NVIDIA推出cuPotential早期访问，Lam等被列为芯片制造采用方

NVIDIA 10月14日发布新闻稿，推出处于早期访问阶段的cuPotential，也列出多家芯片设计、制造和测试公司的用法与提速数字。这些数字都来自NVIDIA或合作方自述，基线各不相同。

一、cuPotential开放早期访问

cuPotential是CUDA-X新库。开发者可把专用GPU加速函数嵌入现有软件，让AI智能体模拟原子、分子的相互作用，运行、评估并迭代分子模拟。NVIDIA称，早期访问测试让已做GPU优化的流程再提速2至3倍。Synopsys是早期采用者之一，用它加速材料仿真。

NVIDIA所称的「AI定义晶圆厂」，是AI帮工程师优化工艺、解决生产问题、提高生产效率的工厂。NVIDIA工业与计算工程副总裁兼总经理Tim Costa说，晶圆厂争相满足先进芯片需求，CUDA-X和Omniverse给智能体提供加速仿真与检测工具，帮助工程师应对复杂流程、改善良率。

二、材料与封装仿真各有结果

据NVIDIA新闻稿，Synopsys用cuPotential、cuEST和cuDSS加速仿真。材料计算要处理大量原子间的电作用力，NVIDIA称，这类计算即便已为GPU优化也很耗时。QuantumATK的早期结果显示，用cuEST潜在提速30倍；S-Device器件仿真基准中，cuDSS提速12倍。Synopsys的AgentEngineer还与Nemotron、NeMo互通。

Cadence的AuraStack AI Super Agent搭配Celsius和cuDSS，优化先进封装的热与应力，新闻稿称快8倍；ChipStack AI Super Agent则用Nemotron做设计与验证。COMSOL用cuDSS做仿真，NVIDIA称提速最高10倍，其计划推出的COMSOL MCP Server将用Nemotron Ultra。

Voltai的Voltaire平台处理复杂的电、热与机械仿真，公司称流程从数月压到一天，说的是整条流程耗时。ChipAgents与NVIDIA共建Build-A-Chip Bench，评估智能体从芯片规格一直到版图数据（GDS，图形数据系统）的端到端流程。

三、Lam计划在刻蚀建模里用NanoVDB

Siemens用cuLitho加速Calibre的图形修正与掩模准备，Solido团队用Nemotron和NeMo开发智能体驱动的器件表征流程。

据NVIDIA新闻稿，Lam计划把开源三维数据库NanoVDB集成进SEMulator3D，它属于Semiverse Solutions虚拟产品家族。Lam预计，部分晶圆刻蚀建模最高可提速30倍，相关能力计划今年年底前发布。NanoVDB已作为开源组件在OpenVDB中提供，Lam的集成能力仍是发布计划。新闻稿称，使用PhysicsNeMo已展示可帮助把等离子体预测仿真从数天压到最短几毫秒。

Luminary用PhysicsNeMo训练物理AI模型，预测不同封装的温度、压降和热应力。新闻稿称，工程师可在同样工期内探索多100倍的设计方案，不必为每个选项重跑仿真。这里多的是方案数量，不是运行速度。

四、检测与测试也在用GPU工具

据NVIDIA新闻稿，imec用AI给用于亚纳米测量的扫描电镜图像去噪，并用cuLitho做计算量很大的工艺窗口光学邻近校正，光刻工艺窗口改善30%。

NPP是GPU图像处理库，随NVIDIA CUDA Toolkit一起提供。KLA把自家高度优化的生产内核经验用于新的NPP NCC内核，新闻稿称其相比早期CPU版本快50倍，与KLA手工调优实现相当。Teradyne用NPP加速图像传感器测试，用RAPIDS cuDF和CuPy做GPU计算；新闻稿称，探针维护推理提速约85倍，为的是在探针劣化影响良率之前把它找出来。

Advantest将Nemotron和Kumo-Anomaly接入ACS RTDI，在Grace Blackwell系统上做实时诊断和推理，为测试单元推荐纠正措施。新闻稿称，借助NeMo Switchyard智能体，响应时间从数小时缩到数分钟。

五、Applied用数字孪生优化晶圆厂

据NVIDIA新闻稿，Applied在材料发现、工艺开发和晶圆厂优化中用Omniverse，以及cuDSS、cuEST和PhysicsNeMo，腔体仿真提速最高35倍，也用晶圆厂数字孪生优化布局与物料流。

Analog Devices把Synopsys物理仿真与Isaac Sim、Omniverse结合，做传感仿真和机器人基准。FANUC与富士康把机器人模型接入Mega Omniverse蓝图，先在工厂数字孪生里验证。欧姆龙在检测设备中用Cosmos世界模型和Metropolis视频检索与摘要蓝图开发智能体，帮工程师分析电路板检测结果、排查缺陷原因。

六、这些倍数没有统一的比较基线

这些数都来自NVIDIA新闻稿所述公司或合作方结果，新闻稿没有提供第三方验证，也没有把各家结果放进统一基准。KLA的50倍对照早期CPU版本，cuPotential的2至3倍是在已GPU优化流程上再提速。Synopsys的30倍是早期结果中的潜在值；Lam的最高30倍带着预计、部分的限定；Luminary的100倍说的是方案数量。Teradyne约85倍和Applied最高35倍，新闻稿没写对照基线。这些数不能拿来排强弱。

这条路线此前已有铺垫。NVIDIA 5月31日在GTC Taipei发布的新闻稿称，台积电用cuEST做半导体材料设计的化学仿真，平均快50倍。这次把采用名单扩展到EDA、设备和测试厂商。

七、Lam的发布目标是今年年底

最近一个能核对的节点：Lam是否在今年年底前按计划发布基于NanoVDB的SEMulator3D能力，以及发布时怎样描述部分刻蚀建模预计最高30倍。

NVIDIA（纳斯达克代码NVDA）是发布方，新闻稿未披露收入、合同或定价。Synopsys（SNPS）、Cadence（CDNS）、Applied Materials（AMAT）、Lam Research（LRCX）、KLA（KLAC）、Teradyne（TER）和Analog Devices（ADI）在NVIDIA新闻稿中被列为采用方。采用CUDA-X库不等于GPU采购订单；按这个逻辑往外推，名单说明的是软件工具进入了哪些工作流程，还不能推到这些公司的收入变化。