Con PhysicsNeMo, nuove librerie CUDA-X e il modello aperto Nemotron 3 Ultra, NVIDIA vuole trasformare gli assistenti di intelligenza artificiale in agenti specializzati capaci di utilizzare simulatori, risolvere problemi fisici e contribuire alla progettazione e alla verifica dei semiconduttori.
L’intelligenza artificiale agentica si prepara a uscire dai confini delle attività amministrative e della programmazione generalista per affrontare alcuni dei problemi più complessi dell’ingegneria. NVIDIA ha annunciato l’espansione del proprio Agent Toolkit, che ora integra le librerie PhysicsNeMo e una serie di strumenti CUDA-X destinati alla simulazione scientifica, alla progettazione dei chip e alla chimica quantistica.
L’obiettivo è consentire agli sviluppatori di creare una nuova categoria di assistenti specializzati: non semplici chatbot, ma agenti AI capaci di utilizzare modelli fisici, avviare simulazioni, analizzare i risultati e coordinare strumenti ingegneristici differenti.
La strategia interessa in particolare la progettazione dei semiconduttori, un settore nel quale la crescente complessità dei componenti rende sempre più difficile collegare architettura, verifica, packaging, gestione termica e produzione. Secondo NVIDIA, aziende come Cadence, Siemens, Synopsys e Samsung stanno già sperimentando queste tecnologie all’interno dei propri flussi di lavoro.
Dall’AI generativa all’ingegneria agentica
La progettazione di un chip moderno richiede l’interazione tra numerosi strumenti, modelli e discipline. Un cambiamento apportato all’architettura può avere conseguenze sul consumo energetico, sulla dissipazione del calore, sull’integrità dei segnali o sulla possibilità di produrre fisicamente il componente.
Gli agenti AI proposti da NVIDIA dovrebbero aiutare gli ingegneri a gestire questa complessità collegandosi a strumenti specifici del settore, modelli proprietari e dati tecnici. Un agente potrebbe, per esempio, preparare una simulazione, selezionare un solutore numerico, elaborare i risultati e proporre una nuova configurazione sulla quale eseguire ulteriori verifiche.
PhysicsNeMo rappresenta uno degli elementi centrali di questa impostazione. NVIDIA ha riorganizzato il progetto sotto forma di librerie utilizzabili dagli agenti, con l’obiettivo di trasformare le architetture di AI applicate alla fisica in strumenti richiamabili all’interno dei processi ingegneristici.
Questi modelli possono essere addestrati e distribuiti per affrontare problemi di simulazione complessi, generare dati ad alta fedeltà e accelerare alcune fasi della progettazione. L’AI non sostituisce necessariamente il simulatore tradizionale, ma può affiancarlo, coordinandone l’utilizzo oppure creando modelli surrogati più veloci per esplorare un numero maggiore di configurazioni.
Le nuove librerie CUDA-X
Accanto a PhysicsNeMo, NVIDIA ha introdotto o aggiornato diverse librerie CUDA-X destinate ai calcoli scientifici.
La nuova libreria cuISS, acronimo di CUDA Iterative Sparse Solvers, è progettata per risolvere in modo iterativo grandi sistemi lineari sparsi. Problemi di questo tipo compaiono frequentemente nelle simulazioni fisiche e ingegneristiche. La libreria mette a disposizione solutori e precondizionatori componibili, pensati per la costruzione di motori di simulazione scalabili basati sulle GPU.
cuDSS, dedicata ai solutori diretti, punta invece ad accelerare i sistemi lineari sparsi utilizzati nell’automazione della progettazione elettronica e nelle simulazioni di dispositivi, circuiti e sistemi. La tecnologia può essere distribuita su più GPU e più nodi di calcolo, una caratteristica importante per i carichi di lavoro industriali più grandi.
La terza componente è cuEST, una libreria per la teoria della struttura elettronica. Consente di eseguire simulazioni di chimica quantistica basate sulla teoria del funzionale della densità e su metodi più avanzati, con l’obiettivo di portare questi calcoli verso dimensioni rilevanti per la progettazione dei dispositivi.
L’integrazione delle librerie nell’Agent Toolkit permette agli sviluppatori di esporre tali capacità come strumenti utilizzabili dagli agenti. L’aspetto significativo, quindi, non riguarda soltanto l’accelerazione del calcolo: è la possibilità di inserire i solutori in un processo autonomo composto da pianificazione, esecuzione, analisi e iterazione.
Nemotron 3 Ultra per progettare e verificare i chip
NVIDIA ha presentato anche il ruolo di Nemotron 3 Ultra nella programmazione RTL, il linguaggio con cui viene descritto il funzionamento logico dei circuiti digitali prima della loro realizzazione fisica.
Utilizzato insieme ad ACE-RTL, un agente sviluppato da NVIDIA Research, Nemotron 3 Ultra avrebbe raggiunto risultati di vertice tra i modelli aperti in un benchmark dedicato ai problemi di progettazione Verilog. La natura aperta del modello permette inoltre alle aziende di effettuare un addestramento successivo sui propri dati e di distribuirlo localmente o nei propri data center.
Quest’ultimo elemento è particolarmente rilevante nel settore dei semiconduttori, dove i progetti contengono proprietà intellettuale estremamente sensibile. La possibilità di mantenere modelli, istruzioni e dati all’interno dell’infrastruttura aziendale può offrire un maggiore controllo rispetto ai servizi AI utilizzati esclusivamente attraverso il cloud pubblico.
Il modello potrà essere impiegato attraverso strumenti e ambienti sviluppati da Cadence, Synopsys e Siemens, oltre a essere disponibile sulla piattaforma Hugging Face.
Cadence, Synopsys e Siemens sperimentano i nuovi agenti
Una parte importante dell’annuncio riguarda l’integrazione delle tecnologie NVIDIA nei prodotti delle principali aziende di automazione della progettazione elettronica.
Cadence utilizza Nemotron, CUDA-X e il calcolo accelerato nella propria piattaforma AuraStack AI Super Agent e nel sistema Millennium M2000. L’azienda punta ad automatizzare alcune fasi della progettazione avanzata del packaging e dei circuiti stampati, dall’esplorazione iniziale fino alla validazione conclusiva. NVIDIA indica prestazioni multifisiche fino a 20 volte superiori, un risultato che dovrà comunque essere valutato in relazione ai singoli carichi di lavoro e alle configurazioni utilizzate.
Synopsys sta integrando Agent Toolkit, microservizi NIM, modelli Nemotron, NeMo Gym e blueprint NeMoClaw nella piattaforma AgentEngineer. Uno dei casi d’uso riguarda l’ottimizzazione del raffreddamento delle GPU: l’agente può preparare la simulazione con Ansys Icepak ed eseguire automaticamente le attività precedenti e successive al calcolo.
Siemens utilizza invece NeMo Gym, Nemotron e CUDA-X con Fuse EDA AI Agent per coordinare flussi multiagente nella progettazione di semiconduttori, sistemi 3D-IC e circuiti stampati. Nella Solido Characterization Suite, secondo i dati comunicati dalle aziende, questi processi avrebbero accelerato di oltre dieci volte la caratterizzazione delle librerie, riducendo in misura analoga i costi legati ai token.
Dalla litografia alla simulazione ottica
Gli impieghi illustrati da NVIDIA si estendono oltre la scrittura e la verifica del codice RTL. Samsung sta combinando cuLitho e CUDA-X per la litografia computazionale e utilizza PhysicsNeMo per analizzare lo stress termico su scala di chip. I modelli descritti arrivano a coprire domini contenenti fino a 10 miliardi di celle.
Silvaco ha utilizzato 32 GPU NVIDIA collegate tramite NVLink per completare in meno di quattro ore una simulazione fotonica tridimensionale composta da 3,2 miliardi di nodi. Keysight dichiara accelerazioni fino a dieci volte nelle simulazioni elettromagnetiche grazie a cuDSS, mentre Samsung, Synopsys e TSMC stanno integrando cuEST in processi di chimica quantistica accelerati dalle GPU.
Si tratta di dati forniti da NVIDIA e dai suoi partner, che non costituiscono prestazioni garantite per qualsiasi scenario. Mostrano però il tipo di carichi di lavoro ai quali l’azienda vuole applicare l’AI agentica: problemi scientifici ad alta intensità di calcolo, nei quali linguaggio, simulazione e automazione devono operare insieme.
Il valore dipenderà dalla capacità di verificare gli agenti
L’espansione di NVIDI dell’Agent Toolkit evidenzia un passaggio importante. Nei processi ingegneristici, un agente utile non può limitarsi a produrre una risposta plausibile. Deve conoscere gli strumenti disponibili, rispettare vincoli precisi, mantenere la tracciabilità delle operazioni e sottoporre i risultati a controlli rigorosi.
La progettazione di un chip non ammette lo stesso margine di errore di una normale conversazione con un chatbot. Un risultato scorretto può emergere soltanto dopo mesi di lavoro o durante la produzione, con conseguenze economiche considerevoli. Per questo motivo, autonomia e verifica dovranno avanzare insieme.
Gli agenti potranno ridurre le attività ripetitive, esplorare più rapidamente lo spazio delle possibili soluzioni e coordinare strumenti oggi utilizzati separatamente. Le decisioni critiche continueranno però a richiedere validazione, supervisione umana e sistemi capaci di dimostrare come sia stato ottenuto ogni risultato.
La stessa NVIDIA precisa che diversi prodotti e funzionalità descritti si trovano ancora in differenti fasi di sviluppo e saranno offerti in base alla loro effettiva disponibilità. L’annuncio, dunque, rappresenta soprattutto una direzione strategica: portare l’AI agentica dal mondo delle parole a quello delle leggi fisiche, dei simulatori e dei sistemi industriali.
