NVIDIA presenta cuPotential y acelera las fabs definidas por IA en SEMICON West

NVIDIA anunció el 14 de octubre en SEMICON West que líderes del sector semiconductor están adoptando bibliotecas CUDA-X —incluida la nueva cuPotential— para avanzar hacia lo que la compañía llama fabs definidas por IA: fábricas donde la inteligencia artificial ayuda a optimizar procesos, resolver incidencias de producción y mejorar el rendimiento. El comunicado oficial sitúa a Applied Materials, Cadence, KLA, Lam Research, Siemens, Synopsys y otros actores usando el stack de cómputo acelerado y de IA de NVIDIA en diseño, fabricación y prueba.

cuPotential es una biblioteca CUDA-X pensada para que desarrolladores construyan agentes de IA que simulen cómo interactúan átomos y moléculas. NVIDIA afirma que, en pruebas de acceso anticipado, acelera flujos ya optimizados para GPU entre dos y tres veces adicionales. Synopsys aparece entre los primeros usuarios para simulaciones de materiales. La misma familia CUDA-X incluye cuEST (comportamiento electrónico) y cuDSS (simulaciones de ingeniería): Synopsys reporta, según NVIDIA, hasta 30x de aceleración potencial con cuEST en resultados tempranos de QuantumATK y 12x con cuDSS en benchmarks de S-Device; sus soluciones AgentEngineer interoperan con modelos abiertos Nemotron y con NeMo. Cadence usa cuDSS y Celsius para optimizar encapsulados avanzados ante calor y estrés hasta 8x más rápido con AuraStack AI Super Agent, y combina Nemotron con ChipStack para diseño y verificación. COMSOL habla de hasta 10x en simulaciones multifísicas con cuDSS y prepara un servidor MCP con el modelo abierto Nemotron Ultra.

En la planta, NanoVDB —biblioteca de código abierto para datos 3D dentro de OpenVDB— acelera simulaciones de fabricación: Lam Research planea integrarla en SEMulator3D y espera hasta 30x en ciertos modelos de grabado de oblea; PhysicsNeMo, dice NVIDIA, ha reducido predicciones de plasma de días a milisegundos en demostraciones. Siemens acelera Calibre con cuLitho para refinamiento de patrones y máscaras. En inspección, KLA aplicó ideas de sus kernels de producción a un nuevo kernel NPP NCC hasta 50x más rápido que versiones CPU anteriores; Teradyne habla de unas 85x en inferencia de mantenimiento de sondas con NPP, RAPIDS cuDF y CuPy. Applied Materials usa Omniverse y CUDA-X (cuDSS, cuEST, PhysicsNeMo) con hasta 35x en simulaciones de cámara y gemelos digitales de fab. ChipAgents colabora con NVIDIA en Build-A-Chip Bench, un benchmark para agentes de extremo a extremo desde la especificación hasta el GDS.

cuPotential está en acceso anticipado; NanoVDB es open source; NPP llega con el CUDA Toolkit; la capacidad NanoVDB de SEMulator3D de Lam apunta a fin de año. Tim Costa, vicepresidente de ingeniería industrial y computacional de NVIDIA, resume la tesis del anuncio: la industria de semiconductores hizo posible la revolución de la IA y ahora la IA transforma cómo se fabrican los chips.

Como análisis, el movimiento no es un chip nuevo sino una apuesta por cerrar el bucle: la demanda de aceleradores obliga a más capacidad de fab, y esa capacidad solo escala si el diseño, la litografía, la inspección y el test se automatizan con los mismos GPUs que la industria vende. El riesgo es la concentración de dependencia: cuanto más se ancla el flujo EDA y de fab en CUDA-X, Nemotron y Omniverse, más costoso resulta diversificar hacia otras arquitecturas de aceleración. Para equipos de diseño y de yield, el dato accionable es que los agentes ya no son demos aisladas: Synopsys, Cadence, Lam y KLA están midiendo multiplicadores concretos sobre kernels que ya eran GPU, lo que cambia el calendario de gemelos digitales y de corrección óptica de proximidad más que el marketing de «IA en la fab».