NVIDIA i Applied Materials łączą siły, aby przyspieszyć projektowanie półprzewodników za pomocą symulacji z akceleracją GPU i cyfrowych bliźniaków. To działanie ma na celu sprostanie rosnącemu zapotrzebowaniu na chipy zasilające obciążenia związane ze sztuczną inteligencją.
Dlaczego ta współpraca jest teraz ważna
Partnerstwo pojawia się w momencie, gdy modele AI stają się coraz większe i bardziej złożone, wymagając chipów, które są zarówno wydajniejsze, jak i bardziej energooszczędne. Tradycyjne metody projektowania nie nadążają za tym tempem. Łącząc moc obliczeniową GPU firmy NVIDIA z wiedzą Applied Materials w zakresie inżynierii materiałowej i symulacji procesów, obie firmy mają nadzieję skrócić czas potrzebny na przejście od koncepcji do produkcji nowych architektur chipów.
Co cyfrowe bliźniaki wnoszą do fabryki
Cyfrowe bliźniaki – wirtualne repliki fizycznych procesów produkcyjnych – pozwalają inżynierom testować i modyfikować projekty chipów bez kosztów i opóźnień związanych z budową fizycznych prototypów. Applied Materials będzie korzystać z platformy obliczeniowej z akceleracją NVIDIA do uruchamiania tych symulacji na dużą skalę, modelując wszystko, od zachowania tranzystorów po efekty termiczne. Celem jest wcześniejsze wykrywanie wad projektowych i optymalizacja wydajności, zanim zostanie przetworzony pojedynczy wafl.
Popyt napędzany przez AI jako katalizator
Presja na zaawansowane chipy jest w dużej mierze napędzana przez samą sztuczną inteligencję. Trenowanie dużych modeli językowych i uruchamianie wnioskowania na dużą skalę wymaga wyspecjalizowanych procesorów, często budowanych w najnowocześniejszych węzłach technologicznych. Applied Materials dostarcza sprzęt i know-how procesowe dla tych węzłów; NVIDIA zapewnia moc obliczeniową potrzebną do ich symulacji. Współpraca jest bezpośrednią odpowiedzią na potrzebę szybszych i bardziej przewidywalnych cykli rozwoju chipów w branży.
Firmy nie ujawniły konkretnego harmonogramu ani warunków finansowych. Planują zaprezentować wstępne wyniki na konferencji branżowej jeszcze w tym roku. Na razie skupiają się na integracji swoich narzędzi symulacyjnych w jednolity przepływ pracy, który mogą przyjąć producenci chipów.
