【Отраслевой обзор】ИИ участвует в производстве чипов: на каких этапах уже есть прогресс?
На официальной странице SEMICON West 2026 указано, что мероприятие пройдет в Сан-Франциско с 13 по 15 октября по местному времени. В программе — робототехника для фабрик по производству пластин, физическое моделирование и цифровые двойники. Это еще один повод продолжить сегодня наблюдать за тем, как ИИ интегрируется в производство полупроводников.
14 октября по местному времени в США NVIDIA опубликовала объявление о новой библиотеке CUDA-X — cuPotential. Разработчики могут использовать ее для моделирования взаимодействий атомов и молекул, а ИИ-агентам она предоставляет соответствующие вычислительные возможности. В объявлении говорится, что в ходе тестирования в рамках раннего доступа уже оптимизированные для GPU рабочие процессы ускорились еще в 2–3 раза.
Чтобы правильно оценить эту цифру, важно понимать, что именно тестировалось и с чем проводилось сравнение: речь идет о производительности конкретного рабочего процесса моделирования. Производительность, выход годных изделий и затраты всей фабрики по производству пластин нужно оценивать отдельно, на основе соответствующих производственных данных.
Различаются и этапы внедрения. Сейчас cuPotential доступна в рамках раннего доступа. Анонсированная Lam Research функция ускорения SEMulator3D с использованием NanoVDB, как говорится в объявлении, должна выйти до конца этого года. Если отдельно проверять «результаты тестирования», «текущую доступность» и «планы по выпуску», можно точнее оценить ход работ.
Мое наблюдение: за этим направлением стоит следить, поскольку оно позволяет интегрировать ИИ в уже существующие процессы моделирования материалов, проверки технологических процессов и контроля. Вопрос, который предстоит отслеживать: позволит ли ускорение вычислений проверять больше вариантов при тех же требованиях к точности и использовать полученные результаты в реальном производстве.
Читателям, интересующимся технологической отраслью, при оценке подобных новостей стоит в первую очередь искать три сведения: какой этап ускорили, с каким базовым показателем сравнивали и когда решение войдет в реальные рабочие процессы. Это поможет лучше связать технический прогресс с коммерческим внедрением.
Первоисточники: объявление NVIDIA и страница мероприятия SEMICON West
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-and-Semiconductor-Leaders-Advance-AI-Across-Chip-Design-and-Manufacturing-for-AI-Defined-Fabs/default.aspx
https://www.nvidia.com/en-us/events/semicon-west/
#AI #Полупроводники
На официальной странице SEMICON West 2026 указано, что мероприятие пройдет в Сан-Франциско с 13 по 15 октября по местному времени. В программе — робототехника для фабрик по производству пластин, физическое моделирование и цифровые двойники. Это еще один повод продолжить сегодня наблюдать за тем, как ИИ интегрируется в производство полупроводников.
14 октября по местному времени в США NVIDIA опубликовала объявление о новой библиотеке CUDA-X — cuPotential. Разработчики могут использовать ее для моделирования взаимодействий атомов и молекул, а ИИ-агентам она предоставляет соответствующие вычислительные возможности. В объявлении говорится, что в ходе тестирования в рамках раннего доступа уже оптимизированные для GPU рабочие процессы ускорились еще в 2–3 раза.
Чтобы правильно оценить эту цифру, важно понимать, что именно тестировалось и с чем проводилось сравнение: речь идет о производительности конкретного рабочего процесса моделирования. Производительность, выход годных изделий и затраты всей фабрики по производству пластин нужно оценивать отдельно, на основе соответствующих производственных данных.
Различаются и этапы внедрения. Сейчас cuPotential доступна в рамках раннего доступа. Анонсированная Lam Research функция ускорения SEMulator3D с использованием NanoVDB, как говорится в объявлении, должна выйти до конца этого года. Если отдельно проверять «результаты тестирования», «текущую доступность» и «планы по выпуску», можно точнее оценить ход работ.
Мое наблюдение: за этим направлением стоит следить, поскольку оно позволяет интегрировать ИИ в уже существующие процессы моделирования материалов, проверки технологических процессов и контроля. Вопрос, который предстоит отслеживать: позволит ли ускорение вычислений проверять больше вариантов при тех же требованиях к точности и использовать полученные результаты в реальном производстве.
Читателям, интересующимся технологической отраслью, при оценке подобных новостей стоит в первую очередь искать три сведения: какой этап ускорили, с каким базовым показателем сравнивали и когда решение войдет в реальные рабочие процессы. Это поможет лучше связать технический прогресс с коммерческим внедрением.
Первоисточники: объявление NVIDIA и страница мероприятия SEMICON West
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-and-Semiconductor-Leaders-Advance-AI-Across-Chip-Design-and-Manufacturing-for-AI-Defined-Fabs/default.aspx
https://www.nvidia.com/en-us/events/semicon-west/
#AI #Полупроводники