英伟达推出cuPotential，让AI（人工智能）智能体参与原子级材料模拟； Lam Research称仿真提速30倍
英伟达（NVIDIA，英伟达）在SEMICON West前发布CUDA-X库新成员cuPotential，供开发者构建模拟原子与分子相互作用的AI（人工智能）智能体（能自主调用工具执行任务的程序），并称早期访问测试在已GPU（图形处理器）优化的流程上再快2至3倍。
Lam Research（泛林集团）计划将开源库NanoVDB接入SEMulator3D，预计部分晶圆刻蚀建模提速最高30倍。 上述倍速均为厂商自述，尚无独立验证。
英伟达宣布半导体企业采用其CUDA-X库，其中包括新库cuPotential，开发者可用其构建模拟原子与分子相互作用的AI（人工智能）智能体。 英伟达称，在早期访问测试中，该库使已针对GPU（图形处理器）优化的流程再提速2至3倍。
Synopsys（新思科技）为早期采用者之一，其QuantumATK使用cuEST的早期结果显示潜在30倍加速，S-Device用cuDSS的基准显示12倍加速。 Lam Research计划将开源库NanoVDB集成进SEMulator3D，预计部分晶圆刻蚀建模最高提速30倍，该能力目标于今年年底前发布；
NVIDIA PhysicsNeMo被展示可将等离子体预测仿真时间从数天缩短至毫秒级。 KLA（科磊）的新NPP NCC内核实现比早期CPU（中央处理器）版本快50倍的性能； Teradyne（泰瑞达）称探针维护推理约快85倍。
Cadence（楷登电子）、Siemens（西门子）、COMSOL、Advantest（爱德万测试）、Applied Materials（应用材料）等也列出使用场景。 ChipAgents表示正与英伟达开发Build-A-Chip Bench，用于评估智能体在从规格到版图数据系统的端到端流程中的表现。
cuPotential目前处于早期访问阶段，NanoVDB已在OpenVDB中开源，NPP通过CUDA Toolkit提供。
这条消息的价值在于把智能体的执行对象从代码和网页扩展到物理仿真：智能体可调用GPU（图形处理器）加速的分子、电子与图像计算库，运行、评估并迭代仿真，而不是只生成文本建议。 若Build-A-Chip Bench等评测落地，端到端芯片工程将成为检验智能体长链条任务规划与工具调用的场景。
不过，所有倍速数据来自厂商自测，缺少统一基准和同行评审，不能直接外推为生产良率或产能提升。
后续观察信号
- cuPotential的早期访问范围与申请条件
- Build-A-Chip Bench是否覆盖多智能体协作场景
- 厂商倍速数据是否有第三方基准对照