Nvidia 於 2026 年 10 月 14 日公布 cuPotential，將它納入公司推動半導體設計與製造採用 AI 的計劃。這款 CUDA-X 程式庫供開發者建立 AI 代理，用來模擬原子和分子之間的互動；Nvidia 表示，早期測試令原本已經 GPU 最佳化的工作流程再加快 2 至 3 倍。39

不過，這個數字講的是模擬工作流程的速度，不是晶圓廠已經多造了多少晶片。現有資料亦未能證明 cuPotential 已直接帶來更高產量或良率。

cuPotential 是甚麼？

cuPotential 是一款供開發者使用的程式庫，可用來建立模擬原子及分子互動的 AI 代理。Nvidia 指，這類模擬有助研究人員研究半導體材料及製造流程。328

簡單來說，模擬跑得更快，工程團隊便有望更快測試或調整不同製程情境。但目前公布的資料並未顯示 cuPotential 可以自行控制晶圓廠設備，亦沒有說它會取代既有工程軟件。

2–3 倍加速，應該點樣理解？

Nvidia 所報告的 2 至 3 倍，是在早期測試中，對比原本已經為 GPU 最佳化的工作流程所得出的額外加速。3 換言之，這並非直接比較 GPU 與 CPU，也不是單憑這個數字就能推算整條生產線會快多少。

目前提供的資料沒有列出足夠的基準測試細節，難以判斷結果能否套用到不同模擬模型、材料或生產環境。評估這類速度數字時，亦要分清楚軟件流程加速，與實際製造效益之間的差別。

Nvidia 的「AI 定義晶圓廠」願景

Nvidia 所說的「AI 定義晶圓廠」，是指在晶片設計、製造、模擬及檢測等環節，運用 AI 與加速運算支援工作流程。公司表示，Applied Materials、Cadence、KLA、Lam Research、Siemens 和 Synopsys 等半導體業者，正於不同範疇採用其工具。342

Nvidia 亦提到開源 3D 數據程式庫 NanoVDB，指它有助 Lam Research 加快晶片製造模擬。3 這個例子反映 Nvidia 正把工具拓展至不同工程工作，但不代表上述每間合作公司都在使用 cuPotential。

模擬更快，不等於生產效益已落地

目前的 2–3 倍數字來自 Nvidia 的早期測試，而且比較基準是已經 GPU 最佳化的工作流程。3 它顯示軟件程式庫或可進一步提升現有加速運算流程的效能，但單靠這項結果，無法證明晶圓廠產量、良率、成本或產品質素已有改善。

這個分別亦是看待其他供應商效能數字時的重要背景：單一模擬或影像處理工作的加速幅度，未必可以直接代表整個製造流程的表現。Futurum 對 Nvidia 公布內容的分析亦指出，欠缺晶圓廠實際產出數據，令外界難以評估更廣泛的生產影響。2

現階段，cuPotential 最適合被理解為 Nvidia 半導體軟件布局中的一個組件：它旨在加快原子尺度模擬，並讓開發者把相關能力用於 AI 代理。至於這些加速能否轉化成實際製造效益，仍要靠早期測試以外的結果驗證。

Nvidia 於 2026 年 10 月 14 日公布 cuPotential，將它納入公司推動半導體設計與製造採用 AI 的計劃。這款 CUDA-X 程式庫供開發者建立 AI 代理，用來模擬原子和分子之間的互動；Nvidia 表示，早期測試令原本已經 GPU 最佳化的工作流程再加快 2 至 3 倍。39

不過，這個數字講的是模擬工作流程的速度，不是晶圓廠已經多造了多少晶片。現有資料亦未能證明 cuPotential 已直接帶來更高產量或良率。

cuPotential 是甚麼？

cuPotential 是一款供開發者使用的程式庫，可用來建立模擬原子及分子互動的 AI 代理。Nvidia 指，這類模擬有助研究人員研究半導體材料及製造流程。328

簡單來說，模擬跑得更快，工程團隊便有望更快測試或調整不同製程情境。但目前公布的資料並未顯示 cuPotential 可以自行控制晶圓廠設備，亦沒有說它會取代既有工程軟件。

2–3 倍加速，應該點樣理解？

Nvidia 所報告的 2 至 3 倍，是在早期測試中，對比原本已經為 GPU 最佳化的工作流程所得出的額外加速。3 換言之，這並非直接比較 GPU 與 CPU，也不是單憑這個數字就能推算整條生產線會快多少。

目前提供的資料沒有列出足夠的基準測試細節，難以判斷結果能否套用到不同模擬模型、材料或生產環境。評估這類速度數字時，亦要分清楚軟件流程加速，與實際製造效益之間的差別。

Nvidia 的「AI 定義晶圓廠」願景

Nvidia 所說的「AI 定義晶圓廠」，是指在晶片設計、製造、模擬及檢測等環節，運用 AI 與加速運算支援工作流程。公司表示，Applied Materials、Cadence、KLA、Lam Research、Siemens 和 Synopsys 等半導體業者，正於不同範疇採用其工具。342

Nvidia 亦提到開源 3D 數據程式庫 NanoVDB，指它有助 Lam Research 加快晶片製造模擬。3 這個例子反映 Nvidia 正把工具拓展至不同工程工作，但不代表上述每間合作公司都在使用 cuPotential。

模擬更快，不等於生產效益已落地

目前的 2–3 倍數字來自 Nvidia 的早期測試，而且比較基準是已經 GPU 最佳化的工作流程。3 它顯示軟件程式庫或可進一步提升現有加速運算流程的效能，但單靠這項結果，無法證明晶圓廠產量、良率、成本或產品質素已有改善。

這個分別亦是看待其他供應商效能數字時的重要背景：單一模擬或影像處理工作的加速幅度，未必可以直接代表整個製造流程的表現。Futurum 對 Nvidia 公布內容的分析亦指出，欠缺晶圓廠實際產出數據，令外界難以評估更廣泛的生產影響。2

現階段，cuPotential 最適合被理解為 Nvidia 半導體軟件布局中的一個組件：它旨在加快原子尺度模擬，並讓開發者把相關能力用於 AI 代理。至於這些加速能否轉化成實際製造效益，仍要靠早期測試以外的結果驗證。