加速EDA工作负载 - 公司与电子设计自动化软件两大供应商Cadence和Synopsys合作，优化其平台以在英伟达Vera中央处理器上运行，旨在加速芯片设计工作负载[1] - 在Vera中央处理器上运行时，Cadence的Jasper形式验证平台和Synopsys的VCS逻辑仿真工具性能提高了1.5倍[1] - 公司正试图通过加快EDA工作负载并提高设计流程自动化程度来加速芯片开发，仿真、验证和实现是半导体设计流程中的关键步骤[3] - 传统芯片设计流程高度依赖工程师进行繁琐的验证和迭代，通常耗时数年[3] - 尽管GPU和人工智能在某些领域有助益，但EDA的许多方面如逻辑仿真、形式验证及部分数字实现仍高度依赖CPU性能，需要快速的单核心、高效内存和高吞吐量[3] - 通过优化Vera CPU以适配EDA工作负载，公司已证明可加速早期芯片设计生命周期中两个计算密集型环节，并计划与合作伙伴优化更多EDA工作流程[4] - 公司希望加速其代号为Rosa的下一代CPU设计，该产品将采用下一代Nvidia Rigel核心[4] 芯片设计自动化与AI代理 - 公司宣布将旗下PhysicsNeMo物理AI库和一系列GPU数学库集成到Nvidia Agent Toolkit中，旨在提升自主人工智能代理在芯片制造过程中的作用[1] - 在2026年设计自动化大会上，公司表示人工智能代理现在可以像使用其他第三方工具一样调用加速求解器[1] - 公司正在构建一个持续的反馈循环，其当前一代Vera CPU加速了未来几代产品的开发[6] - 通过将PhysicsNeMo和CUDA-X库添加到英伟达代理工具包中，公司也在加强其代理对芯片设计过程的参与[6] - 公司表示其工程师正在使用自主研发的芯片设计软件来设计下一代图形处理单元[7] - 打造更精密芯片需要整合物理学、仿真和性能分析，这类工作非常适合自主人工智能工程师，他们能以远超人类的速度运行仿真并生成高保真数据[8] - PhysicsNeMo为智能体提供训练和部署AI模型所需的物理技能，而CUDA-X库则将加速求解器和量子化学功能引入智能体工程工作流程[8] - 公司宣布将更新CUDA-X库，首次在其GPU上支持“迭代稀疏求解器”，这是各种物理模拟的基础[8] - 新发布的库包括用于迭代求解器的cuISS、用于电路和器件模拟直接稀疏求解器的cuDSS，以及用于量子化学模拟的cuEST[8] 性能提升与合作伙伴成果 - 合作伙伴Keysight Technologies Inc.表示，使用新的cuDSS库后，电磁仿真速度提升了高达10倍[9] - EDA软件公司Silvaco Group Inc.在由32个GPU组成的集群上，不到4小时就完成了32亿个网格节点的光子边缘耦合器仿真，公司称任何基于CPU的仿真都无法达到此性能[9] - Cadence的AuraStack AI超级代理现已在公司Millenium M2000超级计算机上的cuDSS上运行，Cadence表示其设计验证工作流程因此增加了15倍[9] 1 - 考虑到芯片设计行业的验证工作负载每年消耗数十亿计算小时，这一性能提升尤为显著[9] 软件生态与战略意义 - 所有相关软件均免费提供给芯片设计人员使用，PhysicsNeMo采用Apache 2.0许可证，新的CUDA-X库免费且可直接替代工程师通常需自行编写的手工代码[10] - PhysicsNeMo和CUDA-X库只能在其自家芯片上运行，这对公司具有战略意义[10] - 公司高管表示，工程技术已到转折点，人工智能现在可以与物理、仿真和设计工具协同工作，借助其智能体工具包，开发人员可构建能运用物理原理推理、运行仿真并生成高保真数据的智能体工程师，成为芯片和系统设计创新的新引擎[10]