NVIDIA:AI设计芯片一夜搞定!原本要8个人干10个月
NVIDIA在推动全球AI浪潮的同时,也在其内部GPU芯片设计流程中大规模部署AI技术。NVIDIA首席科学家Bill Dally透露,公司已在设计探索、标准单元库开发、Bug处理及验证等阶段广泛应用AI工具。尽管完全端到端的自动化芯片设计尚需时日,但现有工具已在效率与性能上实现了突破。
01核心AI设计工具效能
NVIDIA开发了基于强化学习的工具NB-Cell,用于标准单元库向新制程工艺的迁移。该工具已迭代两三代,显著缩短了设计周期。
| 对比维度 | 传统人工设计 | AI工具(NB-Cell) |
|---|---|---|
| 所需人力 | 8人团队 | 无需人工介入 |
| 耗时 | 10个月 | 1夜(一块GPU运行) |
| 设计水平 | 常规标准 | 面积、功耗、延时达到或超越人工 |
标准单元库迁移效率对比
另一款工具Prefix RL专注于解决进位超前链中的超前级布局难题。该工具生成的布局方案突破了人类工程师的常规直觉,关键性能指标比人工设计高出20%至30%。
02内部大模型应用
- ChipMemo与Bug Nemo
NVIDIA内部运行了两款基于专有数据微调的大语言模型,数据涵盖多年GPU设计的RTL代码和架构文档。 - 辅助工程师成长
初级工程师可直接向模型提问解决问题,无需反复请教资深设计师,使后者能专注于更高价值工作。 - Bug报告处理
模型能协助汇总Bug报告,并将其精准分配至对应的模块或工程师。
03应用理念
NVIDIA利用AI工具提升效率,但并未因此裁减初级员工,而是通过更高效的方式培养其快速进步。这种做法与许多企业利用AI替代员工的做法形成对比,被视为一种更平衡的AI应用之道。
当前文章无评论,是时候发表评论了