NVIDIA は 2026 年 10 月 14 日、SEMICON West に合わせた発表で CUDA-X ライブラリ群の新メンバー cuPotential を公開し、Applied Materials、Cadence、KLA、Lam Research、Siemens、Synopsys といった半導体サプライチェーンの大手が、チップ設計・製造・検査の各工程に NVIDIA の高速計算と AI の技術基盤を導入していると明かした。これは単なるソフトウェアライブラリの追加ではない。「AI が定義するファブ（工場）」構想の最も底の層を埋める動きであり、エージェントが原子スケールで材料の振る舞いをシミュレーションで詰めてから、その結論を実ラインへ持ち込む流れを作ろうとしている。
cuPotential が担うのはシミュレーション連鎖の最遅区間
原子や分子の相互作用を理解することは、半導体材料と製造プロセスをモデル化する出発点だが、この手の計算は GPU 最適化済みのソフトウェアでも膨大な時間がかかる。cuPotential は GPU 高速化された専用関数群を提供し、開発者が既存ソフトへ組み込むことで、AI エージェントが分子レベルのシミュレーションを実行・評価・反復できるようにする。早期アクセステストでは、すでに GPU 最適化されたワークフローをさらに 2〜3 倍高速化した。早期採用者の一つである Synopsys は材料シミュレーションの高速化に使っている。位置づけは明確で、一般向け製品ではなく、エンジニアとエージェントが共用する基盤ツールとして「試行錯誤をコンピュータの中に閉じ込める」ことが目的だ。
提速の数字の連なりが工場全体の勘定になる
同じ発表にはパートナーの数字が密集している。材料・デバイスシミュレーションでは Synopsys が cuEST を使った QuantumATK で最大 30 倍の潜在的高速化、cuDSS を使った S-Device ベンチマークで 12 倍を報告。Cadence は cuDSS で先端パッケージの熱・応力最適化を 8 倍高速化し、COMSOL のマルチフィジクスシミュレーションは最大 10 倍速くなった。製造工程では Lam Research がオープンソースの NanoVDB を自社のプロセスモデリング基盤に組み込み、一部のウェーハエッチングモデリングで最大 30 倍を見込み、PhysicsNeMo ではプラズマ予測シミュレーションを数日からミリ秒単位に短縮した。Applied Materials は Omniverse のデジタルツインによるチャンバーシミュレーションで最大 35 倍をうたう。検査・テストでは KLA の NPP 新カーネルが初期の CPU 版の 50 倍、Teradyne はプローブ保守の推論を約 85 倍高速化し、imec は cuLitho でリソグラフィのプロセスウィンドウを 30% 改善した。
なぜ NVIDIA は工場の頭脳を狙うのか
数字は冷静に見る必要がある。すべて NVIDIA とパートナーの発表値であり、大半は早期段階か単一ベンチマークの結果で、実ラインでの効果は量産検証を待たねばならず、cuPotential 自体もまだ早期アクセスの段階だ。それでも方向性に疑いはない。先端プロセスは数千工程に及び、工程変更を実ラインで試せばウェーハ単位の損失になりかねない。デジタルツインの中でエージェントにシミュレーションを回し尽くさせ、欠陥検出を前倒しすることは、実質的な増産に等しい。NVIDIA が売ろうとしているのはチップそのものだけではなく、チップを作る工場の設計・シミュレーション・運用層、つまり「AI を作る道具」から「道具を作る道具」への拡張だ。今後の注目点は二つある。これらのエージェント型ワークフローが量産ラインの日々の意思決定に入り込めるか、そして Cadence や Synopsys といった EDA 大手と NVIDIA の結びつきが深まることで、シミュレーションソフトの勢力図が塗り替わるかどうかである。
