NVIDIA 发布 cuPotential 等 CUDA-X 库推进 AI 定义晶圆厂：Lam Research 蚀刻建模预期提速最高 30 倍，KLA 新检测内核比早前 CPU 版本快 50 倍

先看官方定义。NVIDIA 官方新闻稿把 AI 定义的晶圆厂（AI-defined fabs）定义为这样一类半导体工厂：AI 帮助工程师优化工艺、解决生产问题并提升生产效率。随着先进芯片需求上升，这类工厂必须在管理日益复杂的制造流程的同时扩大产能，工程师需要新方法来建模材料、分析检测数据，并在数字孪生里测试工艺变更，然后再投入实际生产。10 月 14 日的新闻稿宣布，半导体厂商正在采用 NVIDIA CUDA-X 库来推进 AI 定义的晶圆厂，其中包括新库 cuPotential——开发者可以用它构建模拟原子与分子相互作用的 AI 智能体。NVIDIA 工业与计算工程副总裁兼总经理 Tim Costa 的说法是，半导体产业让 AI 革命成为可能，现在 AI 正在改变芯片的制造方式。新闻稿同时点名 Applied Materials、Cadence、KLA、Lam Research、Siemens、Synopsys 等厂商，称它们在芯片设计、制造与测试环节使用 NVIDIA 的加速计算与 AI 技术栈。

三个重点库对应的都是具体瓶颈。第一是 cuPotential，它把原子级模拟封装成 GPU 加速函数，开发者可以把它加进现有软件，用来建模大量原子之间的电作用力等相互作用；NVIDIA 说在早期访问测试中，这个库让已经针对 GPU 优化过的工作流再提速 2 到 3 倍，Synopsys 是早期采用者之一。第二是开源 3D 数据库 NanoVDB，NVIDIA 称它加速了晶圆厂的芯片制造模拟，帮助 Lam Research 实现 30 倍更快的模拟；Lam Research 计划把 NanoVDB 集成进其先进半导体工艺建模平台 SEMulator3D，官方预期是部分晶圆蚀刻建模提速最高 30 倍，该能力目标在今年年底发布。第三是用于 GPU 图像处理的 NVIDIA NPP，NVIDIA 称它加速了晶圆厂的检测环节：KLA 把高度优化的生产内核经验应用到新的 NPP NCC 内核上，取得了比早前 CPU 版本快 50 倍的性能，与 KLA 手工调优的实现处于同一水平。

把新闻稿里的合作方数字摊开看，落点相当密集。Synopsys 用 cuPotential、cuEST 和 cuDSS 加速半导体仿真，早期 QuantumATK 结果显示 cuEST 有 30 倍提速潜力，S-Device 基准显示 cuDSS 有 12 倍提速。Cadence 用 CUDA-X 与 Nemotron 开源模型把智能体引入机电系统设计与仿真，其中 Cadence AuraStack AI Super Agent 配合 Celsius 使用 cuDSS，把先进封装的散热与应力优化快了 8 倍。COMSOL 用 cuDSS 加速半导体多物理场仿真，最高提速 10 倍，并预告其 COMSOL MCP Server 将使用 Nemotron Ultra 开源模型。Voltai 的 Voltaire 平台给 3D-IC 设计与仿真用上 CUDA-X 加速求解器，把复杂的电热力仿真流程从数月压缩到一天。Applied Materials 在材料发现、工艺开发和晶圆厂优化中使用 Omniverse 与 cuDSS、cuEST、PhysicsNeMo，实现最高 35 倍的腔室仿真提速。在检测一侧，Teradyne 用 NPP、RAPIDS cuDF 与 CuPy 做到约 85 倍更快的探针维护推理；Advantest 把 Nemotron 与 Kumo-Anomaly 集成进 ACS RTDI，并用 NeMo Switchyard 智能体把响应时间从小时级压到分钟级。imec 则在去噪扫描电镜图像的同时用 cuLitho 做计算密集的工艺窗口光学邻近校正，官方给出的结果是光刻工艺窗口改善 30%。

需要说清楚边界。第一，这篇新闻稿里的所有倍数都来自厂商与 NVIDIA 的联合口径，属于发布方给出的性能声明，不是第三方独立复现的结果；cuPotential 目前处于早期访问（early access）阶段，官方没有给出正式发布时间表。第二，可用性写得很具体，也要分开读：NanoVDB 以开源形式包含在 OpenVDB 里，NPP 通过 NVIDIA CUDA Toolkit 提供，而 Lam Research 的 NanoVDB 加速版 SEMulator3D 能力只是目标在今年年底发布，属于路线图而不是现成能力。第三，厂商名单里没有出现英特尔与三星的代工侧动作，新闻稿也没有给出产能、良率这类晶圆厂最核心的量化结果。因此更准确的说法是，这次公布的是软件工具链层面的进展，不是产能层面的成果。