News

SK hynix dan NVIDIA Resmikan Kemitraan Jangka Panjang: Siap Pasok Memori Superkomputer “Vera Rubin” dan Adopsi AI Omniverse untuk Pabrik Chip

Dua raksasa semikonduktor dunia, SK hynix Inc. dan NVIDIA, secara resmi mengumumkan penandatanganan kesepakatan kemitraan teknologi multipemodal (multi-year) berskala masif. Kerja sama strategis ini dirancang untuk mengembangkan arsitektur memori generasi terbaru guna menyokong pembangunan megaproyek pabrik kecerdasan buatan (AI Factories) global, sekaligus mempercepat proses desain dan manufaktur chip menggunakan kecerdasan buatan.

Langkah ini memperkuat posisi SK hynix sebagai mitra rantai pasok (supply chain) utama penopang ekosistem kartu grafis (GPU) dan akselerator komputasi milik NVIDIA.


1. Diversifikasi Memori untuk “Vera Rubin”, PC RTX Spark, dan Robotika Thor

Mengingat siklus pengembangan memori berspesifikasi tinggi (High Bandwidth Memory / HBM) membutuhkan waktu yang semakin kompleks, perjanjian jangka panjang ini menjamin stabilitas pasokan memori SK hynix agar tetap selaras dengan peta jalan (roadmap) infrastruktur masa depan NVIDIA.

Melalui kemitraan ini, SK hynix akan mendiversifikasi portofolio produknya untuk masuk ke pasar-pasar baru yang tengah diciptakan oleh NVIDIA, yang meliputi:

  • Superkomputer NVIDIA Vera Rubin AI: Co-development memori mutakhir untuk arsitektur GPU pasca-Blackwell.
  • Prosesor NVIDIA Vera CPU: Komponen komputasi pusat masa depan milik NVIDIA untuk pusat data (data center).
  • NVIDIA RTX Spark PCs: Lini ekosistem komputer pribadi (PC) masa depan yang ditenagai oleh kecerdasan buatan tingkat tinggi.
  • NVIDIA Jetson Thor: Platform komputasi robotika mutakhir untuk mendukung kecerdasan buatan fisik (physical AI dan autonomous robots).

2. Akselerasi Simulasi Desain Semikonduktor Lewat NVIDIA CUDA-X

SK hynix kini mulai mengintegrasikan ekosistem perangkat lunak NVIDIA CUDA-X libraries dan kecerdasan buatan untuk merombak total efisiensi di laboratorium desain mereka.

Aplikasi teknologi ini di dalam internal SK hynix meliputi:

  • Simulasi TCAD & Litografi Komputasi: Mempercepat beban kerja simulasi desain bantuan komputer (technology computer-aided design) serta alur kerja penataan pola silikon chip (computational lithography).
  • Kerangka Kerja PhysicsNeMo: Memanfaatkan framework NVIDIA PhysicsNeMo untuk menjalankan akselerasi beban kerja berbasis kode simulasi internal dan alur kerja fisika AI (AI physics workflows).

Inisiatif ini membuka jalan bagi kolaborasi tiga arah (three-way collaborations) antara produsen chip (SK hynix), NVIDIA, dan vendor perangkat lunak EDA (Electronic Design Automation) global untuk memangkas waktu riset pembuatan fabrikasi chip baru.


3. Implementasi Digital Twin & Omniverse untuk Pabrik Otonom

Bukan hanya mendesain chip, SK hynix juga memanfaatkan teknologi visualisasi canggih NVIDIA untuk membangun replika digital dari pabrik fisik mereka (Fab Digital Twins) sebagai pondasi menuju operasional pabrik yang sepenuhnya otonom (autonomous fab operations).

  • Visualisasi 3D lewat OpenUSD: Menggunakan pustaka NVIDIA Omniverse dan pipa data OpenUSD untuk membangun replika pemandangan pabrik 3D guna memvisualisasikan, mensimulasikan, dan mengoptimalkan lingkungan manufaktur semikonduktor yang kompleks.
  • Navigasi Robot cuOpt & Metropolis: Optimalisasi pergerakan robot seluler otonom (Autonomous Mobile Robots / AMR) serta aset pabrik lainnya dikawal oleh mesin optimalisasi keputusan NVIDIA cuOpt yang diakselerasi GPU serta platform sensorik NVIDIA Metropolis.
  • Integrasi Agentic AI: Kedua perusahaan tengah mengeksplorasi cara menghubungkan sistem Digital Twin ini dengan perangkat lunak legasi perusahaan dan alur kerja agentic AI. Langkah ini memungkinkan sistem kecerdasan buatan untuk menganalisis data pabrik secara mandiri, mengotomatisasi tugas produksi, dan meningkatkan akurasi pengambilan keputusan manufaktur secara real-time.

Sumber: Siaran Pers Korporasi SK hynix & NVIDIA Global

Leave a Reply

Your email address will not be published. Required fields are marked *


Back to top button