英伟达用AI干掉芯片工程师:八个人十个月的活,一夜搞定

NVIDIA首席科学家Bill Dally在GTC大会上与谷歌首席科学家Jeff Dean对话时表示，NVIDIA已经在内部芯片设计流程的多个环节应用了人工智能。Dally称，公司正在将人工智能应用于设计探索、标准单元库构建、缺陷处理和验证，但他补充说，完全端到端的自动化芯片设计距离实现还有很长的路要走。

ally 举了NVIDIA 的 NB-Cell 工具的例子。他说，过去将公司的标准单元库移植到新的半导体工艺上，需要八人团队花费大约 10 个月的时间，总共 80 个人月。而现在，这款基于强化学习的工具只需一块 GPU 就能在一夜之间完成这项工作，并且生成的单元在尺寸、功耗和延迟方面都能达到甚至超越人类设计的水平。

“所以，我们正努力在设计过程中尽可能地运用人工智能，这方面有很多例子。例如，每当我们采用新的半导体工艺时，我们都必须将标准单元库移植到新工艺上。这大约有2500到3000个单元，以前这需要一个八人团队花费大约10个月的时间，也就是80个人月。”

然后我们开发了一个基于强化学习的程序，叫做NB-Cell。我想我们现在已经开发到NB-Cell 2或3了。它只需要一块GPU就能在一夜之间运行。在诸如单元大小、功耗和延迟等指标上，它的结果实际上优于人工设计。它与人工设计的性能相当甚至更胜一筹。

这大大提高了生产效率，并且消除了向新工艺过渡的障碍，因为现在我们可以非常快速地转移cell。”英伟达首席科学家比尔•戴利说。

戴利还提到了另一款名为前缀强化学习（prefx RL）的内部工具，该工具旨在解决进位前瞻链中前瞻阶段的放置这一长期研究难题。他表示，该系统生成的布局“是人类永远无法想到的”，同时与人类设计相比，关键指标提升了约20%到30%。这是一个很有价值的细节，因为它表明英伟达不仅利用人工智能来节省工程时间，而且还在探索超出人类直觉的设计方案。

从更广泛的层面来看，Dally表示，NVIDIA一直在运行名为Chip Nemo和Bug Nemo的内部LLM（逻辑学习模型）。这些模型基于NVIDIA的专有资料进行了微调，包括多年来设计的GPU的RTL和架构文档。他指出，其中一个实际好处是，初级工程师可以直接查询模型，而无需反复询问资深设计师某个特定模块的工作原理；此外，该系统还可以汇总错误报告，并帮助将其分配给正确的模块或工程师。看来，至少有一家公司没有裁掉“初级”员工，而是找到了一种更高效的培训方式。

（来源：编译自tomshardware）

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。