NVIDIA不僅在AI GPU領(lǐng)域占據(jù)領(lǐng)先地位，推動全球AI技術(shù)發(fā)展，其內(nèi)部也深度應(yīng)用AI技術(shù)優(yōu)化芯片設(shè)計流程。公司首席科學(xué)家Bill Dally近日透露，AI已全面融入GPU芯片設(shè)計的多個環(huán)節(jié)，涵蓋初期探索、標(biāo)準(zhǔn)單元庫開發(fā)、缺陷修復(fù)及驗(yàn)證等關(guān)鍵步驟。盡管他坦言實(shí)現(xiàn)完全自動化端到端芯片設(shè)計仍需時日，但對具體成果充滿信心。

在標(biāo)準(zhǔn)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(qiáng)化學(xué)習(xí)工具NB-Cell僅需一塊GPU運(yùn)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(biāo)上均達(dá)到或超越人工設(shè)計水平，使新工藝部署速度大幅提升。這一突破標(biāo)志著AI從輔助工具升級為設(shè)計主導(dǎo)力量。

針對進(jìn)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(rèn)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(guān)鍵性能指標(biāo)較人工設(shè)計提升20%-30%。這種超越經(jīng)驗(yàn)主義的設(shè)計能力，正在重塑芯片設(shè)計的創(chuàng)新范式。

公司內(nèi)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(gòu)工作流程。基于數(shù)十年GPU設(shè)計數(shù)據(jù)訓(xùn)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(zhǔn)分配至對應(yīng)模塊，使資深工程師得以專注解決復(fù)雜問題。這種知識傳遞機(jī)制的革新，顯著提升了團(tuán)隊協(xié)作效率。

值得關(guān)注的是，AI工具的引入并未導(dǎo)致人員裁減，反而成為人才培養(yǎng)的加速器。NVIDIA通過技術(shù)賦能，幫助初級工程師快速積累經(jīng)驗(yàn)，形成"技術(shù)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(guān)懷的技術(shù)應(yīng)用范本。當(dāng)多數(shù)企業(yè)聚焦于AI的降本效應(yīng)時，NVIDIA的實(shí)踐展現(xiàn)了技術(shù)進(jìn)步與人力資源發(fā)展的和諧共生。