4月14日消息，在此前的GTC大會期間的一場對話中，英偉達(dá)首席科學(xué)家兼高級副總裁比爾·達(dá)利（Bill Dally）向谷歌首席科學(xué)家杰夫·迪恩（Jeff Dean）披露了公司在芯片設(shè)計(jì)領(lǐng)域應(yīng)用AI的最新進(jìn)展。一組驚人的數(shù)據(jù)引發(fā)了業(yè)界廣泛關(guān)注：過去需要8名工程師耗時(shí)10個月才能完成的標(biāo)準(zhǔn)單元庫遷移任務(wù)，如今依托AI工具僅需一塊GPU運(yùn)行一夜即可完成。

△Bill Dally

從8個人干10個月到一夜之間完成：AI重構(gòu)芯片設(shè)計(jì)底層

Bill Dally所舉的案例，是芯片設(shè)計(jì)流程中最基礎(chǔ)也最繁瑣的環(huán)節(jié)之一——標(biāo)準(zhǔn)單元庫的遷移。每當(dāng)英偉達(dá)采用新的半導(dǎo)體工藝時(shí)，都需要將約2500至3000個標(biāo)準(zhǔn)單元適配至新工藝。以往，這項(xiàng)工作需要一支8人團(tuán)隊(duì)耗費(fèi)約10個月時(shí)間，相當(dāng)于80人一個月的工作量。

如今，英偉達(dá)基于強(qiáng)化學(xué)習(xí)自主研發(fā)的工具NB-Cell（已迭代至第二或第三代）徹底改變了這一局面。Bill Dally透露，該工具僅需單塊GPU運(yùn)行一晚即可完成全部工作，更關(guān)鍵的是，AI生成的單元在芯片面積、功耗和信號延遲等核心指標(biāo)上，不僅達(dá)到人工設(shè)計(jì)水平，部分性能甚至實(shí)現(xiàn)超越。

Bill Dally在對話中明確表示：“這是一次巨大的生產(chǎn)力飛躍，它消除了向新工藝遷移的障礙，因?yàn)槲覀儸F(xiàn)在可以非?？焖俚赝瓿蓡卧獛爝w移?！?/p>

除了標(biāo)準(zhǔn)單元庫的自動化，英偉達(dá)還在探索更高階的芯片設(shè)計(jì)優(yōu)化。Bill Dally介紹了另一款內(nèi)部工具Prefix RL，專門用于解決進(jìn)位超前鏈（Carry Lookahead Chain）中長期存在的超前級布局優(yōu)化難題。這一領(lǐng)域此前高度依賴資深工程師的經(jīng)驗(yàn)判斷。

Bill Dally指出，Prefix RL產(chǎn)出的物理布局方案展現(xiàn)出前所未有的結(jié)構(gòu)特征——“這些方案是人類工程師永遠(yuǎn)無法想到的”。更令人驚訝的是，AI生成的設(shè)計(jì)在關(guān)鍵性能指標(biāo)上，比傳統(tǒng)人工設(shè)計(jì)方案高出20%至30%。

這表明，英偉達(dá)對AI的應(yīng)用已不止于“提效降本”，更在于拓展芯片設(shè)計(jì)的技術(shù)邊界，催生人類經(jīng)驗(yàn)難以構(gòu)想的創(chuàng)新解法。

Chip Nemo與Bug Nemo：專為大模型訓(xùn)練的內(nèi)部LLM

在更宏觀的維度上，英偉達(dá)已在內(nèi)部部署了兩款專用大語言模型——Chip Nemo和Bug Nemo。這兩款模型均基于英偉達(dá)數(shù)十年積累的專有GPU設(shè)計(jì)數(shù)據(jù)進(jìn)行深度微調(diào)，訓(xùn)練語料涵蓋寄存器傳輸級代碼、架構(gòu)白皮書、歷史設(shè)計(jì)文檔等核心資產(chǎn)——這些材料本質(zhì)上無法在公司外部獲取。

在實(shí)際應(yīng)用中，這些模型正在重塑英偉達(dá)的工程師培養(yǎng)和日常工作模式。Bill Dally解釋道：“當(dāng)有初級設(shè)計(jì)師時(shí)，他們可以直接向Chip Nemo提問，它會解釋GPU的工作原理。它是一個非常有耐心的導(dǎo)師?！?/p>

與此同時(shí)，Bug Nemo能夠自動歸類整理缺陷報(bào)告，并依據(jù)模塊歸屬與工程師專長完成初步分派，大幅減少了資深工程師被瑣碎咨詢打斷的時(shí)間，使其能夠?qū)Ｗ⒂诟邇r(jià)值的創(chuàng)造性工作。

驗(yàn)證仍是瓶頸：AI尚未能獨(dú)立完成全流程

盡管AI在芯片設(shè)計(jì)的多個階段展現(xiàn)出驚人的能力，Bill Dally明確表示，實(shí)現(xiàn)端到端的全自動芯片設(shè)計(jì)“仍然遙不可及”。他特別指出，設(shè)計(jì)驗(yàn)證是當(dāng)前整個開發(fā)周期中最耗時(shí)的環(huán)節(jié)，也是“真正的瓶頸”。

“我們希望能夠縮短這一環(huán)節(jié)，”Bill Dally表示，英偉達(dá)正在研究如何利用AI來更快地證明設(shè)計(jì)的正確性，但目前仍需依賴硬件仿真和物理實(shí)驗(yàn)來確保芯片在各種條件下都能正常工作。

長期愿景：多智能體協(xié)作的芯片設(shè)計(jì)

從長遠(yuǎn)來看，Bill Dally描繪了一個更具想象力的未來：芯片開發(fā)將轉(zhuǎn)向多智能體模型，由專門的AI系統(tǒng)處理設(shè)計(jì)流程的不同部分，類似于今天人類團(tuán)隊(duì)的分工協(xié)作模式。

但在此之前，AI的角色仍然是“超級助理”——通過協(xié)助工程師、縮短開發(fā)時(shí)間、并將設(shè)計(jì)質(zhì)量提升到超越人類能力的水平，從而使工程師能夠比以前探索更多的設(shè)計(jì)可能性。

正如Bill Dally在對話中所言：“我們希望在任何可能的地方使用AI，但我認(rèn)為距離完全自動化設(shè)計(jì)還有很長的路要走?！?/p>

編輯：芯智訊-浪客劍