Why the collaboration matters now
The partnership comes as AI models grow larger and more complex, requiring chips that are both more powerful and more energy-efficient. Traditional design methods are struggling to keep pace. By combining NVIDIA's GPU computing with Applied Materials' expertise in materials engineering and process simulation, the two companies hope to cut the time it takes to bring new chip architectures from concept to production.
" Translation: "เหตุใดความร่วมมือนี้จึงสำคัญในตอนนี้
ความร่วมมือนี้เกิดขึ้นในขณะที่โมเดล AI มีขนาดใหญ่ขึ้นและซับซ้อนมากขึ้น ซึ่งต้องการชิปที่มีทั้งประสิทธิภาพสูงและประหยัดพลังงานมากขึ้น วิธีการออกแบบแบบดั้งเดิมกำลังดิ้นรนเพื่อให้ทัน ด้วยการผสมผสานการประมวลผล GPU ของ NVIDIA เข้ากับความเชี่ยวชาญด้านวิศวกรรมวัสดุและการจำลองกระบวนการของ Applied Materials ทั้งสองบริษัทหวังว่าจะลดเวลาที่ใช้ในการนำสถาปัตยกรรมชิปใหม่จากแนวคิดไปสู่การผลิต
" Note: "partnership" = "ความร่วมมือ", "AI models" = "โมเดล AI", "more powerful and more energy-efficient" = "มีประสิทธิภาพสูงและประหยัดพลังงานมากขึ้น", "struggling to keep pace" = "กำลังดิ้นรนเพื่อให้ทัน", "GPU computing" = "การประมวลผล GPU", "materials engineering" = "วิศวกรรมวัสดุ", "process simulation" = "การจำลองกระบวนการ", "chip architectures" = "สถาปัตยกรรมชิป", "from concept to production" = "จากแนวคิดไปสู่การผลิต". Third paragraph: "What digital twins bring to the fab
Digital twins — virtual replicas of physical manufacturing processes — allow engineers to test and tweak chip designs without the cost and delay of building physical prototypes. Applied Materials will use NVIDIA's accelerated computing platform to run these simulations at scale, modeling everything from transistor behavior to thermal effects. The goal is to identify design flaws earlier and optimize performance before a single wafer is processed.
" Translation: "สิ่งที่ดิจิทัลทวินนำมาสู่โรงงานผลิต
ดิจิทัลทวิน — สำเนาเสมือนของกระบวนการผลิตทางกายภาพ — ช่วยให้วิศวกรสามารถทดสอบและปรับแต่งการออกแบบชิปได้โดยไม่ต้องเสียค่าใช้จ่ายและความล่าช้าในการสร้างต้นแบบทางกายภาพ Applied Materials จะใช้แพลตฟอร์มการประมวลผลแบบเร่งความเร็วของ NVIDIA เพื่อรันการจำลองเหล่านี้ในขนาดใหญ่ โดยจำลองทุกอย่างตั้งแต่พฤติกรรมของทรานซิสเตอร์ไปจนถึงผลกระทบทางความร้อน เป้าหมายคือการระบุข้อบกพร่องในการออกแบบได้เร็วขึ้นและเพิ่มประสิทธิภาพก่อนที่จะประมวลผลเวเฟอร์แม้แต่ชิ้นเดียว
" Note: "fab" = "โรงงานผลิต" (semiconductor fab), "virtual replicas" = "สำเนาเสมือน", "physical manufacturing processes" = "กระบวนการผลิตทางกายภาพ", "test and tweak" = "ทดสอบและปรับแต่ง", "cost and delay" = "ค่าใช้จ่ายและความล่าช้า", "physical prototypes" = "ต้นแบบทางกายภาพ", "accelerated computing platform" = "แพลตฟอร์มการประมวลผลแบบเร่งความเร็ว", "at scale" = "ในขนาดใหญ่", "transistor behavior" = "พฤติกรรมของทรานซิสเตอร์", "thermal effects" = "ผลกระทบทางความร้อน", "design flaws" = "ข้อบกพร่องในการออกแบบ", "optimize performance" = "เพิ่มประสิทธิภาพ", "wafer" = "เวเฟอร์". Fourth paragraph: "AI-driven demand as the catalyst
The push for advanced chips is being driven largely by AI itself. Training large language models and running inference at scale require specialized processors, often built on cutting-edge nodes. Applied Materials provides the equipment and process know-how for those nodes; NVIDIA supplies the computing horsepower needed to simulate them. The collaboration is a direct response to the industry's need for faster, more predictable chip development cycles.
" Translation: "ความต้องการที่ขับเคลื่อนโดย AI เป็นตัวเร่ง
แรงผลักดันสำหรับชิปขั้นสูงนั้นขับเคลื่อนโดย AI เองเป็นส่วนใหญ่ การฝึกโมเดลภาษาขนาดใหญ่และการรันอินเฟอเรนซ์ในขนาดใหญ่ต้องใช้โปรเซสเซอร์เฉพาะทาง ซึ่งมักสร้างบนโหนดที่ล้ำสมัย Applied Materials จัดหาอุปกรณ์และความรู้ด้านกระบวนการสำหรับโหนดเหล่านั้น NVIDIA จัดหาพลังการประมวลผลที่จำเป็นในการจำลองโหนดเหล่านั้น ความร่วมมือนี้เป็นการตอบสนองโดยตรงต่อความต้องการของอุตสาหกรรมสำหรับวงจรการพัฒนาชิปที่เร็วขึ้นและคาดการณ์ได้มากขึ้น
