英伟达公司近日宣布，其工程师团队正利用自主研发的芯片设计软件推进下一代图形处理单元的研发工作。为进一步提升芯片设计效率，该公司正与电子设计自动化（EDA）领域的两大供应商Cadence Systems和Synopsys展开深度合作，共同优化软件平台在英伟达Vera中央处理器上的运行性能。
据测试数据显示，Cadence的形式验证平台Jasper与Synopsys的逻辑仿真工具VCS在Vera CPU上运行时，性能提升达1.5倍。前者通过机器学习算法实现智能验证，后者则专注于芯片制造前的复杂设计验证。两家公司正在扩展合作范围，计划将更多EDA工作流程迁移至Vera平台，为后续采用Rigel核心的Rosa CPU研发奠定基础。
在芯片设计自动化领域，英伟达正构建技术闭环：当前一代Vera CPU不仅加速现有产品开发，其技术成果还将反哺未来芯片设计。公司通过将PhysicsNeMo物理AI库与CUDA-X数学库集成至Nvidia Agent Toolkit，使自主人工智能代理能够直接调用加速求解器，参与芯片制造流程。PhysicsNeMo为智能体提供物理建模能力，CUDA-X则新增迭代稀疏求解器支持，涵盖流体动力学、结构应力分析等关键物理模拟场景。
新发布的CUDA-X库包含三大核心组件：用于迭代求解的cuISS、针对电路仿真的cuDSS直接稀疏求解器，以及预测材料原子级行为的cuEST量子化学模拟工具。实际应用案例显示，Keysight Technologies使用cuDSS后电磁仿真速度提升10倍；Silvaco Group在32块GPU集群上完成32亿网格节点的光子耦合器仿真仅用4小时，远超传统CPU方案。Cadence的AuraStack AI超级代理在搭载cuDSS后，设计验证效率提升15倍，这对每年消耗数十亿计算小时的芯片验证环节具有重大意义。
这些专业工具均采用开放许可模式——PhysicsNeMo基于Apache 2.0协议开源，CUDA-X库可免费替代工程师手写代码，但均限定在英伟达硬件平台运行。公司计算工程负责人表示，人工智能与物理仿真工具的深度融合，正在重塑芯片设计范式。通过Nvidia Agent Toolkit构建的智能体工程师，能够自主推演物理规律、运行仿真并生成高精度数据，成为推动行业创新的新动力。
当前芯片设计领域面临双重挑战：一方面，仿真、验证等环节仍高度依赖CPU性能，单个核心速度、内存效率直接影响工作流程；另一方面，日益复杂的设计需求迫使工程师在物理建模与性能分析间反复迭代。英伟达的技术布局既通过优化Vera CPU架构提升传统EDA工具效率，又借助AI代理实现设计流程自动化，这种双轨策略正在改变芯片研发的底层逻辑。
