NVIDIA stellt cuPotential vor, Halbleiterführer setzen auf CUDA-X

Was passiert ist

NVIDIA hat am 14. Oktober 2026 cuPotential vorgestellt, eine neue CUDA-X-Bibliothek, mit der Entwickler KI-Agenten (KI, die mehrstufige Aufgaben ausführt, statt nur eine einzelne Frage zu beantworten) bauen können, die simulieren, wie Atome und Moleküle miteinander wechselwirken. Außerdem hat das Unternehmen den Einsatz seiner CUDA-X-Bibliotheken in Chipdesign, Fertigung und Test durch Halbleiterführer wie Synopsys, Cadence, Siemens, Lam Research, KLA und Applied Materials dargelegt. Das erweiterte CUDA-X-Portfolio stellt KI-Agenten und Engineering-Anwendungen beschleunigte Werkzeuge für Halbleitersimulation, 3D-Datenverarbeitung und Bildanalyse zur Verfügung. NVIDIA ist ein Halbleiterunternehmen mit Sitz in Santa Clara; zu seinen Produkten und Dienstleistungen gehören Grafikprozessoren (GPU) und Software.

cuPotential und die KI-gesteuerte Fab

NVIDIA beschreibt KI-gesteuerte Fabs (Chipfabriken) als Halbleiterfabriken, in denen KI Ingenieuren hilft, Prozesse zu optimieren, Produktionsprobleme zu lösen und die Produktionseffizienz zu steigern. Die steigende Nachfrage nach fortschrittlichen Chips zwingt solche Fabs laut NVIDIA dazu, ihre Produktion auszuweiten und dabei immer komplexere Fertigungsprozesse zu beherrschen. Ingenieure benötigen daher neue Wege, um Materialien zu modellieren, Inspektionsdaten zu analysieren und Prozessänderungen in digitalen Zwillingen zu testen, bevor sie in der Produktion angewendet werden. Die neue Bibliothek beschleunigt die Simulation auf atomarer Ebene durch spezialisierte, GPU-beschleunigte Funktionen (ein Chip, der viele Berechnungen gleichzeitig ausführt und für Grafik und KI eingesetzt wird), die sich in bestehende Software einbinden lassen. So können Forscher elektrische Kräfte und andere Wechselwirkungen über große Atomzahlen hinweg modellieren und Simulationen schneller verfeinern.

Wichtige Fakten

• Steigende Nachfrage nach fortschrittlichen Chips — erfordert: Solche Fabs müssen ihre Produktion ausweiten und dabei immer komplexere Fertigungsprozesse bewältigen, so NVIDIA; Ingenieure brauchen neue Wege, um Materialien zu modellieren, Inspektionsdaten zu analysieren und Prozessänderungen in digitalen Zwillingen zu testen, bevor sie in der Produktion angewendet werden