NVIDIA heeft niet alleen krachtige AI GPU's gebouwd en een nieuwe golf van AI over de hele wereld aangestuurd, maar heeft ook AI op grote schaal intern ingezet, inclusief het ontwerpproces van de GPU-chip. NVIDIA-hoofdwetenschapper Bill Dally zei in een gesprek met Google-hoofdwetenschapper Jeff Dean:NVIDIA heeft AI uitgebreid toegepast in de chipontwerpfase, inclusief ontwerpverkenning, standaard celbibliotheekontwikkeling, bugverwerking, verificatie en andere fasen.

Hij benadrukte dat echterHet is nog te vroeg om AI te gebruiken voor een volledig end-to-end geautomatiseerd chipontwerp, maar wanneer het gerealiseerd zal worden, wil hij niet gemakkelijk voorspellen.

Dally deelde een specifiek geval van AI-chipontwerp.

In het verleden had NVIDIA een team van 8 mensen nodig die 10 maanden lang moesten werken om de standaard celbibliotheek naar een nieuwe procestechnologie te migreren, wat een werklast van 80 persoonsmaanden betekende.

Nu heeft NVIDIA een tool gebaseerd op versterkend leren, NB-Cell, die al twee of drie generaties lang wordt herhaald. Nu kan slechts één GPU-grafische kaart 's nachts worden gebruikt om het bovenstaande werk te voltooien.

Wat nog belangrijker is,De door AI-tools gegenereerde eenheden bereiken of overschrijden zelfs het niveau van handmatig ontwerp in termen van oppervlakte, energieverbruik en vertraging., waardoor een snelle implementatie van nieuwe processen mogelijk is.

Dally noemde ook een ander intern hulpmiddelVoorvoegsel RL, gericht op een langetermijnonderzoeksprobleem, dat wil zeggen de indeling van de vooruitkijkfase in de carry-lookahead-keten.

Hij beweerde,De lay-out die door de AI-tool wordt gegenereerd, is "iets waar een menselijke ingenieur nooit aan zou kunnen denken", en de belangrijkste prestatie-indicatoren zijn 20-30% hoger dan bij handmatig ontwerp.

Dit laat zien dat NVIDIA AI niet alleen gebruikt om de efficiëntie te verbeteren en tijd en arbeid te besparen, maar ook om ontwerpoplossingen te verkennen die de conventionele menselijke intuïtie te boven gaan.

Voorvoegsel RL

Op een meer macroniveau onthulde Dally ook:NVIDIA draait intern al twee grote taalmodellen: Chip Memo en Bug Nemo.

Deze grote modellen zijn verfijnd op basis van de eigen gegevens van NVIDIA, waaronder RTL-code (Register Transfer Level) en architectuurdocumentatie uit jarenlang GPU-ontwerp.

Dally zei dat een van de praktische voordelen die ze met zich meebrengen, is dat wanneer junior-ingenieurs problemen tegenkomen, ze direct vragen kunnen stellen aan het grote model en antwoorden kunnen krijgen. Ze hoeven niet langer herhaaldelijk senior ontwerpers te raadplegen, die zich ook kunnen concentreren op werk met een hogere waarde.

Tegelijkertijd kunnen ze ook helpen bij het samenvatten van bugrapporten en helpen bij het toewijzen ervan aan overeenkomstige modules of engineers.

Het is de moeite waard te vermelden dat NVIDIA geen junior werknemers lijkt te ontslaan vanwege de efficiëntieverbeteringen die AI-tools met zich meebrengen. In plaats daarvan cultiveert het ze om via efficiëntere methoden snel vooruitgang te boeken.

Vergeleken met veel bedrijven die AI veelvuldig inzetten om werknemers te vervangen en te elimineren, is dit misschien wel de meest evenwichtige toepassing van AI.