NVIDIA udvider Agent Toolkit med PhysicsNeMo og CUDA-X

Det er især relevant for elektronisk designautomation – eller EDA, som bruges til at udvikle og verificere chips – samt for systemdesign og industriel produktion.

Fra tekstbaserede agenter til AI-ingeniører

PhysicsNeMo: fysik som et værktøj

De nyarkitekturerede PhysicsNeMo-biblioteker gør AI-baserede fysikmodeller til funktioner, som en agent kan kalde direkte . En agent kan dermed indgå i arbejdsgange, hvor der køres GPU-accelererede simuleringer af blandt andet:

• konstruktioner og strukturel belastning
• væskestrømme
• varme og termiske forhold
• kombinerede multiphysics-problemer

I praksis betyder det, at agenten ikke kun kan foreslå et design. Den kan også få adgang til beregninger, der bruges til at undersøge, om designet opfører sig som forventet.

CUDA-X: hurtigere beregninger bag simuleringerne

NVIDIA har samtidig opdateret CUDA-X med GPU-accelererede sparse løsnere som cuISS, en iterativ sparse solver, og cuDSS, en direkte sparse solver .

Sparse lineær algebra er en central del af mange tekniske beregninger. Når disse løsnere kan kaldes direkte af en AI-agent, kan de indgå i processer for design, simulering og verifikation i stedet for at blive kørt som et separat, manuelt trin .

Udvidelsen omfatter også kvantekemi, så agenter kan udføre simuleringer på molekylært niveau .

Omniverse og BioNeMo udvider værktøjskassen yderligere

PhysicsNeMo og CUDA-X står ikke alene. Den 20. juli 2026 føjede NVIDIA også nye Omniverse-biblioteker til Agent Toolkit . De omfatter blandt andet:

• RTX-simulering af kameraer, lidar og radar
• GPU-accelereret fysiksimulering
• validering af 3D-aktiver, så de er klar til simulering og industrielle digitale tvillinger

I juni lancerede NVIDIA desuden BioNeMo Agent Toolkit til biovidenskab. Her pakkes biomolekylære modeller som værktøjer, agenter kan kalde til proteinfoldning, molekylær docking, generativ kemi, genomik og proteindesign .

NVIDIA rapporterer, at opgaveløsningen i en test steg fra 57,1 procent til 100 procent med disse agentfærdigheder. Ifølge virksomheden leverede agenterne desuden i gennemsnit dobbelt så mange beståede assertions pr. 1.000 tokens . Tallene er NVIDIA's egne rapporterede resultater.

Store halvleder- og industrivirksomheder tager teknologien i brug

Den nye retning er allerede koblet til en række virksomheder, der arbejder med chipdesign, fabrikation og industriel software.

• Cadence bygger NVIDIA-baserede AI-agenter og platformen AgentStack på Agent Toolkit. Blandt Cadence-kunder og samarbejdspartnere, der bruger NVIDIA-accelererede løsninger, er Samsung og SK hynix . Cadence' harness kan også køre modellen Nemotron 3 Ultra til chipdesign .
• Synopsys arbejder med fuldt autonome, langvarige AI-agenter til EDA-processer, herunder designverifikation og analoge samt mixed-signal-arbejdsgange . NVIDIA og Synopsys samarbejder også om agentbaseret AI til chipdesign og multiphysics-simulering .
• Siemens har lanceret sin Fuse EDA AI Agent på NVIDIA Agent Toolkit. Siemens var desuden blandt de 17 lanceringspartnere, der byggede på værktøjskassen ved GTC 2026 .
• Samsung bruger NVIDIA-accelererede Cadence-løsninger til chipdesign og anvender CUDA-X-biblioteker og AI i arbejdsgange inden for halvlederproduktion .
• TSMC bruger NVIDIA-accelereret databehandling og AI til halvlederdesign og produktion. TSMC samarbejder desuden med Cadence om designinfrastruktur på procesnoderne N3, N2, A16 og A14 .

Ved GTC i marts 2026 oplyste NVIDIA, at 17 softwareplatforme – blandt andre Adobe, SAP, Salesforce, ServiceNow, Siemens, Cadence og Synopsys – allerede byggede på Agent Toolkit . Juli-udvidelsen retter sig mere specifikt mod EDA og systemdesign, hvor Cadence, Siemens og Synopsys er blandt de tidlige navngivne brugere .

NVIDIA vil eje laget under AI-agenterne

Udvidelsen passer ind i en større strategi: NVIDIA positionerer Agent Toolkit som en åben infrastruktur til at bygge, sikre og drive autonome AI-agenter i virksomheder .

Strategien kan ses i tre dele.

1. En fælles, åben grundplatform

Agent Toolkit samler blandt andet det sikre runtime-miljø NemoClaw, agentrammen OpenShell, AI-Q-blueprints og de åbne Nemotron-modeller . Målet er at gøre det lettere at standardisere, hvordan agenter udvikles, godkendes, sikres og orkestreres.

NVIDIA sammenligner ambitionen med CUDA's rolle i GPU-beregning: Et fælles softwarelag kan gøre virksomheders og udvikleres løsninger mere afhængige af den underliggende platform.

2. Fra kontorsoftware til fysisk og videnskabelig AI

PhysicsNeMo, CUDA-X og Omniverse flytter Agent Toolkit fra traditionelle IT- og virksomhedssystemer ind i ingeniørarbejde, produktudvikling og produktion – det, NVIDIA kalder physical AI .

BioNeMo udvider på samme måde værktøjskassen til lægemiddeludvikling og biovidenskab . NVIDIA omdanner dermed eksisterende investeringer i fysiksimulering, GPU-matematik, genomik og digitale tvillinger til agentværktøjer, som udviklere kan sætte sammen i egne arbejdsgange.

3. En tættere kobling mellem hardware og software

NVIDIA oplyser, at virksomhedens egne ingeniører bruger NVIDIA-silicium – herunder GPU'er og Vera-CPU'er – til softwarearbejde, der skal hjælpe med at udvikle næste generation af NVIDIA-chips . Det skaber en lukket kredsløbseffekt: NVIDIA's hardware bruges til at udvikle nye produkter, som igen kan øge efterspørgslen efter hardware og software i samme økosystem.

Samtidig bygger partnere som Cadence, Synopsys og Siemens agentplatforme, der er koblet til NVIDIA's runtime, biblioteker og accelererede hardware .

Et infrastruktursats – ikke primært en app-kamp

Analytikere beskriver derfor NVIDIA's initiativ som et infrastrukturspil. Virksomheden forsøger at levere modeller, runtime, sikkerhed og udviklingsværktøjer under de platforme, som virksomhederne bruger til konkrete opgaver .

Det betyder, at NVIDIA i højere grad vil være fundamentet under løsninger fra eksempelvis ServiceNow, Salesforce, SAP, Cadence og Synopsys end en direkte konkurrent til selve applikationerne. Den afgørende kamp handler dermed ikke kun om, hvilken AI-agent der er smartest, men også om hvem der kontrollerer laget, hvor agenterne bygges, sikres og får adgang til specialiserede beregningsværktøjer.