Cadence 聯手 Nvidia、Google Cloud：物理模擬 AI 將機器人訓練速度提升百倍
從晶片設計到機器人：Cadence 的 Physical AI 布局
電子設計自動化（EDA）大廠 Cadence Design Systems 在本週舉行的 CadenceLIVE 大會上宣布兩項重大 AI 合作，擴展與 Nvidia 的既有夥伴關係，並新增與 Google Cloud 的整合。這些動作揭示了 EDA 產業正在經歷一場以 AI 為核心的轉型——不只在晶片設計階段，而是延伸到系統層級的模擬與驗證。
這次與 Nvidia 的合作焦點在於物理模擬（physics-based simulation）與加速計算的結合，目標是訓練和驗證機器人系統，以及半導體與大型 AI 基礎設施的系統級設計。雙方將 Cadence 的多物理場模擬與系統設計工具，整合進 Nvidia 的 CUDA-X 函式庫、AI 模型，以及基於 Omniverse 的模擬環境。
黃仁勳現身站台：Jensen Huang 談 Physical AI
Nvidia CEO 黃仁勳（Jensen Huang）在活動中親自現身，他對台下觀眾說：「我們正在與各位在機器人系統的董事會層級合作。」Nvidia 近年來大力推動的概念稱為 Physical AI——也就是能夠在物理世界中感知、推理並行動的 AI 系統。
傳統的機器人訓練需要大量真實世界的數據收集，成本高且耗時。Cadence 與 Nvidia 的做法是在虛擬模擬環境中生成訓練數據，而非從實體系統採集。這種方式的關鍵前提是：模擬引擎必須準確反映現實物理定律。
「模擬數據越精準，訓練出來的模型就越好，」Cadence CEO Anirudh Devgan 如此表示。
Nvidia 指出，目前包括 ABB Robotics、FANUC、YASKAWA、KUKA 等工業機器人大廠，都已採用 Nvidia 的 Isaac 模擬框架和 Omniverse 數位孿生工具，在軟體中先虛擬測試生產系統，再實際部署上線。這種「虛擬調試」（virtual commissioning）流程大幅縮短了從設計到量產的時間。
AI Agent 上雲：Cadence 將 EDA 工作流搬進 Google Cloud
除了機器人領域，Cadence 還發布了一款專為晶片設計後段物理佈局（physical layout）打造的 AI Agent。這款 Agent 能將電路設計自動轉化為矽晶片上的實際布局，屬於後端設計流程的核心環節。
在此之前，Cadence 已於今年稍早發布過一款面向前端設計的 Agent（負責將電路以程式碼形式的規格轉化為實際設計），這次的新產品則補足了從設計到製造之間的最後一環。
這款新的 AI Agent 將透過 Google Cloud 提供服務。Cadence 將其電子設計自動化工具與 Google 的 Gemini 模型結合，實現自動化的設計與驗證工作流程。團隊無需維護本地運算基礎設施，直接在雲端就能跑完從電路規格到晶片布局的完整流程。
Cadence 的 ChipStack AI Super Agent 平台採用基於模型（model-based）的推理方式，能跨多個設計階段協調任務，自動解讀設計需求並執行對應流程。CAdence 聲稱，早期部署中已看到設計與驗證效率提升最高 10 倍的成果。
傳統晶片設計正在被 AI 重新定義
這次 Cadence 的宣布，反映出 EDA 產業正在經歷結構性轉變。過去 EDA 工具廠商的角色是提供軟體讓工程師手動繪製電路、進行驗證；現在，AI Agent 正在接手這些工作，而且不只是處理單一階段——從前端電路架構設計到後端物理布局，AI 正在滲透每一個環節。
與 Google Cloud 的深度整合則意味著，這些能力不再只限於擁有昂貴本地硬體的大型半導體公司，任何規模的設計團隊都能透過雲端訪問這些工具。晶片設計的門檻，正在被進一步降低。
來源