NVIDIA anunció el 14 de octubre de 2026 una ampliación del uso de bibliotecas CUDA-X en el diseño y la fabricación de chips, con cuPotential como principal novedad. Esta biblioteca acelera simulaciones de interacciones entre átomos y moléculas y está disponible en acceso anticipado. El anuncio se refiere a herramientas informáticas industriales, no a un procesador nuevo ni a una fábrica autónoma que opere sin ingenieros. NVIDIA explica cómo se integran en el trabajo de proveedores de equipos y software.
El alcance supera el diseño del procesador: NVIDIA describe aplicaciones de IA en investigación de materiales, simulación de procesos, análisis de imágenes de inspección y operaciones de fábrica. Cada etapa plantea una tarea informática distinta y mide las mejoras de otra manera. Acelerar cálculos atómicos no significa fabricar chips en la misma proporción más rápido. Para entender el anuncio hay que separar herramientas, disponibilidad y operación concreta descrita por cada cifra.
cuPotential empieza a escala atómica
cuPotential proporciona funciones aceleradas por GPU que los desarrolladores pueden integrar en software existente para calcular fuerzas eléctricas y otras interacciones atómicas. NVIDIA afirma que también puede servir a agentes de IA para ejecutar simulaciones, evaluar resultados e iterar. Synopsys es uno de los primeros usuarios. La biblioteca pretende acelerar componentes de cálculo dentro del software de ingeniería, no sustituir la aplicación completa, facilitando pruebas y comparaciones más rápidas de materiales.
Según NVIDIA, las pruebas de acceso anticipado aceleraron entre 2 y 3 veces procesos que ya estaban optimizados para GPU. Esa referencia importa: no se compara software antiguo en CPU con un sistema completamente nuevo, sino que se añade una mejora a un proceso ya acelerado. Son, sin embargo, resultados publicados por la empresa para pruebas determinadas, no una promesa de que cualquier simulación o cliente obtenga exactamente la misma mejora.
La acompañan cuEST, biblioteca de estructura electrónica y química cuántica que la documentación identifica como beta, y cuDSS, para resolver sistemas de ecuaciones dispersos. El anuncio cita resultados iniciales de Synopsys: una aceleración potencial de 30 veces en QuantumATK con cuEST y de 12 veces en pruebas S-Device con cuDSS. Son herramientas y cargas distintas. Los factores no pueden sumarse ni multiplicarse para calcular una aceleración única de todo el diseño del chip.
De la simulación al proceso de fabricación
Lam Research prevé integrar NanoVDB en SEMulator3D. Según NVIDIA, la integración permitiría acelerar hasta 30 veces determinadas tareas de modelado del grabado de obleas, con lanzamiento previsto antes de terminar 2026. Hay dos límites relevantes: se habla de tareas seleccionadas y la capacidad integrada sigue siendo un objetivo para más adelante este año. No significa que todos los clientes ya reciban la mejora ni que todas las etapas de fabricación se hayan acelerado.
NanoVDB es una biblioteca abierta para datos tridimensionales disponible dentro de OpenVDB. Lam Research describe SEMulator3D como un sistema que utiliza datos de diseño y una descripción del proceso para construir una representación virtual de las estructuras producidas en fábrica. Su utilidad práctica es probar cambios en un modelo antes de los ensayos físicos. Ese modelo ayuda a decidir, pero un resultado digital no demuestra por sí mismo que una oblea real cumpla los requisitos de fabricación.
Para inspección, NVIDIA destaca NPP, que procesa imágenes en GPU. KLA aportó conocimientos de su código a un nuevo núcleo de cálculo que, según el anuncio, alcanzó una velocidad 50 veces mayor que versiones anteriores para CPU, comparable con implementaciones ajustadas manualmente por KLA. La comparación corresponde a un componente concreto. No demuestra que cada inspección sea 50 veces más rápida, que se detecten todos los defectos o que la producción de chips válidos aumente en esa proporción.
Disponibilidad con calendarios distintos
El conjunto incluye también diseño y operaciones más amplias. Applied Materials utiliza Omniverse y CUDA-X para descubrir materiales, desarrollar procesos y optimizar fábricas. NVIDIA menciona una aceleración de hasta 35 veces en simulaciones de cámaras de proceso, junto con gemelos digitales para estudiar distribución y circulación de materiales. De nuevo, es una cifra empresarial para una tarea definida, no una medición del plazo total de construcción de una fábrica ni del aumento global de producción.
cuPotential está en acceso anticipado, NanoVDB es de código abierto y NPP forma parte de CUDA Toolkit. En cambio, la capacidad de Lam Research se espera más adelante este año, y COMSOL MCP Server se describe como futuro producto. Conviene distinguir una biblioteca integrable hoy de una función comercial todavía pendiente de lanzamiento. Que varios productos aparezcan en un mismo anuncio no significa que todos tengan la misma madurez.
Una biblioteca disponible tampoco acelera automáticamente cualquier entorno. CUDA Toolkit incluye herramientas de desarrollo, bibliotecas, compilador y utilidades de depuración y optimización; conectarlo con un sistema de ingeniería requiere adaptar software y entorno. La documentación de cuEST, por ejemplo, describe interfaces por componentes para integrarse en código existente de química cuántica. La primera pregunta de un equipo es qué parte de su aplicación encaja con la herramienta, no cuál es la cifra más llamativa de la presentación.
Cómo valorarlo como usuario profesional
Para los equipos de diseño de chips, software de ingeniería y fabricación de Israel, el interés reside en herramientas profesionales que pueden evaluar con sus propias cargas. No se anuncian soporte para hebreo, nuevos precios locales ni ventajas exclusivas para Israel. Tampoco recibe una mejora inmediata quien utiliza un servicio cotidiano de IA. Cualquier efecto futuro sobre el desarrollo de chips dependerá de la adopción, la integración en productos y los resultados en sistemas reales de los fabricantes.
Un equipo puede empezar por una comparación controlada: mismo problema, igual precisión y tamaño de datos comparable, documentando el hardware y el tiempo total. Debe incluir preparación de datos y transferencia de resultados, no solo el núcleo acelerado. Después puede valorar coste, memoria, compatibilidad y reproducibilidad. Son criterios prácticos de evaluación, no condiciones de participación ni compromisos comerciales publicados por NVIDIA en este anuncio.
La novedad amplía las herramientas que conectan la IA con los cálculos de fabricación de chips. cuPotential añade un componente atómico y las colaboraciones muestran usos a lo largo de la cadena. El anuncio no ofrece una medición única que pruebe mejoras uniformes en producción o coste por chip. Cada aplicación deberá demostrar si la aceleración se mantiene en todo el proceso, si el resultado de ingeniería sigue siendo válido y si el tiempo ahorrado ayuda a decidir mejor.