NVIDIA ได้นำการใช้ปัญญาประดิษฐ์เชิงกำเนิดและโมเดลการเรียนรู้ของเครื่องจักรมาใช้เพื่อปรับโครงสร้างการพัฒนาเซมิคอนดักเตอร์ ผู้บริหารของบริษัทนำเสนอรายละเอียดเกี่ยวกับเครื่องมือที่เป็นกรรมสิทธิ์ในระหว่างการอภิปรายทางเทคนิคเมื่อเร็วๆ นี้ซึ่งมุ่งเป้าไปที่ตลาดเทคโนโลยี ระบบใหม่สามารถบีบอัดกำหนดการทางวิศวกรรมที่ก่อนหน้านี้ใช้เวลาหลายปีในการวางแผนโครงสร้าง ขณะนี้งานเดียวกันต้องใช้เวลาในการประมวลผลต่อเนื่องเพียงไม่กี่ชั่วโมงเท่านั้น
ระบบอัตโนมัตินี้ช่วยให้หน่วยประมวลผลกราฟิกตัวเดียวสามารถทำงานที่ซับซ้อนสูงได้ เช่น การปรับไลบรารีเซลล์สำหรับกระบวนการผลิตใหม่ ปริมาณงานที่ต้องใช้ความพยายามในแต่ละวันของทีมวิศวกรทั้งหมดเริ่มถูกส่งมอบในวงจรการประมวลผลทุกคืน การเปลี่ยนแปลงดังกล่าวส่งสัญญาณถึงการเปลี่ยนแปลงครั้งใหญ่ในรูปแบบการดำเนินงานของอุตสาหกรรมฮาร์ดแวร์ การเปลี่ยนแปลงไดนามิกของต้นทุน และกำหนดเวลาในการเปิดตัวส่วนประกอบใหม่ในตลาดโลก
ระบบ NB-Cell ทำให้กระบวนการทางวิศวกรรมเป็นอัตโนมัติในเวลาที่บันทึก
ซอฟต์แวร์ NB-Cell ทำหน้าที่เป็นจุดเด่นหลักในบรรดาโซลูชันภายในของผู้ผลิตส่วนประกอบ ระบบทำงานโดยใช้เทคนิคการเรียนรู้แบบเสริมกำลังเพื่อดำเนินการย้ายและเพิ่มประสิทธิภาพของไลบรารีเซลล์มาตรฐาน ขั้นตอนนี้แสดงถึงขั้นตอนหนึ่งของระบบราชการและใช้เวลานานที่สุดในการสร้างโปรเซสเซอร์ที่ทันสมัย เทคโนโลยีนี้จะวิเคราะห์ความเป็นไปได้ของโครงสร้างนับล้านล้านรายการในหน่วยมิลลิวินาที ความสามารถทางปัญญาของมนุษย์ไม่สามารถประมวลผลตัวแปรจำนวนนี้ในระยะเวลาเท่ากันได้
ก่อนที่จะนำเครื่องมือเฉพาะนี้มาใช้ งานดังกล่าวต้องใช้ความพยายามขององค์กรประมาณ 80 เดือนต่อเดือน ในทางปฏิบัติ กระบวนการดังกล่าวจำเป็นต้องอาศัยความทุ่มเทของวิศวกรอาวุโสจำนวน 8 คน ในระหว่างการทำงานที่ยุ่งวุ่นวายในห้องปฏิบัติการของบริษัทเกือบหนึ่งปี ขณะนี้ขั้นตอนเสร็จสิ้นภายในคืนเดียวของการประมวลผลอัตโนมัติ บริษัทรายงานว่าผลลัพธ์ที่เครื่องจักรส่งมามีประสิทธิภาพเหนือกว่าการออกแบบที่สร้างขึ้นด้วยตนเองในเมตริกประสิทธิภาพต่างๆ
ผลกระทบโดยตรงของระบบอัตโนมัตินี้ส่งผลให้มีการใช้เทคโนโลยีการผลิตใหม่ๆ ในระดับอุตสาหกรรมเพิ่มมากขึ้น บริษัทสามารถนำผลิตภัณฑ์ใหม่ออกสู่ตลาดได้บ่อยกว่ามาตรฐานในอดีตในภาคเทคโนโลยี การลดเวลาด้านวิศวกรรมช่วยให้ผู้เชี่ยวชาญเฉพาะทางมีเวลามุ่งเน้นไปที่ปัญหาทางสถาปัตยกรรมที่ซับซ้อนมากขึ้น ในขณะที่งานหลักในการจัดสรรวงจรเป็นความรับผิดชอบของอัลกอริธึมการปรับให้เหมาะสม
เครื่องมือสำรวจสถาปัตยกรรมแหวกแนวเพื่อเพิ่มประสิทธิภาพ
การประยุกต์ใช้ปัญญาประดิษฐ์ยังพบโซลูชันฮาร์ดแวร์ที่แตกต่างจากตรรกะดั้งเดิมของวิศวกรรมไฟฟ้า เครื่องมือ Prefix RL มุ่งเน้นการทำงานที่การออกแบบสายโซ่ lookahead ซึ่งเป็นส่วนประกอบที่จำเป็นสำหรับประสิทธิภาพการประมวลผลทางคณิตศาสตร์ความเร็วสูง โครงข่ายประสาทเทียมสำรวจการกำหนดค่าวงจรโดยไม่มีข้อจำกัดทางแนวคิดที่กำหนดโดยนักออกแบบที่เป็นมนุษย์ NVIDIA ระบุสถาปัตยกรรมใหม่โดยใช้วิธีนี้ การทดสอบในห้องปฏิบัติการบันทึกประสิทธิภาพการใช้พลังงานและความเร็วเพิ่มขึ้นระหว่าง 20% ถึง 30%
ผู้ผลิตสนับสนุนโครงสร้างพื้นฐานการพัฒนานี้ผ่านโมเดลภาษาพิเศษที่เน้นด้านวิศวกรรมที่มีความแม่นยำ ระบบได้รับการฝึกอบรมจากเอกสารภายในที่บริษัทสะสมมานานหลายทศวรรษตลอดประวัติศาสตร์ ระบบนิเวศผสมผสานส่วนหน้าที่แตกต่างกันเพื่อครอบคลุมทุกขั้นตอนของการออกแบบชิป:
- NB-Cell: การเพิ่มประสิทธิภาพเค้าโครงและการลดพื้นที่ทางกายภาพของเซลล์ที่กำลังประมวลผล
- คำนำหน้า RL: การสร้างสถาปัตยกรรมวงจรที่ซับซ้อนด้วยตรรกะที่แหวกแนว
- ชิป Nemo: โมเดลภาษาที่ช่วยให้วิศวกรสามารถปรึกษาข้อกำหนดและมาตรฐานทางเทคนิคได้
- Bug Nemo: ปัญญาประดิษฐ์ที่มุ่งระบุ คัดกรอง และแก้ไขข้อบกพร่องในโครงการซิลิคอน
- Verif-AI: เครื่องมือตรวจสอบอย่างเป็นทางการที่รับประกันความสมบูรณ์ของวงจรที่สร้างขึ้นโดยอัตโนมัติ
การบูรณาการทรัพยากรเหล่านี้จะสร้างสภาพแวดล้อมที่เอกสารทางประวัติศาสตร์ทำหน้าที่เป็นฐานข้อมูลหลักในการป้อนโครงข่ายประสาทเทียมใหม่ Bug Nemo ลดเวลาในการดีบักภายในห้องปฏิบัติการลงอย่างมาก ตรวจพบข้อผิดพลาดร้ายแรงก่อนที่ชิปจะเข้าสู่ขั้นตอนการสร้างต้นแบบทางกายภาพ มาตรการดังกล่าวหลีกเลี่ยงการสิ้นเปลืองทางการเงินมูลค่าหลายล้านดอลลาร์ในโรงหล่อเซมิคอนดักเตอร์ ข้อผิดพลาดในการออกแบบในขั้นตอนสุดท้ายอาจทำให้การเปิดตัวล่าช้าไปหลายเดือน และทำให้ต้นทุนมหาศาลในวัตถุดิบที่ถูกทิ้ง
การขยายสู่ตลาดผู้บริโภคและผลกระทบต่อการแข่งขันทางตรง
การประกาศเทคโนโลยีใหม่เกิดขึ้นในช่วงเวลาที่ NVIDIA ขยายการดำเนินงานไปสู่ตลาดโน้ตบุ๊กประสิทธิภาพสูง จุดมุ่งเน้นในปัจจุบันเกี่ยวข้องกับการประมวลผลปัญญาประดิษฐ์ที่ทำงานภายในเครื่องของผู้ใช้ ต้นแบบของมาเธอร์บอร์ดที่ติดตั้งระบบบนชิป NVIDIA N1 ปรากฏในการทดสอบในห้องปฏิบัติการล่าสุด ฮาร์ดแวร์มีการกำหนดค่าที่แข็งแกร่งพร้อม RAM ในตัวสูงสุด 128 GB ประสิทธิภาพของการออกแบบองค์กรเข้าถึงผลิตภัณฑ์ที่มุ่งเป้าไปที่ผู้บริโภคปลายทางได้อย่างรวดเร็ว
การออกแบบอัตโนมัติเชิงรุกเป็นรากฐานของความเป็นผู้นำของบริษัทในอุตสาหกรรมที่มีการแข่งขันสูง เช่น โครงสร้างพื้นฐานของศูนย์ข้อมูล และตลาดเกมอิเล็กทรอนิกส์ระดับโลก การลดข้อผิดพลาดของมนุษย์และเวลาในการพัฒนาทำให้สามารถทำซ้ำบนสถาปัตยกรรม GPU ใหม่ด้วยความเร็วที่ไม่เคยมีมาก่อน วงจรนวัตกรรมสั้นลงอย่างมากและสามารถคาดการณ์ได้มากขึ้นสำหรับนักลงทุนของบริษัท
แนวโน้มของตลาดบ่งชี้ว่ายักษ์ใหญ่ด้านเซมิคอนดักเตอร์รายอื่นจะเดินตามเส้นทางที่คล้ายกันในระยะสั้น บริษัทอย่าง Intel และ AMD จำเป็นต้องนำระบบอัตโนมัติเชิงลึกมาใช้เพื่อรักษาความสามารถในการแข่งขันทางเทคนิค การเคลื่อนไหวดังกล่าวช่วยหลีกเลี่ยงการเพิ่มต้นทุนการพัฒนาแบบทวีคูณในโหนดการผลิตที่มีขนาดเล็กลงเรื่อยๆ ซึ่งความซับซ้อนทางกายภาพของซิลิคอนต้องใช้เงินลงทุนหลายพันล้านดอลลาร์ในการวิจัยและพัฒนา
การกำกับดูแลโดยมนุษย์มุ่งเน้นไปที่การตรวจสอบเชิงกลยุทธ์และการควบคุมคุณภาพ
NVIDIA เน้นย้ำว่าบทบาทของวิศวกรฮาร์ดแวร์ได้ผ่านการพัฒนาที่จำเป็นเมื่อพิจารณาถึงความสำเร็จของเครื่องมืออัตโนมัติ ผู้เชี่ยวชาญใช้เวลาน้อยลงในการออกแบบวงจรพื้นฐานซ้ำๆ จุดมุ่งเน้นในปัจจุบันคือการตั้งค่าพารามิเตอร์ระดับสูงและการกำกับดูแลด้านจริยธรรมของระบบปัญญาประดิษฐ์ โมเดลการออกแบบที่ได้รับความช่วยเหลือกำหนดให้ทีมต้องเชี่ยวชาญทักษะทางเทคนิคใหม่ๆ การดูแลจัดการข้อมูลสำหรับโมเดลการฝึกอบรม เช่น Chip Nemo กลายเป็นเรื่องสำคัญประจำวันในการปฏิบัติงาน
ความแม่นยำทางเทคนิคทำหน้าที่เป็นเสาหลักของระยะใหม่ของการพัฒนาอุตสาหกรรมแบบอัตโนมัติ ข้อผิดพลาดใดๆ ในแบบจำลองปัญญาประดิษฐ์ระหว่างการออกแบบชิป 2 นาโนเมตรอาจทำให้ซิลิคอนทั้งชุดใช้งานไม่ได้ในโรงงาน ผู้ผลิตใช้ระบบตรวจสอบข้ามอย่างเข้มงวดเพื่อตรวจสอบลอจิกเกตแต่ละอันที่สร้างโดยเครื่องจักร เป้าหมายคือการสร้างวงจรตอบรับที่ปลอดภัยและปรับขนาดได้ ฮาร์ดแวร์ที่ทรงพลังยิ่งขึ้นช่วยให้สามารถฝึกอบรมระบบที่ชาญฉลาดยิ่งขึ้นซึ่งออกแบบโปรเซสเซอร์รุ่นต่อไป
การคาดการณ์ของบริษัทบ่งชี้ว่าการแทรกแซงของมนุษย์ในการออกแบบทางกายภาพจะมีกลยุทธ์มากขึ้น และมีการปฏิบัติการน้อยลงในปีต่อๆ ไป สถาปัตยกรรมไมโครและการจัดเรียงที่แม่นยำของทรานซิสเตอร์จะเป็นความรับผิดชอบของอัลกอริธึมทางคณิตศาสตร์ที่ซับซ้อน การเปลี่ยนแปลงนี้ทำให้การผลิตถูกลงในระยะยาวและเร่งการเปิดตัว ขีดจำกัดทางกายภาพของซิลิคอนได้รับการสำรวจจนถึงขีดสุดผ่านการเพิ่มประสิทธิภาพที่ไม่เคยมีมาก่อน วิศวกรรมมือแบบดั้งเดิมไม่มีความสามารถในการคำนวณเพื่อสร้างแผนที่โครงสร้างเหล่านี้ด้วยความเร็วและความแม่นยำแบบเดียวกับที่ตลาดปัจจุบันต้องการ