NVIDIA เผยแพร่บทความเมื่อ 3 พฤศจิกายน 2569 ว่า AI กำลังเปลี่ยนวิธีทำงานในโรงงานผลิตชิป พาร์ตเนอร์อย่าง COMSOL, Applied Materials, Siemens, Lam Research และ Advantest นำ GPU และไลบรารีของ NVIDIA มาเร่งงานจำลองและงานวิศวกรรม บางงานเร็วขึ้น 10–35 เท่า การจำลองแสงลิโธกราฟีเร็วขึ้นสูงสุด 17 เท่า และการทำนายพฤติกรรมพลาสมาในขั้นตอนกัดชิปลดเวลาจากหลายวันเหลือเพียงระดับมิลลิวินาที
สารบัญ
⚡ สรุปข่าวใน 30 วินาที
- บทความ NVIDIA วันที่ 3 พ.ย. 2569 เรื่อง AI ในโรงงานผลิตชิป
- Applied Materials ACE+ จำลองพื้นผิวเร็วขึ้นสูงสุด 35 เท่า
- Siemens Calibre งานลิโธกราฟีเร็วขึ้นสูงสุด 17 เท่าด้วย cuLitho
- Lam Research ตั้งเป้าเร่งการจำลองการกัดเวเฟอร์สูงสุด 30 เท่า
- Advantest ใช้เอเจนต์ AI เลือกโมเดล ลดเวลาจากหลายชั่วโมงเหลือไม่กี่นาที
AI ช่วยโรงงานผลิตชิปอย่างไร
การผลิตชิปขั้นสูงต้องผ่านขั้นตอนหลายร้อยขั้น แต่ละขั้นต้องจำลองและทดลองซ้ำหลายรอบก่อนผลิตจริง การจำลองที่ใช้เวลานานจึงเป็นคอขวดของวิศวกร NVIDIA แบ่งการใช้ AI ในโรงงานเป็น 4 แนวทาง
| แนวทาง | ช่วยอะไร |
|---|---|
| เร่งการจำลอง | รอบการจำลองสั้นลง วิศวกรทดสอบทางเลือกได้มากขึ้นก่อนทดลองจริง |
| AI ที่อิงหลักฟิสิกส์ | ทำนายพฤติกรรมของกระบวนการ เช่น พลาสมาในขั้นตอนกัด โดยไม่ต้องจำลองเต็มทุกครั้ง |
| เอเจนต์ AI | ทำงานวิศวกรรมหลายขั้นตอนอัตโนมัติ เช่น เลือกโมเดลที่เหมาะกับงานทดสอบ |
| ดิจิทัลทวิน | ทดสอบการเปลี่ยนเครื่องจักร ผังโรงงาน หรือกระบวนการแบบเสมือน |
ตัวเลขจากพาร์ตเนอร์แต่ละราย
NVIDIA รวบรวมผลจากบริษัทซอฟต์แวร์และเครื่องมือผลิตชิปรายใหญ่ ส่วนใหญ่เป็นการนำไลบรารีของ NVIDIA ไปใส่ในซอฟต์แวร์ที่โรงงานใช้อยู่แล้ว
| บริษัท / ซอฟต์แวร์ | เทคโนโลยี NVIDIA | ผลลัพธ์ |
|---|---|---|
| COMSOL (จำลองหลายฟิสิกส์) | cuDSS | เร็วขึ้นสูงสุด 10 เท่า |
| Applied Materials Ginestra | cuDSS | เร็วกว่าใช้ CPU อย่างเดียวสูงสุด 10 เท่า |
| Applied Materials ACE+ | PhysicsNeMo | จำลองพื้นผิวเร็วขึ้นสูงสุด 35 เท่า |
| Siemens Calibre | cuLitho | งานลิโธกราฟีหลักเร็วขึ้นสูงสุด 17 เท่า |
| Lam Research | NanoVDB (แผนเชื่อมต่อ) | จำลองการกัดเวเฟอร์บางงานเร็วขึ้นสูงสุด 30 เท่า |
| งานทำนายพลาสมา | PhysicsNeMo | จากหลายวันเหลือระดับมิลลิวินาที |
| Advantest | NeMo Switchyard | เลือกโมเดลจากหลายชั่วโมงเหลือไม่กี่นาที |
ตัวเลขทั้งหมดเป็นค่าสูงสุดที่บริษัทอ้างในงานเฉพาะบางประเภท ไม่ได้หมายความว่าทุกขั้นตอนในโรงงานจะเร็วขึ้นเท่ากัน
ลิโธกราฟีและพลาสมา: สองงานที่ได้ประโยชน์มาก
ลิโธกราฟีคือขั้นตอนฉายแสงสร้างลวดลายวงจรลงบนเวเฟอร์ ยิ่งชิปเล็กลง การคำนวณหน้ากากแสงให้แม่นยำยิ่งใช้พลังประมวลผลมหาศาล การที่ Siemens Calibre เร็วขึ้นสูงสุด 17 เท่าด้วย cuLitho ช่วยให้โรงงานออกแบบหน้ากากสำหรับชิปรุ่นใหม่ได้เร็วขึ้น
ส่วนขั้นตอนกัดด้วยพลาสมา ปกติต้องจำลองฟิสิกส์ของพลาสมาที่ซับซ้อน การใช้โมเดล AI ที่เรียนรู้หลักฟิสิกส์ผ่าน PhysicsNeMo ทำให้ทำนายผลได้ในเวลาระดับมิลลิวินาที วิศวกรจึงปรับค่ากระบวนการได้แทบทันที แทนที่จะรอผลหลายวัน
ผลต่ออุตสาหกรรมชิปและผู้ใช้
ช่วงนี้ความต้องการชิป AI และหน่วยความจำสูงจนกำลังผลิตไม่พอ การลดเวลาพัฒนากระบวนการผลิตจึงช่วยให้โรงงานเพิ่มผลผลิตและเปิดสายการผลิตใหม่ได้เร็วขึ้น ในระยะยาวอาจช่วยลดความตึงตัวของตลาดชิป ซึ่งส่งผลต่อราคามือถือ คอมพิวเตอร์ และการ์ดจอที่ผู้บริโภคซื้อ
บทความนี้ไม่ได้ระบุชื่อโรงงานผลิตชิปรายใหญ่ เช่น TSMC, Samsung หรือ SK hynix แต่ซอฟต์แวร์และเครื่องมือจาก Applied Materials, Siemens และ Lam Research ล้วนเป็นสิ่งที่โรงงานชั้นนำทั่วโลกใช้อยู่
- 3 พ.ย. 2569 NVIDIA เผยแพร่บทความ AI ในโรงงานผลิตชิป
- 4 พ.ย. 2569 ปรับปรุงบทความล่าสุด
- อนาคต Lam Research มีแผนเชื่อมต่อ NanoVDB
คำถามที่พบบ่อยเกี่ยวกับ AI ในโรงงานผลิตชิป
AI ช่วยโรงงานผลิตชิปอย่างไร
ช่วยเร่งการจำลอง ทำนายพฤติกรรมกระบวนการ ทำงานวิศวกรรมอัตโนมัติ และสร้างดิจิทัลทวิน
cuLitho คืออะไร
ไลบรารีของ NVIDIA สำหรับเร่งการคำนวณลิโธกราฟีบน GPU
Siemens Calibre เร็วขึ้นแค่ไหน
งานลิโธกราฟีหลักเร็วขึ้นสูงสุด 17 เท่า
บริษัทไหนใช้บ้าง
COMSOL, Applied Materials, Siemens, Lam Research และ Advantest
ผู้บริโภคได้อะไร
ในระยะยาวอาจช่วยให้ผลิตชิปได้เร็วขึ้นและลดความตึงตัวของตลาดชิป
ความคิดเห็น 0
ยังไม่มีความคิดเห็นเป็นคนแรกที่แสดงความคิดเห็นในบทความนี้