NVIDIA 扩展智能体工具包，为工程 AI 加入物理与仿真能力

NVIDIA 正在扩展 Agent Toolkit，加入重新设计的 PhysicsNeMo 库和新的 CUDA-X 组件，让开发者构建能够理解物理、运行加速仿真并处理高保真数据的工程智能体。公司希望把 AI 助手从文字和代码带入芯片设计、封装、系统工程等领域，在这些场景中，答案必须受到物理模型和数值约束的检验。

通用语言模型可以描述仿真过程或生成设计，但工程团队仍需要数值求解器和领域约束来判断结果是否可用。NVIDIA 将 PhysicsNeMo 重构为适合智能体调用的库，并提供处理稀疏线性系统、直接求解和量子化学计算的 CUDA-X 能力。开发者可以把这些工具连接到模型、数据和既有工程软件。

NVIDIA 还介绍了用于寄存器传输级代码设计的 ACE-RTL 智能体。公司称，Nemotron 3 Ultra 开源模型在一项 RTL 设计问题基准中领先其他开源模型。企业可以在本地或使用专有数据构建可定制的设计和验证系统。Cadence、Synopsys、Siemens 和 Hugging Face 提供的工具和框架也被列为开发入口，但各项集成的成熟度并不相同。

合作伙伴披露了多项特定工作流的结果。Cadence 表示，其 AuraStack AI Super Agent 和 Millennium M2000 平台在封装和 PCB 设计流程中使用 NVIDIA 模型和 CUDA-X 后，部分多物理场任务最高可快 20 倍；Siemens 称某些库表征流程速度提升超过 10 倍；Keysight 则称电磁仿真可最高提速 10 倍。这些是厂商针对特定配置的结果，并不代表所有工程任务。

工程智能体的变化不只是让模型调用工具。它必须设置仿真、读取结果、修改设计，并在多轮操作中保持数值准确。权限、审计记录和人工验证仍然不可缺少。把求解器和物理模型包装成可调用技能，可以减少模型输出与专业工程流程之间的交接，但不能替代边界条件检查和专家判断。

这套工具的机会主要在仿真昂贵、设计周期较长的行业。更快迭代可能帮助半导体、汽车、航空航天和能源团队在制作原型前探索更多方案。实际部署还要承担数据准备、软件集成和专家复核成本。未来的检验，是客户能否把演示转化为可重复的生产流程，并证明时间、成本或质量真的得到改善。

NVIDIA 给出的合作案例还包括：Cadence 使用 Nemotron、加速计算和 CUDA-X 库驱动 AuraStack AI Super Agent，从探索到签核自动推进先进封装和 PCB 设计；Synopsys 将 Agent Toolkit、NIM 微服务和 Nemotron 模型用于安全的长时间设计验证；Siemens 把 NeMo Gym、Nemotron 和 CUDA-X 接入跨芯片、3D-IC、PCB 和系统的多工具流程。NVIDIA 同时强调，产品仍处于不同阶段，供应时间和功能可能变化，合作伙伴的数字是特定工作流的预期或测试结果。