NVIDIA använde AI Day Seoul för att presentera fysiskt AI-arbete med tre koreanska tillverkare: Samsung Electronics för chipsimulering, Kakao Mobility för ett autonomt körsystem på nivå 4 och LG Electronics för fabriksrobotar. Huvudsiffran tillhör Samsung, som minskade en chipskalig termisk och mekanisk analys från cirka 18 timmar på en 32-kärnig processor till 41 sekunder på en GPU, en ungefär 1 600 gånger snabbare ökning, genom att kombinera AI-förutsagda materialegenskaper med ett grövre rutnät och GPU-acceleration.
Samsung accelererar halvledarsimulering
Samsung utökar sitt samarbete med NVIDIA inom materialforskning, processutveckling och komponentteknik. För datorstödd design, eller TCAD, använder Samsung NVIDIA cuISS och cuDSS för att accelerera de glesa linjära systemen i centrum för komponentsimulering, och GPU-acceleration sträcker sig även till deras process- och optiska simuleringar. Inom materialforskning har Samsungs sMOL-plattform kört utvalda kvantkemiska beräkningar upp till 5 gånger snabbare ände-till-ände med NVIDIA cuEST, och Samsung utforskar cuEquivariance för att påskynda tensoroperationerna som används för att träna och köra atomistiska AI-modeller.
Resultatet på 1 600 gånger kommer från termiska och mekaniska analysarbetsflöden i chipskala som Samsung bygger på NVIDIA PhysicsNeMo. I ett fall av AI-homogenisering ersatte Samsung en finrutnätslösning med AI-förutspådda effektiva materialegenskaper på ett grövre rutnät och körde den på en GPU, vilket tog lösningstiden från cirka 18 timmar på en 32-kärnig CPU till 41 sekunder. Jämförelsen täcker endast dessa två konfigurationer; NVIDIA identifierar inte GPU:n, och hastighetsökningen återspeglar det grövre rutnätet och AI-surrogatet lika mycket som hårdvaran.
NVIDIA tillägger att deras Agent Toolkit så småningom skulle kunna koppla samman dessa simuleringsverktyg och AI-modeller så att ingenjörer kan köra analyser och jämföra design, även om NVIDIA beskriver det som en möjlighet och inte något som Samsung har implementerat.
Kakao Mobility Plans Nivå 4 Körsystem
Kakao Mobility planerar att bygga vidare på NVIDIAs fordonsberäknings- och säkerhetstekniker för att utveckla ett autonomt körsystem på nivå 4, genom att kombinera deras egenutvecklade körprogramvara och deras driftserfarenhet i Seouls Gangnam-distrikt med NVIDIAs fordonsberäkningsplattform. Planen använder NVIDIA Hyperion, referensplattformen för fordonssensorer och beräkningar byggda kring NVIDIA DRIVE AGX Thor, med NVIDIA Halos som stödjer säkerhet inom utveckling och validering.
Initial utveckling planeras kring Kias specialbyggda fordon, och satsningen syftar till att stödja framtida mobilitetstjänster på nivå 4 i Korea. NVIDIA anger ingen tidslinje för implementering eller antal fordon.
LG demonstrerar robotinlärning inom tillverkning
LG Electronics och NVIDIA demonstrerade robotmanipulation och tillverkningsuppgifter med LG:s CLOiD-robot som kör NVIDIA Isaac GR00T i en verklig tillverkningsmiljö. Arbetet implementerar vad NVIDIA kallar ett fysiskt AI-datasvänghjul: verklig datainsamling, Cosmos-baserad dataförstärkning, GR00T-modellträning, inbyggd databehandling på NVIDIA Jetson AGX Thor och simuleringsbaserad utvärdering, med resultatet paketerat som återanvändbara arbetsflöden för fortsatt utveckling och validering av CLOiD.
LG och NVIDIA använder demonstrationen för att förfina en repeterbar process för att träna, utvärdera och förbättra robotar för tillverkning. NVIDIA beskriver en avslutad demonstration och pågående utveckling, utan produktionsstartdatum.
Amazon