NVIDIA Membekali Agen AI dengan Keahlian Fisika, Kimia, dan Desain Chip

Langkah tersebut memperluas cakupan toolkit NVIDIA dari agen untuk pekerjaan perusahaan ke bidang yang lebih teknis—mulai dari desain semikonduktor dan sistem, hingga simulasi ilmiah serta manufaktur. Sebelumnya, NVIDIA juga memperkenalkan BioNeMo Agent Toolkit untuk ilmu hayati dan menambahkan pustaka Omniverse untuk kebutuhan physical AI .

Kemampuan baru yang ditambahkan

PhysicsNeMo untuk simulasi fisika

Pustaka PhysicsNeMo yang telah direka ulang memungkinkan agen AI memanggil simulasi fisika berbasis AI secara langsung sebagai tools. Agen dapat menjalankan simulasi yang dipercepat GPU untuk menganalisis struktur, aliran fluida, kondisi termal, dan persoalan multiphysics—situasi ketika beberapa fenomena fisika perlu dihitung secara bersamaan .

Artinya, agen tidak hanya menghasilkan saran berbasis teks atau kode. Dalam alur rekayasa, agen juga dapat menggunakan mesin simulasi untuk menguji dan memverifikasi rancangan.

CUDA-X menghadirkan solver sparse terakselerasi

Pembaruan CUDA-X mencakup dua solver aljabar linear sparse: cuISS untuk metode iteratif dan cuDSS untuk metode langsung . Aljabar linear sparse menjadi bagian penting dari banyak simulasi teknis, termasuk perhitungan tegangan struktur, aliran fluida, elektromagnetik, dan fenomena fisika lainnya.

Dengan menjadikannya alat yang dapat dipanggil agen, solver berperforma tinggi ini dapat dimasukkan ke dalam alur desain, pengujian, dan verifikasi teknik .

Kimia kuantum untuk simulasi tingkat molekul

Ekspansi CUDA-X juga menambahkan kemampuan kimia kuantum yang dapat dipanggil agen untuk melakukan simulasi pada tingkat molekul. NVIDIA menyebut kemampuan ini sebagai bagian dari upaya mengubah aset komputasi ilmiahnya menjadi keterampilan siap pakai bagi agen AI .

Omniverse membawa physical AI ke dunia 3D

Pada 20 Juli 2026, NVIDIA mengumumkan pustaka Omniverse untuk Agent Toolkit. Pustaka tersebut mencakup simulasi sensor RTX—seperti kamera, lidar, dan radar—serta simulasi fisika yang dipercepat GPU .

Ada pula kemampuan simulation-ready asset validation. Fitur ini membantu agen memeriksa dan memvalidasi aset 3D sebelum digunakan dalam digital twin industri, yaitu representasi virtual dari objek atau proses fisik .

BioNeMo untuk ilmu hayati

Pada Juni 2026, BioNeMo Agent Toolkit mengemas model biomolekuler NVIDIA menjadi keterampilan yang dapat dipanggil agen. Cakupannya meliputi pelipatan protein, docking molekuler, kimia generatif, genomika, dan desain protein .

NVIDIA melaporkan bahwa tingkat penyelesaian tugas meningkat dari 57,1% menjadi 100% ketika keterampilan tersebut digunakan. Agen juga rata-rata menghasilkan dua kali lebih banyak passing assertions per 1.000 token . Angka ini merupakan klaim dan hasil pengujian yang dilaporkan NVIDIA, bukan jaminan performa untuk setiap proyek.

Perusahaan yang mulai mengadopsinya

Perluasan ini menyasar electronic design automation (EDA)—perangkat lunak yang digunakan untuk merancang, mensimulasikan, dan memverifikasi chip—serta desain sistem dan manufaktur.

• Cadence sedang membangun agen AI berbasis NVIDIA dan platform AgentStack di atas Agent Toolkit. Pelanggan dan mitranya, termasuk Samsung dan SK Hynix, telah menggunakan solusi Cadence yang dipercepat NVIDIA . Cadence juga menyediakan harness untuk menjalankan model Nemotron 3 Ultra dalam alur desain chip .
• Synopsys menawarkan agen AI otonom yang dapat berjalan dalam durasi panjang untuk alur EDA, termasuk verifikasi desain serta pekerjaan analog dan mixed-signal. NVIDIA dan Synopsys juga berkolaborasi dalam AI agentik untuk desain chip dan simulasi multiphysics .
• Siemens memperkenalkan Fuse EDA AI Agent di atas NVIDIA Agent Toolkit pada GTC 2026. Siemens juga termasuk dalam kelompok mitra peluncuran toolkit .
• Samsung menggunakan solusi Cadence yang dipercepat NVIDIA untuk desain chip, serta memanfaatkan pustaka CUDA-X dan AI dalam alur manufaktur semikonduktor .
• TSMC menggunakan komputasi terakselerasi NVIDIA dan AI untuk memajukan desain serta manufaktur semikonduktor. Kolaborasinya dengan Cadence mencakup node proses N3, N2, A16, dan A14 .

Pada GTC 2026 yang digelar pada Maret, NVIDIA menyebut 17 mitra peluncuran—termasuk Adobe, SAP, Salesforce, ServiceNow, Siemens, Cadence, dan Synopsys—telah membangun solusi di atas Agent Toolkit . Tambahan PhysicsNeMo dan CUDA-X pada Juli secara lebih spesifik memperkuat sektor EDA dan desain sistem, dengan Cadence, Siemens, dan Synopsys sebagai adopsi awal yang disebutkan .

Strategi NVIDIA: menjadi fondasi di balik agen AI

NVIDIA tidak memosisikan Agent Toolkit sebagai satu aplikasi siap pakai untuk pengguna akhir. Perusahaan tersebut ingin menjadikannya lapisan infrastruktur sumber terbuka untuk membangun, mengamankan, dan menerapkan agen AI otonom dalam skala perusahaan .

Strategi ini terlihat dalam tiga arah utama.

1. Menstandarkan fondasi agen secara terbuka

Agent Toolkit menggabungkan sejumlah komponen terbuka, termasuk runtime aman NemoClaw, framework agen OpenShell, cetak biru riset AI-Q, serta model terbuka Nemotron . NVIDIA berharap komponen-komponen tersebut membantu menstandarkan cara agen dibuat, diberi autentikasi, diamankan, dan dikoordinasikan—dengan ambisi yang mengingatkan pada peran CUDA dalam komputasi GPU.

2. Memperluas dari agen digital ke physical AI

PhysicsNeMo, CUDA-X, dan Omniverse membawa toolkit ke ranah rekayasa, desain, simulasi, dan manufaktur—wilayah yang oleh NVIDIA disebut sebagai physical AI . BioNeMo memperluas pendekatan serupa ke penemuan obat dan ilmu hayati .

Dengan model ini, kemampuan riset NVIDIA dalam simulasi fisika, matematika GPU, genomika, dan komputasi ilmiah diubah menjadi keterampilan yang bisa dirangkai pengembang ke dalam alur kerja agen.

3. Membentuk siklus perangkat keras dan perangkat lunak

Beban kerja agen tersebut dirancang untuk berjalan di atas silikon NVIDIA, termasuk GPU dan CPU Vera. NVIDIA juga menyatakan bahwa perangkat lunak desain chip yang digunakan insinyurnya untuk merancang GPU generasi berikutnya kini dijalankan pada silikon milik NVIDIA sendiri, dengan dukungan dari Cadence dan Synopsys .

Hal ini menciptakan siklus tertutup: chip NVIDIA membantu mempercepat perangkat lunak yang digunakan untuk merancang chip NVIDIA berikutnya. Pada saat yang sama, mitra seperti Cadence, Synopsys, dan Siemens membangun tumpukan agen yang bergantung pada runtime, pustaka, dan perangkat keras NVIDIA .

Mengapa ekspansi ini penting

Ekspansi tersebut menunjukkan bahwa persaingan AI tidak hanya berlangsung pada model percakapan atau aplikasi yang terlihat pengguna. NVIDIA berusaha menguasai lapisan di bawahnya: model, runtime, keamanan, pustaka komputasi, dan alat orkestrasi yang memungkinkan agen bekerja secara mandiri.

Analis menggambarkannya sebagai strategi infrastruktur. NVIDIA ingin menyediakan fondasi bagi platform agen perusahaan dan industri, bukan berhadapan langsung dengan penyedia aplikasi seperti ServiceNow, Salesforce, atau SAP yang membangun produk di atas fondasi tersebut . Jika pendekatan ini berhasil, peran NVIDIA dalam ekonomi agen AI akan melampaui pemasok chip dan mencakup infrastruktur yang menopang cara agen merancang, mensimulasikan, memverifikasi, serta membangun produk.