NVIDIA công bố mở rộng hệ sinh thái điện toán tăng tốc và thư viện CUDA-X, hỗ trợ doanh nghiệp bán dẫn ứng dụng AI trong mô phỏng vật liệu, thiết kế chip, kiểm tra lỗi và tối ưu quy trình sản xuất. Các công nghệ mới được kỳ vọng giúp rút ngắn thời gian mô phỏng, nâng cao tỷ lệ thành phẩm và thúc đẩy mô hình nhà máy bán dẫn vận hành dựa trên AI.
Ngày 14/10/2026, NVIDIA công bố các tập đoàn trong ngành bán dẫn đang mở rộng ứng dụng nền tảng điện toán tăng tốc và trí tuệ nhân tạo (AI) của hãng trên toàn bộ chuỗi phát triển chip, từ nghiên cứu vật liệu, thiết kế vi mạch đến sản xuất, kiểm định và tự động hóa nhà máy.
Trọng tâm của công bố là hệ sinh thái thư viện NVIDIA CUDA-X, bao gồm thư viện mới cuPotential dành cho mô phỏng tương tác giữa nguyên tử và phân tử. Bên cạnh đó, NVIDIA giới thiệu những ứng dụng của các thư viện xử lý dữ liệu 3D và hình ảnh trong quy trình chế tạo bán dẫn, với một số kết quả thử nghiệm cho thấy mức cải thiện hiệu suất đáng kể so với phương pháp trước đây.
Các công nghệ này hướng đến mô hình AI-defined fab, tức nhà máy bán dẫn ứng dụng AI xuyên suốt hoạt động vận hành. Trong mô hình này, AI hỗ trợ kỹ sư phân tích dữ liệu thiết bị, dự đoán hành vi vật liệu, phát hiện vấn đề trong dây chuyền và thử nghiệm các phương án cải tiến trên môi trường mô phỏng trước khi áp dụng vào sản xuất thực tế.
Khi nhu cầu chip tiên tiến gia tăng, việc tối ưu quy trình sản xuất trở thành yêu cầu quan trọng đối với các nhà sản xuất. Các công cụ mô phỏng và AI có thể giúp rút ngắn thời gian thử nghiệm, giảm nhu cầu thực hiện những phép đo hoặc mô phỏng lặp lại, đồng thời hỗ trợ cải thiện hiệu suất sản xuất.
Theo Tim Costa, Phó chủ tịch kiêm Tổng giám đốc phụ trách kỹ thuật tính toán và công nghiệp của NVIDIA, AI đang thay đổi cách ngành bán dẫn phát triển và sản xuất chip. Hệ sinh thái CUDA-X cùng các thư viện NVIDIA Omniverse cung cấp công cụ mô phỏng và kiểm tra tăng tốc, giúp kỹ sư xử lý độ phức tạp ngày càng lớn của quy trình chế tạo.
NVIDIA cuPotential tăng tốc mô phỏng vật liệu ở cấp độ nguyên tử
Một trong những điểm mới đáng chú ý là NVIDIA cuPotential, thư viện thuộc hệ sinh thái CUDA-X được thiết kế để tăng tốc các phép tính mô phỏng tương tác giữa nguyên tử và phân tử.
Việc hiểu chính xác cách các nguyên tử tương tác đóng vai trò quan trọng trong nghiên cứu vật liệu bán dẫn và phát triển quy trình sản xuất. Tuy nhiên, những phép tính này có thể tiêu tốn nhiều thời gian, ngay cả khi phần mềm đã được tối ưu để chạy trên GPU.
cuPotential cung cấp các hàm tính toán chuyên biệt được tăng tốc bằng GPU, cho phép nhà phát triển tích hợp vào phần mềm hiện có. Nhờ đó, các nhà nghiên cứu có thể mô phỏng lực điện và những tương tác khác giữa số lượng lớn nguyên tử, sau đó nhanh chóng đánh giá và điều chỉnh mô hình.
Theo kết quả thử nghiệm truy cập sớm do NVIDIA công bố, cuPotential giúp tăng tốc thêm 2–3 lần đối với những quy trình vốn đã được tối ưu cho GPU. Thư viện này cũng tạo điều kiện để các tác nhân AI (AI agent) thực hiện, đánh giá và lặp lại những mô phỏng phân tử phức tạp, qua đó hỗ trợ tự động hóa một phần công việc nghiên cứu.
Synopsys là một trong những doanh nghiệp sớm ứng dụng cuPotential để tăng tốc mô phỏng vật liệu.
Các nhà phát triển phần mềm thiết kế chip mở rộng ứng dụng AI
Bên cạnh cuPotential, NVIDIA cho biết các thư viện CUDA-X khác như cuEST và cuDSS đang được sử dụng để tăng tốc những bài toán mô phỏng điện tử và kỹ thuật phức tạp trong thiết kế bán dẫn.
Synopsys đang ứng dụng cuPotential, cuEST và cuDSS trong các quy trình mô phỏng. Theo dữ liệu ban đầu được công bố, phần mềm QuantumATK có thể đạt mức tăng tốc tiềm năng 30 lần với cuEST, trong khi các thử nghiệm trên S-Device ghi nhận mức tăng tốc 12 lần với cuDSS.
Synopsys cũng kết hợp các giải pháp AgentEngineer với những mô hình AI mở NVIDIA Nemotron và thư viện NVIDIA NeMo nhằm phát triển tác nhân AI phục vụ thiết kế, kiểm chứng chip.
Trong khi đó, Cadence đang khai thác điện toán tăng tốc, mô hình Nemotron và thư viện CUDA-X để đưa AI agent vào quy trình thiết kế, mô phỏng hệ thống cơ điện tử. Phạm vi ứng dụng bao gồm thiết kế bán dẫn, đóng gói tiên tiến và bảng mạch in.
Một ví dụ là AuraStack AI Super Agent, giải pháp hỗ trợ tối ưu thiết kế đóng gói chip theo các tiêu chí nhiệt và ứng suất. Khi kết hợp cuDSS với phần mềm Cadence Celsius, hệ thống đạt tốc độ xử lý nhanh hơn 8 lần theo kết quả NVIDIA công bố.
COMSOL cũng sử dụng cuDSS để tăng tốc mô phỏng đa vật lý trong ngành bán dẫn, với mức cải thiện lên tới 10 lần. Công nghệ này giúp kỹ sư đánh giá thiết bị và quy trình sản xuất nhanh hơn, hỗ trợ quá trình tối ưu thiết kế.
Ở lĩnh vực đóng gói chip 3D, Voltai phát triển nền tảng Voltaire kết hợp AI agent với các bộ giải GPU được tăng tốc bằng cuDSS và CUDA-X. Theo doanh nghiệp, giải pháp có thể rút ngắn quy trình mô phỏng nhiệt, điện và cơ học phức tạp từ nhiều tháng xuống còn một ngày.
ChipAgents tập trung phát triển các mô hình AI chuyên biệt cho thiết kế vi mạch trên hạ tầng NVIDIA. Hai bên cũng hợp tác xây dựng Build-A-Chip Bench, bộ tiêu chuẩn đánh giá khả năng của AI agent trên toàn bộ quy trình thiết kế chip, từ đặc tả yêu cầu đến tạo dữ liệu GDS phục vụ thiết kế vi mạch.
CUDA-X và Omniverse hỗ trợ tối ưu quy trình chế tạo chip
Trong sản xuất bán dẫn, hàng nghìn công đoạn cần được mô phỏng, hiệu chỉnh và kiểm chứng trước khi đưa vào dây chuyền. NVIDIA đang mở rộng các công cụ phục vụ những tác vụ này, trong đó có cuLitho cho tính toán in mẫu chip, NanoVDB để xử lý dữ liệu 3D và NVIDIA PhysicsNeMo hỗ trợ phát triển các mô hình AI dựa trên quy luật vật lý.
Siemens sử dụng cuLitho để tăng tốc phần mềm Calibre phục vụ tinh chỉnh mẫu mạch và chuẩn bị mặt nạ quang khắc. Nhóm Solido của công ty cũng phát triển các quy trình đặc tính hóa linh kiện có sự hỗ trợ của AI agent, kết hợp mô hình Nemotron và thư viện NeMo.
Lam Research dự kiến tích hợp NanoVDB vào SEMulator3D, nền tảng mô hình hóa quy trình bán dẫn thuộc hệ sinh thái Semiverse Solutions. Theo NVIDIA, việc ứng dụng NanoVDB có thể giúp tăng tốc tới 30 lần đối với một số tác vụ mô phỏng quá trình ăn mòn wafer.
Lam Research cũng đã trình diễn khả năng sử dụng PhysicsNeMo để rút ngắn thời gian mô phỏng và dự đoán plasma từ nhiều ngày xuống mức mili giây trong một số trường hợp. Kết quả này cho thấy tiềm năng của các mô hình AI vật lý trong việc giảm thời gian tính toán cho những bài toán sản xuất phức tạp.
Luminary ứng dụng PhysicsNeMo trong thiết kế đóng gói bán dẫn, phát triển các mô hình AI có khả năng dự đoán nhiệt độ, độ sụt áp và ứng suất nhiệt trên nhiều cấu hình khác nhau. Theo công ty, phương pháp này cho phép kỹ sư khảo sát số phương án thiết kế nhiều hơn 100 lần trong cùng khoảng thời gian, mà không cần chạy một mô phỏng mới cho từng lựa chọn.
Applied Materials cũng đang sử dụng NVIDIA Omniverse và các thư viện CUDA-X, bao gồm cuDSS, cuEST và PhysicsNeMo, trong nghiên cứu vật liệu, phát triển quy trình và tối ưu hoạt động nhà máy. Theo NVIDIA, những ứng dụng này có thể giúp tăng tốc mô phỏng buồng xử lý lên tới 35 lần, đồng thời hỗ trợ xây dựng bản sao số của nhà máy để đánh giá bố trí thiết bị và luồng di chuyển vật liệu.
Tăng tốc kiểm tra chất lượng và phát hiện lỗi trong sản xuất
AI-defined fab không chỉ cần mô phỏng nhanh mà còn phải phân tích lượng lớn hình ảnh kiểm tra và dữ liệu thử nghiệm để phát hiện lỗi, theo dõi tình trạng thiết bị và cải thiện tỷ lệ thành phẩm.
Trong lĩnh vực này, NVIDIA NPP là thư viện xử lý hình ảnh trên GPU, còn RAPIDS cuDF hỗ trợ xử lý các tập dữ liệu lớn bằng GPU. Hai công cụ được sử dụng để tăng tốc nhiều tác vụ kiểm tra và kiểm soát chất lượng trong sản xuất bán dẫn.
Tại KLA, các kỹ sư đã phát triển một nhân xử lý tương quan chéo chuẩn hóa (NCC) dựa trên NPP, tận dụng kinh nghiệm tối ưu những nhân xử lý đang được sử dụng trong môi trường sản xuất. Theo kết quả được công bố, giải pháp mới đạt tốc độ nhanh hơn 50 lần so với phiên bản CPU trước đó và có hiệu suất tương đương những triển khai được tinh chỉnh thủ công của KLA.
Trong khi đó, imec sử dụng AI và điện toán tăng tốc của NVIDIA để khử nhiễu hình ảnh kính hiển vi điện tử quét, phục vụ các phép đo cấu trúc chip ở quy mô dưới nanomet. Tổ chức này cũng ứng dụng cuLitho trong hiệu chỉnh cận quang học (OPC) nhằm tối ưu quy trình quang khắc, ghi nhận mức cải thiện 30% đối với cửa sổ quy trình quang khắc.
Teradyne kết hợp NPP với điện toán tăng tốc để xử lý các tác vụ kiểm tra cảm biến hình ảnh, đồng thời sử dụng RAPIDS cuDF và CuPy cho tính toán trên GPU. Theo NVIDIA, hệ thống đạt tốc độ suy luận phục vụ bảo trì đầu dò nhanh hơn khoảng 85 lần, giúp nhận diện những đầu dò có dấu hiệu suy giảm trước khi ảnh hưởng đến tỷ lệ thành phẩm.
Advantest tích hợp NVIDIA Nemotron và Kumo-Anomaly vào nền tảng ACS RTDI nhằm hỗ trợ phân tích dữ liệu sản xuất bán dẫn bằng AI. Vận hành trên hệ thống NVIDIA Grace Blackwell, nền tảng này cung cấp khả năng chẩn đoán và suy luận theo thời gian thực, đồng thời đề xuất hành động khắc phục cho các hệ thống kiểm thử.
Doanh nghiệp cũng ứng dụng AI agent NVIDIA NeMo Switchyard để tự động hóa việc lựa chọn mô hình và đơn giản hóa quy trình kiểm thử, hướng đến rút ngắn thời gian phản hồi từ hàng giờ xuống còn vài phút.
Bản sao số và robot thúc đẩy tự động hóa nhà máy
Ngoài thiết kế và sản xuất chip, NVIDIA mở rộng việc sử dụng AI vào quản lý thiết bị, mô phỏng robot và phân tích hoạt động nhà máy.
Analog Devices kết hợp các công cụ mô phỏng vật lý của Synopsys với NVIDIA Isaac Sim và thư viện Omniverse để xây dựng môi trường mô phỏng cảm biến có độ trung thực cao. Cách tiếp cận này cho phép kỹ sư đánh giá cách cảm biến hoạt động trong toàn bộ hệ thống robot, thay vì chỉ kiểm tra từng thành phần riêng lẻ.
FANUC và Foxconn đang kết nối mô hình robot với Mega NVIDIA Omniverse Blueprint để mô phỏng và xác nhận hoạt động của robot trong môi trường bản sao số nhà máy trước khi triển khai trên dây chuyền thực tế. Việc thử nghiệm trong môi trường ảo giúp doanh nghiệp đánh giá quy trình vận hành và phát hiện vấn đề trước khi đầu tư thay đổi hệ thống vật lý.
OMRON ứng dụng các mô hình thế giới mở NVIDIA Cosmos cùng Metropolis Blueprint trong thiết bị kiểm tra, phát triển những tác nhân AI có khả năng kết hợp dữ liệu hình ảnh, tài liệu thiết bị và kiến thức sản xuất. Các tác nhân này hỗ trợ kỹ sư phân tích kết quả kiểm tra bảng mạch in, điều tra nguyên nhân lỗi tiềm ẩn và cải thiện hoạt động kiểm soát chất lượng.
Những ứng dụng trên cho thấy AI đang được triển khai ở nhiều lớp khác nhau trong hệ sinh thái bán dẫn, từ mô phỏng vật liệu và thiết kế vi mạch đến kiểm tra chất lượng, bảo trì thiết bị và tự động hóa nhà máy.
Các công nghệ mới được triển khai theo từng giai đoạn
Theo NVIDIA, cuPotential hiện được cung cấp theo chương trình truy cập sớm. NanoVDB là thư viện mã nguồn mở thuộc dự án OpenVDB, trong khi NPP được cung cấp thông qua bộ công cụ NVIDIA CUDA Toolkit.
Lam Research dự kiến phát hành khả năng tăng tốc SEMulator3D bằng NanoVDB vào cuối năm 2026.
Việc mở rộng hệ sinh thái CUDA-X, kết hợp các mô hình AI và nền tảng bản sao số Omniverse, cho thấy NVIDIA đang hướng đến việc đưa AI vào sâu hơn trong toàn bộ chuỗi giá trị bán dẫn. Mục tiêu không chỉ là tăng tốc tính toán mà còn giúp doanh nghiệp rút ngắn chu kỳ phát triển, nâng cao chất lượng sản phẩm và khai thác hiệu quả hơn năng lực sản xuất hiện có.