NVIDIA：AI设计芯片一夜搞定！原本要8个人干10个月

英伟达不仅制造了功能强大的AI图形处理器，推动了全球人工智能的快速发展，其内部也在广泛应用AI技术，特别是在GPU芯片设计流程中。

英伟达首席科学家比尔·戴利在与谷歌首席科学家杰夫·迪恩对话时提到，英伟达已经在芯片设计的多个阶段大量使用AI，例如设计探索、标准单元库开发、Bug处理以及验证等方面。

但他强调，完全依靠AI实现端到端的自动化芯片设计，目前仍为时过早，至于何时能够达到这一目标，他不愿轻易猜测。

戴利分享了一个AI芯片设计的具体例子。

以往，英伟达将标准单元库迁移到新工艺制程，需要一个8人团队耗时10个月才能完成，这相当于80个工时的工作量。

现在，英伟达拥有基于强化学习的工具NB-Cell，经过两代迭代优化，只需一块GPU显卡运行一夜，就能完成上述任务。

更为关键的是，AI工具生成的单元在面积、功耗和延时方面，都达到甚至超过了人工设计的水平，从而使新工艺能够快速部署。

戴利还提到了另一款内部工具Prefix RL，它专门针对一个长期存在的研究难题，即进位超前链中的超前级布局。

他指出，AI工具生成的布局是“人类工程师永远无法想到的”，其关键性能指标比人工设计高出20%到30%。

这表明，英伟达使用AI不仅仅是为了提升效率、节省时间和人力，更是为了探索超出人类常规直觉的设计方案。

Prefix RL

在更宏观的层面，戴利还透露，英伟达已经在内部运行了两款大语言模型：Chip Memo和Bug Nemo。

这些大模型基于英伟达的专有数据进行了微调，包括多年来GPU设计的寄存器传输级RTL代码和架构文档。

戴利表示，它们带来的实际收益之一是，初级工程师遇到问题时可以直接向大模型提问并获得解答，无需反复请教资深设计师，从而让后者可以专注于更高价值的任务。

同时，这些大模型还能帮助汇总Bug报告，并协助将其分配给对应的模块或工程师。

值得一提的是，英伟达似乎并未因为AI工具带来的效率提升而裁员初级员工，反而通过更高效的方式，培养他们快速成长。

相比于许多企业频繁用AI替代和淘汰员工，这可能才是AI最平衡的应用方式。

来源：快科技