NVIDIA เปิดตัว cuPotential ขณะที่ผู้นำในอุตสาหกรรมเซมิคอนดักเตอร์หันมาใช้ CUDA-X

เมื่อวันที่ 14 ตุลาคม 2026 NVIDIA เปิดตัว cuPotential ซึ่งเป็นไลบรารี CUDA-X ใหม่ที่นักพัฒนาสามารถใช้สร้างเอเจนต์ AI สำหรับจำลองปฏิสัมพันธ์ระหว่างอะตอมและโมเลกุล พร้อมเผยรายละเอียดการนำไลบรารี CUDA-X ไปใช้ในด้านการออกแบบ การผลิต และการทดสอบชิปโดยบริษัทชั้นนำในอุตสาหกรรมเซมิคอนดักเตอร์ ซึ่งรวมถึง Synopsys, Cadence, Siemens, Lam Research, KLA และ Applied Materials

cuPotential กับโรงงานผลิตเซมิคอนดักเตอร์ที่ขับเคลื่อนด้วย AI

NVIDIA อธิบายว่าโรงงานผลิตเซมิคอนดักเตอร์ที่ขับเคลื่อนด้วย AI คือโรงงานที่ใช้ AI ช่วยวิศวกรปรับกระบวนการให้เหมาะสม แก้ปัญหาการผลิต และเพิ่มประสิทธิภาพการผลิต NVIDIA ระบุว่า ความต้องการชิปขั้นสูงที่เพิ่มขึ้นทำให้โรงงานเหล่านี้ต้องขยายกำลังการผลิตไปพร้อมกับการจัดการกระบวนการผลิตที่ซับซ้อนขึ้นเรื่อย ๆ ขณะที่วิศวกรต้องการวิธีใหม่ ๆ ในการจำลองวัสดุ วิเคราะห์ข้อมูลการตรวจสอบ และทดสอบการเปลี่ยนแปลงกระบวนการในแฝดดิจิทัลก่อนนำไปใช้จริงในการผลิต พอร์ตโฟลิโอ CUDA-X ที่ขยายเพิ่มเติมมอบเครื่องมือเร่งความเร็วสำหรับการจำลองเซมิคอนดักเตอร์ การประมวลผลข้อมูล 3 มิติ และการวิเคราะห์ภาพ ให้แก่เอเจนต์ AI และแอปพลิเคชันทางวิศวกรรม

ไลบรารีใหม่นี้ช่วยเร่งการจำลองในระดับอะตอมด้วยฟังก์ชันเฉพาะทางที่เร่งความเร็วด้วย GPU และเชื่อมต่อกับซอฟต์แวร์ที่ใช้อยู่ได้ ทำให้นักวิจัยจำลองแรงไฟฟ้าและปฏิสัมพันธ์อื่น ๆ ของอะตอมจำนวนมากได้ และปรับปรุงการจำลองให้รวดเร็วยิ่งขึ้น cuPotential ยังเปิดให้เอเจนต์ AI ใช้ความสามารถในการสร้างแบบจำลองเหล่านี้ เพื่อดำเนินการ ประเมิน และปรับปรุงการจำลองโมเลกุลขั้นสูงได้ NVIDIA รายงานว่า ในการทดสอบช่วงเปิดให้ทดลองใช้งานก่อน ไลบรารีนี้ช่วยเร่งเวิร์กโฟลว์ที่ปรับให้เหมาะกับ GPU อยู่แล้วได้เพิ่มอีก 2-3 เท่า และระบุว่า Synopsys เป็นหนึ่งในกลุ่มผู้ใช้ระยะแรกที่นำ cuPotential ไปเร่งการจำลองวัสดุ

“อุตสาหกรรมเซมิคอนดักเตอร์ทำให้การปฏิวัติ AI เกิดขึ้นได้ ขณะนี้ AI กำลังเปลี่ยนวิธีการผลิตชิป” Tim Costa รองประธานและผู้จัดการทั่วไปฝ่ายวิศวกรรมอุตสาหกรรมและการคำนวณของ NVIDIA กล่าว Costa ระบุว่าไลบรารี CUDA-X และ Omniverse มอบเครื่องมือจำลองและตรวจสอบที่เร่งความเร็วให้เอเจนต์ AI ซึ่งช่วยให้วิศวกรรับมือกับความซับซ้อนและเพิ่มผลผลิตได้ ขณะที่โรงงานต่างเร่งผลิตชิปขั้นสูงให้ทันกับความต้องการ

พันธมิตรด้านการออกแบบและการจำลองชิป

ในพอร์ตโฟลิโอด้านการออกแบบ cuPotential จำลองปฏิสัมพันธ์ระหว่างอะตอม cuEST จำลองพฤติกรรมทางอิเล็กทรอนิกส์ และ cuDSS ใช้แก้โจทย์การจำลองทางวิศวกรรมที่ซับซ้อน Synopsys ใช้ไลบรารีทั้งสามรายการนี้ และ NVIDIA รายงานผลการทดสอบ QuantumATK ในระยะแรก ซึ่งแสดงให้เห็นถึงความเป็นไปได้ที่จะเร่งความเร็วได้ 30 เท่าด้วย cuEST รวมถึงผลการทดสอบ S-Device ที่แสดงให้เห็นว่า cuDSS เร่งความเร็วได้ 12 เท่า โซลูชัน AgentEngineer ของ Synopsys ออกแบบมาให้ทำงานร่วมกับโมเดลเปิด Nemotron และเครื่องมือ NeMo ของ NVIDIA เพื่อรองรับเอเจนต์ AI สำหรับการออกแบบและตรวจสอบชิป

Cadence นำการประมวลผลแบบเร่งความเร็วของ NVIDIA โมเดลเปิด Nemotron และไลบรารี CUDA-X มาใช้กับ AI แบบเอเจนต์สำหรับการออกแบบและจำลองระบบเครื่องกลไฟฟ้า ครอบคลุมเซมิคอนดักเตอร์ บรรจุภัณฑ์ขั้นสูง และแผงวงจรพิมพ์ NVIDIA ระบุว่า AuraStack AI Super Agent ของ Cadence ช่วยปรับแต่งบรรจุภัณฑ์ขั้นสูงให้เหมาะกับความร้อนและความเค้นได้เร็วขึ้น 8 เท่า โดยใช้ cuDSS ร่วมกับ Cadence Celsius และ Nemotron สามารถทำงานร่วมกับ ChipStack AI Super Agent สำหรับการออกแบบและตรวจสอบเซมิคอนดักเตอร์ได้

COMSOL กำลังเร่งการจำลองฟิสิกส์หลายสาขาสำหรับเซมิคอนดักเตอร์ด้วย cuDSS ซึ่ง NVIDIA ระบุว่าทำให้การจำลองเร็วขึ้นได้สูงสุด 10 เท่า ส่วน COMSOL MCP Server ที่จะเปิดตัวในอนาคตจะใช้โมเดลเปิด Nemotron Ultra เพื่อช่วยสร้างแบบจำลองและสำรวจทางเลือกในการออกแบบด้วย AI แพลตฟอร์ม Voltaire ของ Voltai ซึ่งเป็นระบบฟิสิกส์หลายสาขาแบบเอเจนต์สำหรับการออกแบบและจำลอง 3D-IC ใช้เอเจนต์ AI ร่วมกับตัวแก้โจทย์ที่เร่งความเร็วด้วย GPU และพัฒนาบน cuDSS กับ CUDA-X NVIDIA ระบุว่าแนวทางนี้ช่วยลดเวิร์กโฟลว์การจำลองไฟฟ้า-ความร้อน-กลศาสตร์ที่ซับซ้อนจากหลายเดือนเหลือเพียงหนึ่งวัน ChipAgents พัฒนาโมเดล AI เฉพาะทางสำหรับการออกแบบชิปบนโครงสร้างพื้นฐาน AI ของ NVIDIA รวมถึงซอฟต์แวร์ฝึกและปรับแต่งโมเดล และกำลังร่วมมือกับ NVIDIA พัฒนา Build-A-Chip Bench ซึ่งเป็นเกณฑ์มาตรฐานสำหรับประเมินเอเจนต์ตลอดเวิร์กโฟลว์ตั้งแต่ต้นจนจบ ตั้งแต่ข้อกำหนดไปจนถึงระบบข้อมูลกราฟิก

การผลิต การตรวจสอบ และการดำเนินงานในโรงงาน

สำหรับเวิร์กโฟลว์การผลิต cuLitho เร่งการคำนวณที่ใช้พิมพ์ลวดลายบนชิป ส่วน NanoVDB มีเครื่องมือโอเพนซอร์สสำหรับจัดการข้อมูล 3 มิติในการจำลองการผลิตชิป และเฟรมเวิร์ก PhysicsNeMo แบบเปิดช่วยให้วิศวกรฝึกโมเดล AI ด้านฟิสิกส์เพื่อทำนายพฤติกรรมของระบบกายภาพ Siemens นำ cuLitho มาใช้เร่งซอฟต์แวร์ Calibre สำหรับปรับแต่งลวดลายบนชิปและเตรียมมาสก์ ขณะที่ทีม Solido กำลังพัฒนาเวิร์กโฟลว์การวิเคราะห์คุณลักษณะที่ขับเคลื่อนด้วยเอเจนต์ โดยใช้โมเดลเปิด Nemotron และไลบรารีเปิด NeMo

Lam Research มีแผนผสาน NanoVDB เข้ากับ SEMulator3D ซึ่งเป็นแพลตฟอร์มจำลองกระบวนการในกลุ่มผลิตภัณฑ์เสมือนจริง Semiverse Solutions NVIDIA ระบุว่า การเพิ่มเครื่องมือนี้คาดว่าจะช่วยเร่งการจำลองกระบวนการกัดเวเฟอร์บางรายการได้สูงสุด 30 เท่า และมีการสาธิตแล้วว่า PhysicsNeMo ช่วยลดเวลาจำลองการทำนายพลาสมาจากหลายวันเหลือเพียงระดับมิลลิวินาที Luminary นำ PhysicsNeMo มาใช้ในการออกแบบบรรจุภัณฑ์เซมิคอนดักเตอร์ โดย NVIDIA ระบุว่าโมเดล AI ด้านฟิสิกส์ที่ฝึกให้ทำนายอุณหภูมิ ความดันตกคร่อม และความเค้นจากความร้อนในรูปแบบการจัดวางบรรจุภัณฑ์ต่าง ๆ ช่วยให้วิศวกรทดสอบแบบได้มากขึ้น 100 เท่าภายในกรอบเวลาเดิม โดยไม่ต้องจำลองใหม่สำหรับแต่ละตัวเลือก

สำหรับการตรวจสอบและทดสอบ ไลบรารี NPP ของ NVIDIA ประมวลผลภาพบน GPU ขณะที่ RAPIDS cuDF ประมวลผลชุดข้อมูลขนาดใหญ่บน GPU ทั้งสองอย่างนี้ช่วยเร่งกระบวนการทดสอบและควบคุมคุณภาพไปพร้อมกัน โดยใช้ AI ของ NVIDIA และการประมวลผลแบบเร่งความเร็ว imec กำลังลดสัญญาณรบกวนในภาพจากกล้องจุลทรรศน์อิเล็กตรอนแบบส่องกราด ซึ่งใช้วัดชิปในระดับต่ำกว่าหนึ่งนาโนเมตร และนำ cuLitho มาใช้กับการแก้ไขความใกล้ชิดทางแสงในหน้าต่างกระบวนการ ซึ่งต้องใช้การคำนวณสูง โดย NVIDIA รายงานว่าช่วยเพิ่มขนาดหน้าต่างกระบวนการลิโทกราฟีได้ 30% ส่วน KLA นำข้อมูลเชิงลึกจากเคอร์เนลสำหรับการผลิตที่ปรับแต่งอย่างสูงมาใช้กับเคอร์เนล NPP NCC รุ่นใหม่ ซึ่ง NVIDIA ระบุว่าทำงานได้เร็วกว่าเวอร์ชัน CPU รุ่นก่อนหน้า 50 เท่า และมีประสิทธิภาพเทียบเคียงกับการปรับแต่งด้วยมือของ KLA

NVIDIA ระบุว่า Teradyne ผสานการประมวลผลภาพด้วย NPP และการประมวลผลแบบเร่งความเร็วสำหรับการทดสอบเซ็นเซอร์ภาพ เข้ากับการคำนวณบน GPU ด้วย RAPIDS cuDF และ CuPy ทำให้การอนุมานเพื่อบำรุงรักษาโพรบเร็วขึ้นราว 85 เท่า และช่วยระบุโพรบที่เริ่มเสื่อมสภาพก่อนที่จะส่งผลต่ออัตราผลผลิต Advantest ผสานโมเดล Nemotron และ Kumo-Anomaly ของ NVIDIA เข้ากับ ACS RTDI เพื่อรองรับการวิเคราะห์การผลิตเซมิคอนดักเตอร์ด้วย AI โดยระบบที่ขับเคลื่อนด้วย Grace Blackwell ให้การวินิจฉัยและการอนุมานแบบเรียลไทม์ พร้อมแนะนำแนวทางแก้ไขสำหรับเซลล์ทดสอบ NVIDIA ระบุว่า Advantest ยังใช้เอเจนต์ AI NeMo Switchyard เพื่อทำให้การเลือกโมเดลเป็นแบบอัตโนมัติ ปรับปรุงขั้นตอนการทดสอบเซมิคอนดักเตอร์ให้คล่องตัวขึ้น และลดเวลาตอบสนองจากหลายชั่วโมงเหลือเพียงไม่กี่นาที

Applied Materials ใช้ Omniverse และไลบรารี CUDA-X ได้แก่ cuDSS, cuEST และ PhysicsNeMo ในการค้นหาวัสดุ พัฒนากระบวนการ และเพิ่มประสิทธิภาพโรงงานผลิตเซมิคอนดักเตอร์ โดย NVIDIA รายงานว่าเมื่อนำเทคโนโลยีเหล่านี้มาใช้ร่วมกัน จะจำลองห้องกระบวนการได้เร็วขึ้นสูงสุด 35 เท่า และรองรับแฝดดิจิทัลของโรงงานที่ช่วยปรับผังและการไหลเวียนของวัสดุให้มีประสิทธิภาพ Analog Devices ผสานการจำลองฟิสิกส์ของ Synopsys เข้ากับเฟรมเวิร์ก Isaac Sim และไลบรารี Omniverse เพื่อพัฒนาการจำลองการตรวจจับที่มีความแม่นยำสูงและเกณฑ์มาตรฐานด้านหุ่นยนต์ สำหรับประเมินพฤติกรรมของเซ็นเซอร์ภายในระบบหุ่นยนต์แบบครบวงจร FANUC และ Foxconn เชื่อมต่อโมเดลหุ่นยนต์ของตนเข้ากับ Mega NVIDIA Omniverse Blueprint สำหรับแฝดดิจิทัลของโรงงาน ซึ่งช่วยให้ผู้ผลิตจำลองและตรวจสอบการทำงานของหุ่นยนต์ได้ก่อนนำไปใช้งานจริง OMRON ใช้โมเดลโลกเปิด Cosmos และ Metropolis Blueprint สำหรับค้นหาและสรุปวิดีโอในอุปกรณ์ตรวจสอบของบริษัท

ความพร้อมใช้งาน

ขณะนี้ cuPotential เปิดให้ใช้งานในช่วงทดลองใช้ก่อนเปิดตัวอย่างเป็นทางการ ส่วน NanoVDB เปิดให้ใช้งานเป็นโอเพนซอร์สภายใน OpenVDB และ NPP พร้อมใช้งานผ่าน NVIDIA CUDA Toolkit โดย NVIDIA เชิญชวนผู้อ่านเข้าร่วมงานกับบริษัทที่ SEMICON West ความสามารถของ SEMulator3D ที่เร่งความเร็วด้วย NanoVDB ของ Lam Research มีกำหนดเปิดตัวภายในสิ้นปี 2026