходный код внутри OpenVDB, NPP — через NVIDIA CUDA Toolkit, а ускоренная NanoVDB возможность SEMulator3D у Lam Research намечена к выпуску до конца года.

Пресс-релиз сопровождается стандартной для NVIDIA оговоркой о прогнозных заявлениях: выгоды, сроки и ожидания по продуктам, партнёрствам и рынку описаны как предположения менеджмента, а не как гарантии, и компания не обещает обновлять эти заявления. Ни одна из цифр ускорения не названа независимо измеренной: все они приведены самой NVIDIA и её партнёрами в тексте пресс-релиза.