La computación acelerada transformó la ingeniería industrial al comprimir simulaciones que tomaban semanas a apenas horas. El cuello de botella restante ya no son los solvers: está en todo lo que rodea a la simulación, desde el diseño asistido por computador y el mallado, hasta el debugging y la generación de reportes posteriores.
En GTC Taipei, dentro de COMPUTEX 2026, NVIDIA y más de una docena de proveedores de software de ingeniería presentaron cómo agentes de IA autónomos automatizan ese flujo de trabajo de punta a punta.
Estos ingenieros IA corren sobre NVIDIA NemoClaw, un blueprint abierto para construir agentes especializados de larga duración con runtime seguro y modelos de frontera.
NemoClaw incluye un harness a elección (puede integrarse con distintos frameworks de orquestación, como OpenClaw y Hermes), además de un router de modelos y las librerías de NVIDIA NeMo para personalización.
Los agentes se despliegan desde NVIDIA DGX Spark, los supercomputadores personales de IA, o desde data centers empresariales y proveedores cloud. En el núcleo opera NVIDIA OpenShell, el runtime open source que gobierna cómo cada agente accede a archivos, redes y herramientas, aplicando seguridad basada en políticas en cada capa.
¿Quiénes lideran la adopción industrial?
Los grandes nombres del software industrial están construyendo ingenieros IA para casos de ingeniería asistida por computador (CAE) y automatización del diseño electrónico (EDA) en automotriz, aeroespacial, semiconductores y manufactura.
Cadence construye un ingeniero RTL autónomo con NemoClaw que orquesta ChipStack de Cadence Design Systems para diseño y verificación. El workflow se presentó en una demo de la keynote de GTC Taipei y reduce el tiempo de verificación RTL, un paso clave en diseño de circuitos digitales, de semanas a horas.
Dassault Systèmes está productizando la 3DEXPERIENCE Agentic Platform para operar agentes autónomos de larga duración en diseño, simulación y manufactura, dentro de un entorno seguro impulsado por NVIDIA NemoClaw y OpenShell.
Siemens integra NVIDIA NemoClaw y OpenShell en Fuse EDA AI Agent, un agente autónomo creado a medida que planifica y orquesta workflows multi-herramienta en diseño de semiconductores, circuitos integrados 3D y sistemas en PCB.
Synopsys colabora con NVIDIA para aplicar agentes a flujos completos de ingeniería con NemoClaw. Ansys Icepak, parte del portafolio de Synopsys, se está demostrando en el piso de COMPUTEX dentro de un ingeniero IA autónomo basado en NemoClaw que mallea, simula y optimiza diseños de enfriamiento de electrónica GPU.
Imagen cortesía de Synopsys.
Startups extienden el alcance de la IA agéntica
Adicionalmente, startups de punta están construyendo ingenieros IA para sus workflows, todas sobre NVIDIA NemoClaw.
Flexcompute aplica OpenShell a sus agentes Tidy3D y PhotonForge para diseño multifísico de óptica co-empaquetada. Su workflow autónomo combina simulación óptica, eléctrica y térmica para explorar miles de variantes de diseño en una noche, produciendo componentes de mejor rendimiento y menor consumo energético. NVIDIA está usando tecnología de Flexcompute para el diseño y optimización de dispositivos ópticos y fotónicos avanzados.
Luminary construye un ingeniero IA de larga duración con NemoClaw para reducir el tiempo y la complejidad de entrenar modelos físicos, orquestando autónomamente la generación de datos, la selección de modelos de machine learning y los ciclos de entrenamiento y reentrenamiento.
Neural Concept despliega un agente para diseño de motores eléctricos. El workflow encadena simulaciones electromagnéticas, estructurales y de ruido, vibración y armónicos en una pipeline de ingeniería multi-paso.
nTop, el motor geométrico detrás del programa de aeronaves de fuselaje fusionado de JetZero, usa NVIDIA NemoClaw para correr workflows de diseño autónomos que comprimen días de iteración geométrica en horas.
PhysicsX se asoció con el equipo de Microsoft Surface para construir un agente de simulación térmica de electrónica que comprime semanas de workflows manuales de CAE en ciclos de diseño automatizados. Combinando la plataforma PhysicsX, Microsoft Discovery y NVIDIA NemoClaw, el agente automatiza el ciclo completo de simulación térmica para dispositivos de consumo, como los laptops Microsoft Surface, desde el análisis de sensibilidad de la malla y la generación de datos, pasando por el entrenamiento de modelos físicos y la ejecución de loops de optimización, hasta el monitoreo continuo de la precisión durante el proceso de exploración del diseño.
P-1 AI construye Archie, un ingeniero mecánico y eléctrico de IA que ya trabaja en sistemas de enfriamiento y energía crítica para data centers, y pronto se aplicará a usos automotriz, aeroespacial y de seguridad nacional. En un workflow representativo de su trabajo con Daikin Applied Americas, Archie sintetiza requisitos, selecciona componentes, ejecuta estudios de trade-off de diseño y produce artefactos de ingeniería para que los fabricantes industriales escalen su capacidad sin aumentar el headcount.
SimScale adopta NVIDIA NemoClaw para construir agentes de simulación autónomos en cientos de casos de uso transversales, incluyendo análisis de ruido, vibración y armónicos, automatizando workflows que antes requerían varios ingenieros trabajando durante semanas.
Synera construye un agente de ingeniería para inyección plástica, un proceso de manufactura usado para producir piezas idénticas en masa inyectando material fundido (normalmente plástico) en un molde a medida. Lo hace con Autodesk Moldflow, NVIDIA OpenShell con OpenClaw y modelos Nemotron.
¿Qué cambia para los integradores LatAm?
Cadence, Synopsys, Siemens y Dassault venden licencias y soporte en Chile y México a través de integradores locales para minería, automotriz y aeroespacial. Que sus suites incorporen agentes IA autónomos significa que los equipos de ingeniería locales podrán automatizar tareas de simulación CAE/EDA que hoy se externalizan a centros de competencia globales. Para clusters como Mininglab en Antofagasta o el ecosistema aeroespacial chileno, el efecto inmediato es reducir el ciclo de prototipado físico y bajar la barrera para empresas medianas que hoy no pueden costear un equipo dedicado de CAE.
