NVIDIA hat am 14. Oktober 2026 zur SEMICON West mit cuPotential eine neue Bibliothek der CUDA-X-Familie vorgestellt und bekannt gegeben, dass Applied Materials, Cadence, KLA, Lam Research, Siemens und Synopsys die Beschleunigungs- und KI-Plattform von NVIDIA über Chipdesign, Fertigung und Test hinweg einsetzen. Der Kern ist nicht eine weitere Softwarebibliothek. NVIDIA schließt damit die unterste Schicht seiner Vision der „KI-definierten Fabrik“: Agenten sollen das Verhalten von Materialien auf atomarer Ebene in der Simulation klären, bevor irgendein Ergebnis in die Nähe einer Produktionslinie darf.
cuPotential zielt auf das langsamste Glied der Simulationskette
Zu verstehen, wie Atome und Moleküle wechselwirken, ist der Ausgangspunkt jeder Modellierung von Halbleitermaterialien und -prozessen — und diese Rechnungen sind selbst in GPU-optimierter Software notorisch langsam. cuPotential stellt spezialisierte, GPU-beschleunigte Funktionen bereit, die Entwickler in bestehende Werkzeuge einbauen, sodass KI-Agenten molekulare Simulationen direkt ausführen, auswerten und iterieren können. In frühen Zugriffstests beschleunigte die Bibliothek bereits GPU-optimierte Arbeitsabläufe um weitere 2- bis 3-mal. Synopsys gehört zu den ersten Anwendern und nutzt sie für Materialsimulationen. Die Rolle ist bewusst unauffällig: kein Publikumsprodukt, sondern gemeinsame Basiswerkzeuge für Ingenieure und Agenten, die Versuch und Irrtum im Rechner halten sollen.
Eine Kette von Beschleunigungen ergibt eine Fabrikrechnung
Die Partnerzahlen derselben Mitteilung sind dicht gedrängt. Bei Material- und Bauelementsimulationen meldet Synopsys mit cuEST in QuantumATK ein Potenzial von 30-facher Beschleunigung und mit cuDSS in S-Device-Benchmarks 12-fach; Cadence optimierte Wärme und Spannung in fortgeschrittenen Packages mit cuDSS 8-mal schneller; COMSOLs Multiphysik-Simulationen laufen bis zu 10-mal schneller. In der Fertigung erwartet Lam Research nach der Einbindung der quelloffenen NanoVDB-Bibliothek für ausgewählte Wafer-Ätzmodelle bis zu 30-fache Beschleunigung, und PhysicsNeMo drückte die Plasma-Vorhersage von Tagen auf Millisekunden; Applied Materials nennt für Kammersimulationen mit Omniverse-Zwillingen bis zu 35-fach. Bei Inspektion und Test läuft KLAs neuer NPP-Kernel 50-mal schneller als frühere CPU-Versionen, Teradyne machte die Inferenz zur Sondenwartung rund 85-mal schneller, und imec verbesserte mit cuLitho sein Lithografie-Prozessfenster um 30 Prozent.
Warum NVIDIA das Gehirn der Fabrik betreiben will
Diese Zahlen verlangen einen kühlen Kopf: Sie stammen sämtlich aus der Mitteilung von NVIDIA und seinen Partnern, die meisten sind frühe oder einzelne Benchmark-Ergebnisse, reale Fabrikgewinne brauchen Produktionsnachweise, und cuPotential selbst steht erst im frühen Zugriff. An der Richtung besteht jedoch kein Zweifel. Fortgeschrittene Prozesse umfassen Tausende von Schritten, und wer eine Prozessänderung an der laufenden Linie testet, riskiert ganze Wafer-Chargen; Agenten den Simulationsraum im digitalen Zwilling ausschöpfen und Fehler früher finden zu lassen, wirkt wie zusätzliche Kapazität. NVIDIA verkauft damit nicht mehr nur Chips, sondern die Entwurfs-, Simulations- und Betriebsschicht der Fabriken, die Chips herstellen — von den Werkzeugen, die KI bauen, zu den Werkzeugen, die die Werkzeuge bauen. Zwei Fragen lohnen die Beobachtung: ob diese agentischen Arbeitsabläufe in den täglichen Entscheidungen von Produktionslinien ankommen, und ob die enger werdende Bindung der EDA-Größen Cadence und Synopsys an NVIDIA die Landkarte der Simulationssoftware neu zeichnet.
