NVIDIA不僅在AI GPU領域占據(jù)領先地位，推動全球AI技術發(fā)展，其內部也深度應用AI技術優(yōu)化芯片設計流程。公司首席科學家Bill Dally近日透露，AI已全面融入GPU芯片設計的多個環(huán)節(jié)，涵蓋初期探索、標準單元庫開發(fā)、缺陷修復及驗證等關鍵步驟。盡管他坦言實現(xiàn)完全自動化端到端芯片設計仍需時日，但對具體成果充滿信心。
在標準單元庫遷移至新制程工藝的案例中，AI工具展現(xiàn)出驚人效率。傳統(tǒng)模式下，8名工程師需耗時10個月完成的工作，如今通過強化學習工具NB-Cell僅需一塊GPU運行一夜即可完成。更令人矚目的是，AI生成的單元在面積、功耗和延遲等核心指標上均達到或超越人工設計水平，使新工藝部署速度大幅提升。這一突破標志著AI從輔助工具升級為設計主導力量。
針對進位超前鏈布局這一長期挑戰(zhàn)，NVIDIA開發(fā)的Prefix RL工具再次突破人類認知邊界。Dally指出，AI生成的布局方案"完全超出工程師想象"，其關鍵性能指標較人工設計提升20%-30%。這種超越經(jīng)驗主義的設計能力，正在重塑芯片設計的創(chuàng)新范式。
公司內部部署的兩款大語言模型Chip Memo與Bug Nemo，則從知識管理層面重構工作流程。基于數(shù)十年GPU設計數(shù)據(jù)訓練的模型，能夠直接解答初級工程師的疑問，減少對資深專家的依賴。在缺陷管理方面，系統(tǒng)可自動歸類Bug報告并精準分配至對應模塊，使資深工程師得以專注解決復雜問題。這種知識傳遞機制的革新，顯著提升了團隊協(xié)作效率。
值得關注的是，AI工具的引入并未導致人員裁減，反而成為人才培養(yǎng)的加速器。NVIDIA通過技術賦能，幫助初級工程師快速積累經(jīng)驗，形成"技術升級-人才成長"的良性循環(huán)。這種將AI定位為協(xié)作伙伴而非替代工具的策略，為行業(yè)提供了更具人文關懷的技術應用范本。當多數(shù)企業(yè)聚焦于AI的降本效應時，NVIDIA的實踐展現(xiàn)了技術進步與人力資源發(fā)展的和諧共生。
