一句话看懂：英伟达将物理仿真引擎 PhysicsNeMo 与 CUDA-X 加速库整合进 Agent Toolkit，使 AI 工程师能直接调用专业仿真工具进行芯片设计、验证与封装，Cadence、新思科技等头部 EDA 厂商已开始基于这些组件构建自主 AI 工程师，实测性能提升达 10~50 倍。
事件核心：发生了什么
英伟达宣布扩展面向工程领域的 NVIDIA Agent Toolkit，将重构后的 PhysicsNeMo 以及多个 CUDA-X 库作为“智能体就绪”的工具技能纳入。PhysicsNeMo 提供 AI 物理模型训练与部署能力，CUDA-X 库新增了迭代稀疏求解器 cuISS、直接稀疏求解器 cuDSS 和量子化学库 cuEST。这些组件让开发者能构建具备物理推理能力、可运行复杂仿真并生成高保真数据的自主 AI 工程师。
同期，英伟达还发布了面向芯片寄存器传输级（RTL）编码的开放模型 Nemotron 3 Ultra，在 Verilog 设计基准测试中取得最高分，支持本地或企业内私有化部署。
多家 EDA 与工业软件巨头已落地应用：Cadence 结合 Nemotron 和 CUDA-X，在其 AuraStack 平台中实现高达 20 倍的多物理场性能提升；新思科技 借助 Agent Toolkit 构建散热优化智能体，并正在开发 cuISS 用例；西门子 将 NeMo Gym 与 CUDA-X 集成到 Fuse EDA 智能体中，使库特征提取速度提升 10 倍以上，同时 Token 成本降至 1/10；三星 利用 cuLitho 和 PhysicsNeMo 将计算光刻性能提升 20 倍，并在百亿单元级热应力分析中达到求解器精度；Keysight 使用 cuDSS 使电磁仿真加速 10 倍；三星、新思科技、台积电 正在集成 cuEST，将量子化学工作负载加速 50 倍。
为什么重要
工程领域 AI 正从“问答式助手”转向“可调用专业工具的自主智能体”。英伟达此次重构打破了物理仿真、加速计算与 AI 模型之间的技术壁垒——过去工程团队需要分别使用不同软件栈，现在通过 Agent Toolkit 即可让 AI 直接操控求解器、稀疏矩阵库和量子化学代码。这对芯片设计行业尤其关键：设计周期日益复杂，传统手工迭代难以规模化，而集成 AI 物理技能的自主工程师可自动完成仿真设置、结果分析甚至 RTL 编码，大幅缩短从架构到签核的流程。
从竞争格局看，英伟达正将 GPU 算力优势延伸至工程软件生态，通过统一工具链绑定 EDA 厂商。Cadence、新思科技、西门子等均选择在其平台上二次开发，意味着英伟达的“CUDA-X + 模型”策略已获得行业主流认可。
对用户/开发者/创作者的影响
芯片设计工程师： 可借助预训练的 AI 智能体自动完成仿真参数配置、稀疏矩阵求解、量子化学计算等重复性工作，将精力集中在架构决策上。实测数据显示，电磁仿真、热应力分析等核心任务的提速效果从 10 倍到 50 倍不等，意味着验证周期可从数周缩短至数天。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
软件开发者与 AI 应用构建者： Agent Toolkit 提供了标准化接口，可基于 PhysicsNeMo 和 CUDA-X 库快速搭建面向 EDA、3D-IC、PCB 等领域的专用智能体。Nemotron 3 Ultra 模型支持在专有数据上进行后训练，且可以本地化部署，降低了数据隐私风险。
企业采购决策者： 需关注当前智能体仍依赖英伟达 GPU 算力（如 NVLink 互联的多卡配置），且部分库（如 cuEST、cuDSS）仍在集成阶段。但已有产品级落地案例（Cadence AuraStack、Synopsys AgentEngineer），可作为评估供应商 AI 能力的参考。
值得关注的后续
1. 落地验证期： 当前多数产品尚处于“已开始利用”或“正在集成”阶段，需观察 2025 年下半年是否有大规模客户在真实流片项目中采用这些智能体，以及实际产出的可靠性是否达到工业级要求。
2. 竞品与生态封闭度： 英伟达通过 Agent Toolkit 强化了 CUDA 生态壁垒，AMD 或英特尔是否会推出类似的开源替代方案（如 AMD ROCm 下的工程智能体框架）值得留意。此外，部分库（如 cuEST）可能对非英伟达硬件不兼容，可能限制企业在多云环境中的部署灵活性。
3. 模型开源与成本： Nemotron 3 Ultra 作为开放模型，其后续是否会发布基于更大数据集的版本或被社区微调用于更多 EDA 子任务，将影响中小型芯片设计公司是否入场。同时，Token 成本降低（西门子案例中降至 1/10）若能成为常态，有望降低 AI 工程师的使用门槛。
来源：InfoQ CN
