英伟达表示，它正在尝试将人工智能引入芯片设计过程的每个阶段，从而大大缩短开发时间。值得注意的是，该公司透露，以前需要 8 名工程师花费 10 个月才能完成的标准单元库移植任务，现在可以通过单个 GPU 一夜之间完成。不过，该公司首席科学家威廉·达利表示，人工智能距离完全自行设计处理器还差得远。
深入了解 TH Premium：GPU
戴利表示，英伟达已经在芯片设计的多个阶段使用人工智能，从电路级优化到系统级探索，并实现了数量级的生产力提升，在某些情况下甚至比人类的结果更好。
文章继续如下
在最低层面上，人工智能已经改变了标准单元的开发，这是过渡到新的制造工艺时最耗时的步骤之一。据 Dally 称，移植大约 2,500-3,000 个单元的标准单元库以前需要一个由 8 名工程师组成的团队工作大约 10 个月。Nvidia 用名为 NB-Cell 的强化学习系统取代了这项工作，该系统现在可以在单个 GPU 上过夜完成相同的任务。
在更高层面上，Nvidia 开发了内部大型语言模型（Chip Nemo 和 Bug Nemo），并接受了涵盖 Nvidia 开发的所有 GPU 的专有架构文档的培训。这些法学硕士可以像工程助理一样，向初级设计师解释复杂的硬件模块如何工作。因此，Nvidia 不再需要为法学硕士可以完成的事情而困扰高级工程师。
“我们有一系列的法学硕士，我们称之为 Chip Nemo 和 Bug Nemo。我们选择了一个通用的法学硕士，然后通过向其提供 Nvidia 专有的所有设计文档来对其进行微调，”Dally 说。“所以这是你在公司之外无法获得的东西，它是所有的 RTL、硬件设计文档、Nvidia 设计的每个 GPU 的所有 RTL、所有架构规范。现在你有了这个 LLM，它实际上对 GPU 设计非常聪明。[…] 当你有一个初级设计师时，他们可以问 Chip Nemo，Chip Nemo 会解释 [GPU 的工作原理]。这样可以提高生产力；它是一个非常耐心的导师。”
除了单元库和工程协助之外，Nvidia 还将强化学习应用于经典电路设计问题。例如，基于强化学习的系统以试错的方式探索设计选项，这种方法有助于创建在面积、功耗和性能方面超越人类结果的芯片设计，速度比人类更快。
“它提出了人类永远无法想出的完全奇怪的设计，但它们实际上比人类的设计好 20% 或 30%，”达利说。
除了使用人工智能进行布局和布线之外，Nvidia 还使用人工智能来探索架构设计。
特别是，Nvidia 基于代理的系统运行大量实验，评估不同的设计方向，并缩小可行的配置范围。这极大地加速了芯片开发周期早期阶段的决策制定，当时工程师必须在各种架构之间进行权衡。
最后但并非最不重要的一点是，英伟达使用人工智能进行设计验证，这是芯片开发周期中最长的阶段之一。尽管如此，人工智能仍然无法负责整个验证过程，因此英伟达必须模仿其设计并进行实际实验，以确保一切正常。
“我们希望缩小这个空间，真正的长杆是设计验证，”达利说。“我们特别关注如何使用人工智能来证明设计可以更快地发挥作用。”
从长远来看，英伟达首席科学家预计芯片开发将转向多智能体模型，其中专门的人工智能系统将处理设计的不同部分，就像今天的人类团队所做的那样。目前，人工智能通过协助工程师并将设计质量提高到人类无法达到的水平来缩短开发时间，从而使工程师能够探索比以前更多的设计选项。
关注Google 新闻上的 Tom's Hardware, 或将我们添加为首选来源，在您的源中获取我们的最新新闻、分析和评论。