De fleste AI-agenter får lov til at læse dokumenter, flytte data og kalde et par forretningssystemer. NVIDIA vil sende dem ind i en væsentligt sværere del af arbejdet: fysiksimulering, chipdesign og tekniske beregninger, hvor et overbevisende svar ikke er nok. Det skal også være korrekt.
NVIDIA udvider sit Agent Toolkit med ombyggede PhysicsNeMo-biblioteker og nye værktøjer fra CUDA-X. Målet er at gøre specialiserede beregningsværktøjer til funktioner, som en AI-agent kan kalde som led i en længere ingeniøropgave.
PhysicsNeMo giver agenter adgang til at træne og bruge AI-modeller, der arbejder med fysiske systemer. CUDA-X bidrager blandt andet med værktøjer til at løse store ligningssystemer og køre kvantekemiske beregninger. Det lyder tørt. Det er også her, mange af de tunge beslutninger i chipdesign, elektronik, materialer og industrielle systemer bliver taget.
Fra chatbot til teknisk arbejdsgang
Forskellen ligger i værktøjerne. En almindelig sprogmodel kan forklare, hvad en simulering er. En ingeniøragent skal kunne vælge den relevante model, sætte beregningen op, køre den, kontrollere resultatet og bruge det i næste trin.
NVIDIA fremhæver tre konkrete dele. Det nye cuISS-bibliotek er rettet mod iterative beregninger på store, tynde ligningssystemer. cuDSS håndterer direkte løsere, som blandt andet bruges i elektronisk design og videnskabelige simuleringer. cuEST bringer kvantekemiske beregninger ind i GPU-baserede arbejdsgange.
Samtidig kobler NVIDIA modellen Nemotron 3 Ultra sammen med forskningsagenten ACE-RTL til kode og verifikation i chipdesign. Modellen kan tilpasses virksomhedens egne data og køre lokalt, hvilket kan være afgørende, når designfiler og tekniske data ikke skal ud af huset.
Store hastighedsløfter kræver en fodnote
Cadence, Siemens, Synopsys og Samsung er blandt de virksomheder, NVIDIA nævner som brugere af teknologien. Ifølge NVIDIA har Cadence målt op til 20 gange højere ydelse i multiphysics-arbejde, mens Siemens beskriver mere end ti gange hurtigere karakterisering af chipbiblioteker og en tilsvarende reduktion i tokenomkostninger.
Det er leverandør- og partnertal, ikke uafhængige tests. De fortæller, at der findes konkrete arbejdsgange bag præsentationen, men ikke at enhver ingeniøropgave bliver ti eller tyve gange hurtigere.
NVIDIA skriver desuden selv, at flere af funktionerne stadig befinder sig på forskellige udviklingstrin og leveres, hvis og når de bliver klar. Der er heller ingen samlet pris eller enkel dato for hele pakken.
Den egentlige nyhed er derfor ikke en autonom ingeniør, der kan overtage et projekt alene. Det er, at AI-agenter er ved at få adgang til de specialværktøjer, som gør dem nyttige uden for tekstboksen. Jo tættere de kommer på fysiske produkter og dyre designbeslutninger, desto vigtigere bliver dokumentation, reproducerbare beregninger og menneskelig kontrol.
Læs også vores profil af NVIDIA.
Aktører i artiklen
