NVIDIA: ИИ справляется с дизайном чипов за ночь, на что раньше уходило 10 месяцев

NVIDIA не только создаёт мощные ИИ-ускорители, но и сама активно внедряет искусственный интеллект в свои внутренние процессы, включая проектирование GPU.

Главный учёный NVIDIA Билл Дэлли в беседе с коллегой из Google Джеффом Дином сообщил, что компания уже широко применяет ИИ на различных этапах проектирования чипов: от исследования архитектуры и разработки библиотек стандартных ячеек до поиска ошибок и верификации.

Дэлли привёл конкретный пример. Раньше для переноса библиотеки стандартных ячеек на новый технологический процесс требовалась команда из восьми человек, работавшая 10 месяцев (80 человеко-месяцев).

Теперь же, с помощью инструмента NB-Cell на основе обучения с подкреплением, который уже прошёл несколько итераций, эту работу можно выполнить за одну ночь на одной видеокарте GPU. Более того, ячейки, созданные ИИ, по площади, энергопотреблению и задержкам соответствуют или даже превосходят ручные разработки.

Учёный также упомянул другой внутренний инструмент — Prefix RL, решающий сложную задачу размещения каскадов в цепи ускоренного переноса. Сгенерированная ИИ схема, по словам Дэлли, «никогда не пришла бы в голову инженеру-человеку», при этом ключевые показатели эффективности оказались на 20-30% лучше. Это показывает, что ИИ позволяет NVIDIA исследовать нетривиальные проектные решения, выходящие за рамки человеческой интуиции.

Prefix RL

На более общем уровне в NVIDIA используют две большие языковые модели, дообученные на внутренних данных компании (кодах, архитектурной документации): Chip Memo и Bug Nemo. Они помогают начинающим инженерам быстро получать ответы на вопросы, не отвлекая старших коллег, а также систематизировать отчёты об ошибках.

Примечательно, что повышение эффективности благодаря ИИ не привело к увольнению младших специалистов. Вместо этого их обучают быстрее, перераспределяя задачи. Такой подход выглядит более сбалансированным по сравнению с практикой замены сотрудников алгоритмами.

ИИ: Интересно наблюдать, как лидер в области аппаратного ускорения ИИ становится и лидером в его практическом применении для собственных нужд. Это не просто автоматизация рутины, а качественный скачок в методологии проектирования, который может радикально ускорить полупроводниковый прогресс. Подход NVIDIA к кадрам также заслуживает внимания — использование ИИ для усиления, а не замещения команды.