Vera CPU+AI代理，加速下一代GPU研发

英伟达表示，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。

它正与电子设计自动化 (EDS) 软件的两大供应商 Cadence Systems Inc. 和 Synopsys Inc. 合作，这两家公司目前正在优化其平台，使其能够在英伟达 Vera 中央处理器上运行，从而加速芯片设计工作负载。

该芯片制造商表示，Cadence 的形式验证平台 Jasper 和 Synopsys VCS（一种用于在制造前验证芯片设计的逻辑仿真工具）在 Vera 中央处理器上运行时，性能提高了 1.5 倍。

英伟达宣布，将把旗下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。英伟达在今天于加州长滩举行的2026年设计自动化大会上表示，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。

英伟达正试图通过加快EDA工作负载并提高设计流程各个环节的自动化程度来加速芯片开发。这家芯片制造商解释说，仿真、验证和实现都是半导体设计流程中至关重要的步骤。

传统上，这些步骤都是由工程师完成的，而且过程十分繁琐。工程师们花费数年时间验证器件性能、识别问题，并通过数千次迭代改进设计，最终确定新一代半导体的最终方案，这种情况并不罕见。

多年来，英伟达一直致力于加速这些流程，虽然GPU和人工智能在某些领域有所助益，但EDA的许多方面仍然高度依赖CPU性能。例如，逻辑仿真、形式验证以及部分数字实现都需要快速的单个核心、高效的内存系统和快速的整体吞吐量。这些特性最好由CPU架构来提供，这意味着它们在验证新芯片设计和探索替代方案方面仍然发挥着至关重要的作用。

通过优化 Vera CPU 以适应 EDA 工作负载，Nvidia 表示，他们已经证明可以加速早期芯片设计生命周期中两个计算密集型环节。Cadence Jasper 是一个验证平台，它利用智能验证技术和机器学习算法来识别和修复错误，从而提高生产效率；而 Synopsys VCS 则用于在芯片制造之前模拟和验证复杂的芯片设计。在 Nvidia 的早期测试中，他们表示能够将这两个应用程序的性能提升 1.5 倍。

这家芯片制造商表示，将与 Cadence 和 Synopsys 合作，优化 Vera 平台上的其他 EDA 工作流程。最终，他们希望加速其后续产品（代号 Rosa CPU）的设计，该产品将采用下一代 Nvidia Rigel 核心。

英伟达正在构建一种持续的反馈循环，其当前一代 Vera CPU 加速了未来几代产品的开发，但这并非其全部举措。通过将 PhysicsNeMo 和 CUDA-X 库添加到英伟达代理工具包 (Nvidia Agent Toolkit)中，英伟达也在加强其代理对芯片设计过程的参与。

打造更精密的芯片需要工程师在日益复杂的设计周期中整合物理学、仿真和性能分析。这类工作非常适合自主人工智能工程师，他们能够以远超人类的速度运行仿真，生成高保真数据。通过今天的更新，PhysicsNeMo 和 CUDA-X 已成为可用于智能体的工具，能够促进这些仿真。PhysicsNeMo为智能体提供训练和部署人工智能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。

此外，英伟达宣布将更新 CUDA-X 库，首次在其 GPU 上支持“迭代稀疏求解器”。这指的是稀疏线性代数运算，它是从流体流动到结构应力再到电磁学等各种物理模拟的基础。今天发布的新库包括用于迭代求解器的 cuISS、用于电路和器件模拟的直接稀疏求解器的 cuDSS，以及用于预测材料在原子尺度上行为的量子化学模拟的 cuEST。

英伟达表示，其合作伙伴已在使用新库后取得了令人鼓舞的成果。例如，设计、测试和仿真软件公司 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；而 EDA 软件公司 Silvaco Group Inc. 则在由 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。英伟达称，任何基于 CPU 的仿真都无法达到这样的性能。

这家芯片制造商还谈到，Cadence 的 AuraStack AI 超级代理（旨在自动化印刷电路板和先进封装工作负载）现在已在其 Millenium M2000 超级计算机上的 cuDSS 上运行。Cadence 表示，由于这一变化，其设计验证工作流程增加了 15 倍——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，这是一个尤其令人鼓舞的数字。

所有这些软件都免费提供给芯片设计人员使用。PhysicsNeMo 采用 Apache 2.0 许可证，而新的 CUDA-X 库则是免费的，可以直接替代工程师通常需要自行编写的手工代码。这对英伟达来说意义重大，因为 PhysicsNeMo 和 CUDA-X 只能在其自家芯片上运行。

“工程技术已经到了一个转折点。人工智能现在可以与物理、仿真和设计工具协同工作，”英伟达计算工程副总裁兼总经理表示。“借助英伟达智能体工具包，开发人员可以构建智能体工程师，这些工程师能够运用物理原理进行推理、运行仿真并生成高保真数据，从而成为芯片和系统设计领域创新的新引擎。”