NVIDIA扩展了NVIDIA Agent Toolkit，并加入PhysicsNeMo和CUDA-X库。相比过去主要用于文档检索、代码生成和工作流自动化的AI助手，这套工具开始让智能体直接连接物理模型、数值求解器、仿真环境以及电子设计工具，目标是形成一种“Agentic Engineer”，能够制定技术计划、调用专业软件、评估结果，并不断迭代，直到得到经过验证的设计。
从AI模型走向物理仿真
PhysicsNeMo提供物理AI层。这个开源框架支持构建、训练、微调和部署科学机器学习模型，将仿真数据与物理约束结合起来，涵盖神经算子、图神经网络、点云模型、物理信息神经网络以及生成式模型。
这些模型可以作为计算流体力学、结构力学、热分析、电磁学和半导体制造等领域的仿真替代模型。放进智能体工作流后，训练好的替代模型可以作为可调用工具，让智能体快速估算设计表现、筛选候选方案，再把高保真求解器留给最终验证。
CUDA-X则提供加速数值计算基础。NVIDIA新的cuISS提供迭代稀疏求解器和预条件器，面向偏微分方程离散化产生的大型系统；cuDSS提供直接稀疏求解器，用于器件、电路、系统和科学仿真，并支持多GPU和多节点扩展；cuEST则扩展到电子结构计算，包括密度泛函理论和后DFT方法。
这样一来，智能体不只是给出参数建议，而是可以直接启动GPU加速计算，让结果建立在成熟的数值方法之上。
NVIDIA盯上芯片设计
NVIDIA也将这一套能力带向半导体设计。
Nemotron 3 Ultra搭配NVIDIA Research的ACE-RTL agent，被用于agentic RTL编码。NVIDIA表示，该模型在一项综合Verilog设计基准中领先开源模型，并可以利用专有数据进行后训练，以支持本地或本地部署。
对于芯片开发智能体而言，这一点尤其重要，因为它们不仅需要生成RTL，还要处理调试、运行验证工具，并保持可追溯性，同时面对敏感的知识产权数据。
目前，Cadence、Synopsys和Siemens都在把NVIDIA部分技术栈用于工程设计。NVIDIA称，Cadence正在将加速计算和智能体系统用于封装和PCB设计；Synopsys正在开发自主热优化和验证工作流；Siemens则在半导体、3D-IC、PCB和系统设计中协调多个工具和智能体。
NVIDIA披露的案例包括，Siemens的库表征速度提升超过10倍，Cadence的多物理场计算最高加速20倍，同时在计算光刻、电磁仿真和量子化学等领域也出现了明显的计算性能提升。ChipAgents则正在利用NVIDIA Agent Toolkit构建面向芯片设计和验证的领域AI智能体，并对NVIDIA Nemotron模型进行微调，用于调试、形式验证、覆盖率等端到端半导体设计和验证流程。
NVIDIA这次的方向，并不只是再增加一个AI界面，而是把加速计算库和物理模型变成可以被智能体调用的标准化能力。从文档助手、代码生成，到直接调用求解器、运行仿真、优化设计，Agentic AI正在逐步进入EDA的核心工程流程。