Samsung, Kakao Mobility и LG Electronics переводят физический ИИ из лабораторных работ в заводское и дорожное внедрение в Корее на вычислительных платформах NVIDIA, включая моделирование и робототехнику. Samsung сообщила об ускорении одного расчета для чипов примерно в 1600 раз, с около 18 часов до 41 секунды, а Kakao Mobility представила программу вождения 4 уровня, тогда как LG показала работу робота в действующем цехе. Такое сочетание важно для бизнеса, потому что инженерное моделирование, автономные системы и заводские роботы начинают опираться на общую вычислительную базу.
Проекты Samsung, Kakao и LG в деталях
Samsung Electronics расширяет работу с NVIDIA в исследовании материалов, разработке техпроцессов и проектировании устройств. В системах автоматизации проектирования чипов работа охватывает NVIDIA cuISS и NVIDIA cuDSS для разреженных линейных систем, а также ускорение технологических и оптических симуляций на GPU. В исследовании материалов платформа sMOL выполнила отдельные квантово-химические расчеты до 5 раз быстрее от начала до конца с NVIDIA cuEST. Samsung также тестирует NVIDIA cuEquivariance для тензорных операций при обучении и выводе атомистических моделей ИИ.
Тепловой и механический расчет Samsung показывает, как физика ИИ меняет цепочку вычислений. Инженеры сочетают предсказанные ИИ эффективные свойства материалов с более грубыми сетками и ускорением на GPU с помощью NVIDIA PhysicsNeMo. В одном расчете гомогенизации точное решение на мелкой сетке на 32-ядерном CPU заняло около 18 часов, а ускоренный расчет на грубой сетке на GPU занял 41 секунду. В будущем NVIDIA Agent Toolkit сможет связать такие инструменты моделирования и модели ИИ, чтобы инженерные агенты запускали расчеты и сравнивали варианты конструкции без ручной передачи данных.
Корея дает удобную почву для такого сдвига, поскольку производство, полупроводники, робототехника и мобильность развиваются рядом. В стране есть опыт работы плотного городского транспорта, крупносерийного выпуска чипов и заводской автоматизации, и все эти сферы дают данные для моделирования и обучения. NVIDIA поставляет ускоренные вычисления, модели ИИ и слои симуляции, которые подходят для этих задач. В итоге прогресс в проектировании чипов, разработке автомобилей и обучении роботов идет параллельно, а не в виде отдельных пилотов.
Что производственное внедрение меняет для компаний
Для производственных и инженерных компаний пример Samsung означает более короткие циклы проектирования и проверки. Технологические, оптические, тепловые и механические расчеты, которые раньше часами стояли в очереди на CPU-кластерах, могут выполняться за минуты или секунды на GPU с приближениями ИИ. Небольшие команды получают доступ к анализу, для которого раньше требовались крупные вычислительные бюджеты, а крупные производители чипов проверяют больше материалов и вариантов топологии за тот же срок. Разница заметна в более быстрой настройке процесса, раннем выявлении тепловых рисков и снижении затрат на каждый расчет.
Для операторов мобильности и робототехники примеры Kakao Mobility и LG меняют планирование внедрения. Kakao Mobility будет опираться на NVIDIA Hyperion с вычислительным блоком DRIVE AGX Thor и систему безопасности NVIDIA Halos, начиная с машин Kia специального назначения и своего программного обеспечения, проверенного в сеульском районе Gangnam. LG показала манипуляции робота CLOiD на NVIDIA Isaac GR00T в реальном цехе, используя цикл сбора данных, расширения данных через NVIDIA Cosmos, обучения модели, бортовых вычислений Jetson AGX Thor и проверки в симуляции. Покупателям стоит проверить состав сенсоров, подтверждение безопасности, права на данные и трудоемкость интеграции, прежде чем рассчитывать на похожие сроки.
Признаком подтверждения станет превращение этих эталонных связок в контрактные сервисы и повторяемые заводские процессы. Запуск операций 4 уровня в Корее, более широкое применение ускоренного моделирования чипов в проектных командах Samsung и новые задачи CLOiD, обученные через тот же цикл данных, покажут переход от демонстрации к производству. Если эти шаги последуют, физический ИИ станет вопросом закупок платформ, доказательств безопасности и мощностей моделирования.
