芯片设计是一项复杂的系统工程，尤其验证和优化环节极其耗费时间和精力。为了有效降低错误 率、提升设计质量，EDA工具的自动化、智能化发展成为关键。近年来，随着AI技术在EDA领域 的应用逐渐成熟，为芯片设计领域带来了革命性的变化。AI加持显著提高了芯片设计的效率与质 量，降低了开发成本，加速产品上市进程。 西门子EDA AI System， 构建可靠智能化基座 与侧重于"学习"能力的通用生成式AI或大语言模型不同，EDA领域的AI必须具备高可靠性与输出可 用性。它生成的每一行代码、每一个设计单元都必须确保正确无误，真正用于指导或完成芯片设 计。将AI嵌入应用程序或许相对简单，但将其融入EDA工作流则需克服更多挑战。 西门子EDA在其AI工具中特别强调五大关键特性： 0 1 可验证性 依赖高质量数据与正确算法，确保AI输出可被严格验证，从而安全用于芯片设计； 0 2 易用性 以高效达成目标为核心，提供流畅的用户体验界面； 0 3 通用性 适配多种设计场景，不局限于单一功能； 04 稳健性 在不同硬件与环境条件下保持稳定运行； 作为工业级AI，EDA AI System能够可靠应用于芯片设计和系统开发等高复杂度场景 ...

产品发布核心 - 公司宣布推出具有推理能力的开放Llama Nemotron模型家族，旨在为开发者和企业提供业务就绪的基础，以创建能独立或协同工作解决复杂任务的高级AI智能体 [1] - 新模型家族基于Llama模型构建，通过后期训练增强了多步骤数学、编码、推理和复杂决策能力 [2] 性能与效率提升 - 与基础模型相比，精调过程将模型准确率提升高达20%，并比其他领先的开放推理模型优化推理速度达5倍 [3] - 推理性能的改进使模型能处理更复杂的推理任务，增强决策能力并降低企业运营成本 [3] 行业合作与整合 - 包括埃森哲、Amdocs、Atlassian、Box、Cadence、CrowdStrike、德勤、IQVIA、微软、SAP和ServiceNow在内的领先AI智能体平台先驱正与公司合作 [4] - 微软将Llama Nemotron推理模型和NIM微服务集成到Microsoft Azure AI Foundry中，扩展了模型目录以增强Azure AI Agent Service for Microsoft 365等服务 [7] - SAP利用Llama Nemotron模型推进SAP Business AI解决方案和AI助手Joule，并使用NIM和NeMo微服务提高SAP ABAP编程语言模型的代码补全准确率 [8] - ServiceNow利用Llama Nemotron模型构建性能更高、更准确的AI智能体，以提升各行业的企业生产力 [9] - 埃森哲在其AI Refinery平台上提供NVIDIA Llama Nemotron推理模型，使客户能快速开发和部署针对行业特定挑战的定制AI智能体 [10] - 德勤计划将Llama Nemotron推理模型整合到其Zora AI智能体平台中，该平台旨在支持和模拟人类决策与行动 [11] 产品规格与可用性 - Llama Nemotron模型家族以NVIDIA NIM微服务形式提供，分为Nano、Super和Ultra三种规格，分别针对不同部署需求进行优化 [5] - Nano型号在PC和边缘设备上提供最高准确率，Super型号在单个GPU上提供最佳准确率和最高吞吐量，Ultra型号在多GPU服务器上提供最大智能体准确率 [5] - NVIDIA Llama Nemotron Nano和Super模型及NIM微服务可通过build.nvidia.com和Hugging Face作为托管API获取，NVIDIA开发者计划成员可免费用于开发、测试和研究 [12] 配套软件与工具 - NVIDIA AI Enterprise软件平台提供最新的智能体AI构建模块，包括NVIDIA AI-Q Blueprint，使企业能够将知识与能自主感知、推理和行动的AI智能体连接起来 [15] - NVIDIA AI数据平台是一个可定制的参考设计，用于构建带有基于AI-Q Blueprint的AI查询代理的新型企业基础设施 [15] - 新的NVIDIA NIM微服务优化复杂智能体AI应用的推理，并支持在任何环境中进行持续学习和实时适应 [15] - NVIDIA NeMo微服务提供一个高效、企业级的解决方案，用于快速建立和维护强大的数据飞轮，使AI智能体能从人类和AI生成的反馈中持续学习 [15] - NVIDIA AI-Q Blueprint预计于4月可用，NVIDIA AgentIQ工具包现已在GitHub上提供 [16]