当AI开始自己设计芯片，半导体行业的天花板正在被重新定义。

7月29日，英伟达在2026年设计自动化大会（DAC）上扔出一枚重磅炸弹——正式推出覆盖芯片设计到验证全流程的自主AI工程师。这套方案整合了扩展后的NVIDIA Agent Toolkit，将AI物理库PhysicsNeMo与新版CUDA-X库深度集成。简单说，它让AI不仅能“画图纸”，还能“懂物理、跑仿真、做验证”，像一位真正的芯片工程师一样工作。

AI工程师的“工具箱”里有什么？

这套系统的核心是一套完整的“AI工程师技能包”。PhysicsNeMo为AI提供了“物理直觉”，使其能训练和部署物理模型，在复杂设计中预测真实世界的物理行为。新版CUDA-X库则注入了极速计算能力：cuISS与cuDSS两款稀疏求解器，能加速电磁场、流体力学等物理仿真的稀疏线性系统求解；而cuEST量子化学库，则专攻半导体研发中关键但极度耗时的原子级材料模拟。

在芯片设计最关键的寄存器传输级编码上，英伟达开源了拥有5500亿参数的Nemotron 3 Ultra MoE模型，配合硬件设计智能体ACE-RTL。测试显示，ACE-RTL在九类RTL编码任务中平均通过率达97.1%，在准确性和效率上全面领先其他开源模型。

巨头们已经用上了，效率提升一个数量级

英伟达并非在展示概念，行业巨头已经率先尝到了甜头：

   三星与台积电集成cuEST后，量子化学计算效率狂飙50倍。

   Cadence多物理场仿真性能提升20倍。

   西门子Solido平台加速10倍，同时推理成本降低10倍。

   新思科技深度整合Agent Toolkit，用Nemotron模型构建了全自主芯片验证智能体。

“AI设计AI”的时代已经开启

这已经不是科幻电影，而是正在发生的产业现实。英伟达计算工程副总裁Timothy Costa表示：“AI现在能熟练运用物理、仿真和设计工具，通过Agent Toolkit，开发者可以构建具备物理推理能力的AI工程师，成为芯片与系统设计创新的新引擎。”

更有趣的是，英伟达自家的工程师已经开始用基于Vera CPU的AI智能体加速下一代GPU的设计。三星、台积电、新思科技等巨头全面接入，意味着“AI设计AI”的飞轮已经启动。当AI能以50倍的速度攻克量子化学难题，当芯片验证实现全自主无人化，摩尔定律的延续或许真的要靠AI来续命了。