英伟达推出面向电子设计自动化（EDA）的代理式人工智能工具套件

英伟达为英伟达智能体工具套件（NVIDIA Agent Toolkit） 新增 PhysicsNeMo 物理 AI 框架与 CUDA-X 加速函数库，标志行业 AI 从通用辅助助手升级为自主工程系统。升级后的工具套件不再局限于文档检索、代码生成、流程自动化，开发者可将推理大模型直接对接物理模型、数值求解器、仿真环境与各类电子设计工具，打造 “自主工程智能体”。该智能体可自主制定技术方案、调用专业软件、评估仿真结果，迭代优化直至输出可交付的验证设计。

1. PhysicsNeMo：物理 AI 底层框架

PhysicsNeMo 是一套开源物理机器学习框架，支持科学 AI 模型的搭建、训练、微调与部署，可融合仿真数据与物理约束条件。内置模型架构包含神经算子、图神经网络、点云模型、物理信息神经网络、生成式模型。 这类模型可作为代理替代模型，替代计算量极大的高精度仿真，覆盖计算流体力学、结构力学、热分析、电磁仿真、半导体制造等场景。在智能体工作流中，训练完成的代理模型可作为可调用工具：智能体快速预判设计性能、筛选优质方案，仅对候选方案运行高精度求解器完成最终验证。

2. CUDA-X：GPU 加速数值计算底座

CUDA-X 提供全套 GPU 加速数值库，为智能体提供硬核计算能力：

• cuISS（CUDA 迭代稀疏求解库）：可组合式迭代求解器与预处理器，求解偏微分方程离散化后产生的大规模方程组；

• cuDSS（CUDA 直接稀疏求解库）：面向器件、电路、系统与科学仿真的高精度直接稀疏求解器，支持多 GPU、多节点分布式扩展；

• cuEST（CUDA 电子结构理论库）：覆盖密度泛函理论（DFT）及后 DFT 电子结构仿真计算。

三类库协同，让智能体不再仅能输出参数建议，还可直接发起 GPU 加速数值运算，所有计算结果均依托成熟数值理论。

3. 分层架构：推理层与计算层解耦

整套系统实现逻辑推理与数值计算分层隔离：

1. 大语言 / 推理模型：解析工程目标、记录流程状态、自主选择工具；

2. PhysicsNeMo 代理模型：极速输出近似仿真结果；

3. CUDA-X 高精度求解器：输出精准数值；

4. EDA 专业工具：施加工艺约束、签核标准。

智能体可完整走完假设 — 仿真 — 测量 — 优化 — 验证闭环。例如热设计智能体可自动生成散热结构，先用代理模型快速排序择优，再对最优方案开展精细热仿真，定位热点、压降缺陷，自动迭代修改几何结构。

4. 面向半导体芯片设计的专用能力

英伟达推出 Nemotron 3 Ultra 大模型，搭配英伟达研究院 ACE-RTL 智能体，实现寄存器传输级（RTL）自主编码。英伟达表示，该模型在完整 Verilog 设计开源评测基准中表现领先，可基于企业私有数据二次微调，部署于本地 / 私有化机房。 这套组合对芯片开发至关重要：芯片智能体在生成 RTL、定位故障、运行验证工具时，必须处理高度敏感知识产权，同时完整保留全流程追溯链路。

5. 主流 EDA 厂商全面接入该技术栈

多家头部工程软件厂商已完成套件适配：

• 楷登（Cadence）：将 GPU 加速与代理式 AI 用于封装、PCB 板级设计，多物理场仿真速度最高提升 20 倍；

• 新思科技（Synopsys）：开发自主热优化、自主验证全流程；

• 西门子 EDA：打通半导体、3D 集成电路、PCB、系统设计全工具链与多智能体调度，器件库表征速度提升 10 倍以上； ChipAgents 基于英伟达智能体工具套件，开发芯片设计、验证领域专用 AI 智能体，针对调试、形式化验证、覆盖率分析等端到端复杂半导体流程微调 Nemotron 模型，大幅缩短开发周期。

实际落地价值

这套方案落地后，全球分布式工程团队可大幅压缩迭代周期、拓宽设计方案探索空间，最大化昂贵仿真算力的利用率。

技术落地约束（管控要求）

代理式 AI 工程系统虽能力强大，但必须配套完善管控机制： 工程智能体需完整披露所有计算假设、留存输入文件与求解器版本、量化结果不确定度、遵守设计运行上限；在流片决策前，必须经过独立人工复核。 代理模型仅在其验证有效范围内具备参考价值，智能体输出的分析结论，不能替代收敛性测试、物理签核、资深工程师人工评审。

总结

英伟达的布局远不止新增一套 AI 交互界面，而是将 GPU 加速计算库、物理仿真模型标准化为智能体通用技能。 若各类加速能力保持互通、可审计、与高精度求解器深度绑定，设计空间探索将从人工分步协调，转变为连续自动计算流程。未来工程模式将彻底改变：人类仅定义设计目标、约束条件、验收标准，自主 AI 系统将完成绝大多数仿真、优化迭代工作。