NVIDIA odhalila, jak aplikace generativní umělé inteligence a modelů strojového učení radikálně mění vývoj jejích nových polovodičů. Durante V nedávné technické diskusi vedení společnosti podrobně popsalo použití proprietárních nástrojů, které zhušťují inženýrské časové osy dříve měřené v letech na pouhých několik hodin doby zpracování.
Tento pokrok umožňuje, aby složité úkoly, jako je přizpůsobení buněčných knihoven novým výrobním procesům, byly prováděny automatizovaným způsobem pomocí jediné grafické procesorové jednotky (GPU). Podle společnosti lze objem práce, který dříve vyžadoval nepřetržité úsilí celého týmu inženýrů, nyní doručit během jednoho nočního výpočetního cyklu, což signalizuje změnu paradigmatu v hardwarovém průmyslu.
Drastické zkrácení doby projektování s NB-Cell
Hlavním vrcholem mezi interními nástroji NVIDIA je NB-Cell, systém založený na technikách posilování učení. Software Este působí přímo na migraci a optimalizaci standardních buněčných knihoven do nových výrobních uzlů, což je jeden z nejbyrokratičtějších a nejpomalejších kroků při vytváření moderního procesoru. Antes implementace této technologie zabral úkol kolem 80 člověko-měsíců, což v praxi znamenalo udržet osm senior inženýrů věnujících se výhradně tomuto procesu téměř celý rok práce.
V současné době je stejný postup dokončen během jediné noci automatizovaného zpracování. Společnost tvrdí, že zisk není pouze kvantitativní, ale kvalitativní, protože výsledky umělé inteligence jsou srovnatelné nebo dokonce lepší než návrhy vytvořené ručně. Isso nastává, protože systém dokáže analyzovat biliony strukturálních možností v milisekundách, což je pro lidskou kognitivní kapacitu nemožné. Přímým dopadem této automatizace je zrychlení přijímání nových výrobních technologií, což společnosti NVIDIA umožňuje přinášet nové produkty na trh mnohem častěji než její konkurenti.
Inovace v neintuitivních architekturách a modelech Chip Nemo
Kromě rychlosti nalézá umělá inteligence hardwarová řešení, která se vymykají tradiční logice elektrotechniky. Nástroj Prefix RL se konkrétně zaměřuje na návrh předběžných přenosových řetězců, které jsou základními součástmi pro výkon aritmetického zpracování. Tím, že umožnila neuronové síti prozkoumat konfigurace obvodů bez koncepčních omezení designérů, NVIDIA objevila architektury, které si lidé nedokázali představit, což vedlo k nárůstu účinnosti mezi 20 % a 30 % v laboratorních testech.
Pro podporu této vývojové infrastruktury používá výrobce specializované jazykové modely, vyškolené na základě desítek let interní dokumentace:
- NB-Cell:Otimização rozložení a zmenšení fyzické plochy zpracovatelských buněk.
- Předpona RL:Criação komplexních obvodových architektur s nekonvenční logikou.
- Čip Nemo:Modelo jazyk, který pomáhá technikům konzultovat technické specifikace a normy.
- Chyba Nemo:Inteligência umělá technologie zaměřená na identifikaci, screening a nápravu nedostatků v křemíkových projektech.
- Check-AI:Ferramenta formálního ověření, které zaručuje integritu automaticky generovaných obvodů.
Integrace těchto systémů vytváří ekosystém, kde vlastnická dokumentace nashromážděná v průběhu let slouží jako palivo pro trénování nových neuronových sítí. Například Bug Nemo drasticky zkrátil dobu ladění, což umožnilo detekovat kritické chyby ještě předtím, než čip vůbec vstoupí do fáze fyzického prototypování. Isso předchází milionovému odpadu ve slévárnách polovodičů, kde každá konstrukční chyba může zpozdit uvedení na trh o měsíce a stát jmění v plýtvání surovinami.
Budoucnost hardwaru a integrace s ekosystémem PC
Oznámení těchto technologií přichází v době, kdy NVIDIA také rozšiřuje své hranice na trh vysoce výkonných notebooků se zaměřením na místní AI. Recentemente byly v laboratorních testech identifikovány prototypové základní desky vybavené systémem NVIDIA N1 system-on-chip (SoC) s robustními konfiguracemi s až 128 GB integrované paměti RAM. Pohyb Esse naznačuje, že efektivita získaná při návrhu podnikových čipů se rychle aplikuje na spotřební hardware pro koncového uživatele.
Tato agresivní automatizace designu umožňuje společnosti udržet si vedoucí postavení ve vysoce konkurenčních odvětvích, jako jsou datová centra a globální herní trh. Snížením lidských chyb a doby vývoje je společnost schopna iterovat nové architektury GPU rychlostí, která v historii této technologie nemá obdoby. Ostatní giganti v polovodičovém sektoru, jako jsou Intel a AMD, mají tendenci následovat podobné cesty hluboké automatizace, aby se vyhnuli exponenciálnímu nárůstu nákladů na vývoj ve stále menších výrobních uzlech.
Výzvy a role lidského dohledu v automatizovaném designu
Navzdory úspěchu automatizovaných nástrojů NVIDIA zdůrazňuje, že role hardwarového inženýra nezmizela, ale prošla nezbytným vývojem. Atualmente, profesionálové tráví méně času opakovanými úkoly návrhu obvodů a více času nastavením parametrů na vysoké úrovni a etickým dohledem nad systémy AI. Přechod na model asistovaného návrhu vyžaduje, aby inženýrské týmy zvládly nové dovednosti, jako je správa dat pro tréninkové modely, jako je Chip Nemo, a kritická analýza architektur generovaných učením.
Technická přesnost je ústředním pilířem této nové fáze, protože jakákoli halucinace nebo chyba v modelu AI během návrhu 2nanometrového čipu by mohla způsobit, že celé dávky křemíku nebudou použitelné. NVIDIA proto používá systémy křížové validace, které kontrolují každou logickou bránu generovanou stroji. Konečným cílem je vytvořit zpětnou vazbu, kde výkonnější hardware umožňuje trénovat chytřejší AI, které zase navrhují ještě efektivnější generace hardwaru a urychlují technologický pokrok v exponenciálním měřítku, jaké lidstvo dosud nevidělo.
NVIDIA projektuje, že v nadcházejících letech se lidský zásah do fyzického návrhu čipu bude stále více zaměřovat na dohled a strategické definice architektury. Enquanto Toto, mikroarchitektura a uspořádání tranzistorů budou téměř výhradně generovány složitými matematickými algoritmy. Isso nejen zlevňuje výrobu z dlouhodobého hlediska, ale zajišťuje maximální využití fyzikálních limitů křemíku prostřednictvím optimalizací, které tradiční ruční inženýrství dosud plně nezmapovalo a nepochopilo.
