AI智能体入局！英伟达引爆芯片设计革命

半导体与AI系统的设计复杂度正在呈指数级上升，传统依靠工程师手动操作工具、漫长等待仿真的研发模式已达瓶颈。

2026年7月，NVIDIA在DAC 2026大会期间发布重大进展，并展示了一套颠覆性的解决方案：硬件上，以专为EDA优化的Vera CPU提供底层算力；软件上，通过扩展NVIDIA Agent Toolkit，整合PhysicsNeMo与全新的CUDA-X库，全面释放“自主AI工程师”的潜能。一场由AI智能体驱动的芯片设计革命正式引爆。

图源：NVIDIA

NVIDIA Agent Toolkit集成了PhysicsNeMo库与CUDA-X库

NVIDIA 宣布扩展面向工程领域的 NVIDIA Agent Toolkit，这套工具的核心任务是帮助开发者构建连接特定领域工具、模型和数据的专用工程 AI 助手。

在本次扩展中，架构重构的NVIDIA PhysicsNeMo库赋予了AI智能体强大的“AI物理技能”。它能帮助智能体针对复杂的设计与仿真任务，训练和部署可定制的AI物理模型，并直接将模型架构转化为工程工作流中可直接调用的工具，摆脱传统数值仿真的时间枷锁。

与此同时，底层计算加速也迎来全方位升级。

初次亮相的NVIDIA cuISS（CUDA迭代稀疏求解器）专为GPU上的灵活性与高性能设计，凭借可组合求解器与预处理技术，能协助开发者构建可扩展的生产级仿真引擎，加速物理和工程仿真中的大型稀疏线性系统求解。

此外，NVIDIA cuDSS（CUDA直接稀疏求解器）则专门用于加速电子设计自动化（EDA）和科学仿真中核心的大型复杂稀疏线性系统求解，为器件、电路和系统仿真等关键工作流提供高性能与数值鲁棒性。

最后，NVIDIA cuEST（CUDA电子结构理论）将高精度的量子化学仿真引入智能体工程工作流，使密度泛函理论（DFT）及后DFT方法能够大规模集成到未来的生产工作流中。

软硬件双向闭环，用NVIDIA CPU打造未来的NVIDIA芯片

芯片设计智能体在工作时会呈现出一个特殊规律，即智能体会频繁在“GPU推理”与“CPU重度编排、仿真、验证”之间进行数据穿梭。因此，仅靠GPU的加速是不够的，关键的EDA工作负载（如逻辑仿真、形式验证等）仍高度依赖CPU的快速单核性能、高效内存系统与强大吞吐能力。

为了彻底打通这一瓶颈，NVIDIA 推出了全新一代的Vera CPU，并已经在内部EDA工作流中全面部署。

Vera搭载了88颗定制的NVIDIA Olympus CPU核心，配置了高效的LPDDR5X内存子系统，并采用第二代NVIDIA可扩展一致性互连架构。不同于行业普遍的核心堆叠路线，它以单核效能与内存带宽为核心优化目标，在工程重度运算、海量回归测试任务中，可提供持续稳定的低延迟运行能力。

初步测试表明，在相同核心数量配置下，Vera CPU让现代芯片设计中最耗费计算资源的两大应用——形式验证平台Cadence Jasper与功能验证解决方案Synopsys VCS的性能显著提升了1.5倍。

接下来，NVIDIA计划在Vera的基础上，推出由NVIDIA Rigel核心驱动的下一代Rosa CPU，持续对领先的EDA应用做针对性优化。

软件巨头正借助 NVIDIA Agent Toolkit打造自主 AI 工程师

全球半导体与软件巨头正全面采用NVIDIA的加速计算与智能体AI技术，推动芯片设计、验证、封装及系统设计领域的自主工程工作流发展。

在智能体工作流中，RTL（寄存器传输级）编码是决定芯片成败的关键。在NVIDIA研究中心推出的硬件设计智能体ACE-RTL支持下，NVIDIA Nemotron 3 Ultra在全面的Verilog设计问题基准测试中表现优异，在开放模型的智能体RTL编码任务中拔得头筹。

作为一款开放模型，它不仅具备领先的准确性与效率，更支持在企业专有数据上进行后训练，并可在本地或企业内部部署，为企业打造定制化AI智能体时提供了极强的可控性、定制化能力与数据隐私保障。

目前，开发者已可通过Cadence的Harness、新思科技面向设计验证及模拟与混合信号工作流打造的全自主可长时间运行的智能体、西门子的 Questa One 智能验证智能体工具包，以及 Hugging Face 平台快速上手体验。

从产品落地层面来看，各大行业领导者在实际应用中展现了惊人的量化增益。

Cadence将NVIDIA技术与最新推出的Cadence AuraStack AI Super Agent及Millennium M2000平台相结合，自主驱动从探索到签核（signoff）的高级封装与PCB设计，实现高达20倍的多物理场性能提升，同时其形式验证平台Cadence Jasper正针对NVIDIA Vera CPU 进行优化。

新思科技则利用NVIDIA Agent Toolkit、NIM、Nemotron开放模型、NeMo Gym库及NemoClaw蓝图，结合Synopsys Agent Engineer构建自主智能体工作流，能借助Ansys Icepak自主执行复杂GPU散热设计优化的仿真设置及前后处理，且其功能验证解决方案Synopsys VCS同样正针对NVIDIA Vera CPU进行优化以提升验证吞吐量。

西门子正将NVIDIA NeMo Gym、Nemotron开放模型和CUDA-X库与西门子Fuse EDA AI智能体结合使用，在西门子Solido Characterization Suite中使库特征速度提升10倍以上，同时将Token成本降低至原来的1/10以下。

三星也正利用NVIDIA cuLitho和CUDA-X库，使计算光刻性能提升高达20倍，并应用PhysicsNeMo进行芯片级热应力分析。

此外，ChipAgents也在利用该工具包，针对调试、形式验证等复杂工作流微调Nemotron模型。