NVIDIA утверждает, что ИИ сокращает работу над проектированием чипов с 80 человеко-месяцев до ночи на одной GPU.

NVIDIA обучила внутреннюю LLM на данных о дизайне GPU, накопленных за десятилетия, заявил Билл Далли.

Как исследователь в NVIDIA, могу поделиться информацией о том, что мы активно интегрируем ИИ во многие этапы процесса проектирования наших чипов. Во время недавней дискуссии с Джеффом Дином из Google на GTC, я объяснил, что мы в настоящее время используем ИИ для таких задач, как исследование различных вариантов проектирования, работа со стандартными библиотеками ячеек, исправление ошибок и проверка проектов. Однако, полностью автоматизированный процесс проектирования чипов от начала и до конца ещё далёк.

💰

"Рынок красный? Это просто сезон скидок для умных инвесторов." - так говорят, чтобы не плакать. У нас — аналитика, которая помогает плакать реже.

Найти недооцененные активы

Dally выделил инструмент NB-Cell от NVIDIA как значительный прогресс. Ранее адаптация их стандартной библиотеки ячеек для нового полупроводникового процесса требовала от команды из восьми инженеров около десяти месяцев – в общей сложности 80 человеко-месяцев работы. Теперь, благодаря этому инструменту на основе обучения с подкреплением, та же задача выполняется за ночь с использованием всего одной GPU. Важно отметить, что полученные конструкции ячеек сопоставимы, а иногда даже лучше, чем те, которые создаются инженерами-людьми с точки зрения размера, энергопотребления и скорости.

Мы изучаем способы интеграции ИИ в нашу работу по проектированию, и мы уже добились определенного успеха. Один из примеров – обновление нашей стандартной библиотеки ячеек при выпуске нового полупроводникового процесса. Эта библиотека содержит около 2500–3000 ячеек, и ранее для ее завершения требовалась команда из восьми инженеров примерно десять месяцев – или около 80 человеко-месяцев усилий.

Мы создали программу под названием NB-Cell, которая использует обучение с подкреплением для проектирования компьютерных ячеек. Мы уже улучшили ее до версии 2 или 3. Эта программа может работать в течение ночи на одной GPU и, что удивительно, создает проекты, которые лучше, чем созданные людьми. В частности, ячейки, которые она проектирует, имеют оптимальный размер, потребляют меньше энергии и работают быстрее – соответствуют или даже превосходят проекты, созданные людьми.

Это значительно повышает нашу эффективность и облегчает внедрение новых рабочих процессов, поскольку теперь мы можем переносить библиотеки ячеек гораздо быстрее.

— Bill Dally, NVIDIA Chief Scientist

Далли также выделил внутренний инструмент под названием prefix RL, который решает хорошо известную задачу оптимизации расположения компонентов в цепи переноса. Он объяснил, что система генерирует проекты, которые не похожи ни на что, созданное человеком-дизайнером, и эти проекты улучшают производительность примерно на 20-30% по сравнению с традиционными, созданными человеком схемами. Это важно, поскольку демонстрирует, что NVIDIA использует ИИ не только для ускорения процесса проектирования, но и для изучения возможностей проектирования, которые люди могли бы не учитывать.

NVIDIA разрабатывает собственные внутренние модели искусственного интеллекта, получившие прозвища Chip Nemo и Bug Nemo, для повышения эффективности. Эти модели были обучены с использованием внутренних документов NVIDIA, таких как чертежи и спецификации для их графических процессоров. Одним из преимуществ является то, что новые инженеры могут быстро находить информацию, задавая вопросы ИИ, вместо того, чтобы постоянно обращаться за помощью к опытным дизайнерам. Система также может автоматически суммировать отчеты об ошибках и направлять их соответствующей команде или человеку. Это умный способ, которым NVIDIA помогает своим менее опытным сотрудникам учиться и вносить более эффективный вклад.

NoRush Invest представляет обсуждение с Джеффом Дином и Биллом Далли о будущем ИИ, представленное на Nvidia GTC 2026. Это видео получило 10 239 просмотров.

Смотрите также

2026-04-14 19:07