NVIDIA 不僅推出強大的 AI GPU，在全球推動新一輪 AI 浪潮，公司內部亦大規模部署 AI，包括 GPU 晶片設計流程。NVIDIA 首席科學家 Bill Dally 在與 Google 首席科學家 Jeff Dean 對談時指出，NVIDIA 已於晶片設計階段大量應用 AI，涵蓋設計探索、標準單元庫開發、Bug 處理及驗證等不同階段。不過，他強調實現端到端自動化晶片設計仍為時尚早，並不輕易預測何時能達成。
AI 工具大幅縮短設計時間
Dally 分享一個 AI 晶片設計的具體案例。過去，NVIDIA 將標準單元庫移植至全新製程工藝，需要 8 人團隊工作 10 個月，即 80 人月的工時量。如今，憑藉基於強化學習的工具 NB-Cell，已迭代兩三代，目前僅需一塊 GPU 運行一夜，即可完成上述工作。更重要的是，AI 工具生成的單元在面積、功耗及延遲方面，表現甚至超越人工設計水平，從而加速部署新工藝。
Dally 還提到另一內部工具 Prefix RL，針對長期研究的難題，即推進先前鏈中前置級佈局。他稱，AI 工具生成的佈局是「人類工程師永遠想不到的」，且關鍵指標比人工設計高出 20-30%。這顯示 NVIDIA 使用 AI 不僅為提升效率、節省時間及人力，更是探索人類常規直覺以外的設計方案。在更細微層面，Dally 透露 NVIDIA 已內部運行兩款大型語言模型：Chip Memo 及 Bug Nemo。
這些模型基於 NVIDIA 專有數據微調，包括多年來 GPU 設計的寄存器傳輸級 (RTL) 代碼及架構文件。 Dally 表示，它們帶來的實際收穫之一，即初級工程師遇問題後，可直接向大模型提問並獲解答，不再需反覆向資深設計師請教，後者亦可專注更高價值的任務。同時，它們能彙總 Bug 報告，並協助分配至對應模塊或工程師。值得一提的是，NVIDIA 似乎未因 AI 工具帶來效率提升而裁減初級員工，反之透過更有效方式，助其加速進度。
相對於許多企業動輒用 AI 取代及裁減員工，這或許才是 AI 最平實的應用之道。
