制造商NVIDIA采用人工智能加速半导体开发

NVIDIA 已利用生成式人工智能和机器学习模型来重组其半导体开发。公司高管在最近针对技术市场的技术辩论中介绍了有关专有工具的详细信息。新系统可以压缩以前需要多年结构规划的工程进度。现在同样的工作只需要连续处理几个小时。

这种自动化允许单个图形处理单元执行高度复杂的任务，例如调整单元库以适应新的生产流程。需要整个工程师团队每天努力的工作量开始在夜间计算周期内完成。这一变化标志着硬件行业运营模式的深刻转变，改变了全球市场上新组件的成本动态和发布期限。

NB-Cell 系统在创纪录的时间内实现工程流程自动化

NB-Cell软件是组件制造商内部解决方案的主要亮点。该系统基于强化学习技术来作用于标准单元库的迁移和优化。此步骤是创建现代处理器过程中最繁琐且最耗时的阶段之一。该技术可以在几毫秒内分析数万亿种结构可能性。人类的认知能力无法在相同的时间内处理如此大量的变量。

在采用此特定工具之前，该任务消耗了大约 80 个人月的公司工作量。在实践中，这个过程需要八位高级工程师在公司实验室近一年的忙碌工作中全力以赴。目前，该程序在一夜的自动化处理中即可完成。该公司报告称，该机器提供的结果在多个性能指标上都优于手工设计。

这种自动化的直接影响导致加速采用新的工业规模制造技术。该公司能够比技术领域的历史标准更频繁地将新产品推向市场。减少工程时间使专业人士能够专注于更复杂的架构问题，而电路分配的跑腿工作则由优化算法负责。

工具探索非常规架构以提高效率

人工智能的应用还找到了偏离电气工程传统逻辑的硬件解决方案。 Prefix RL 工具的操作重点是前瞻进位链的设计，这是高速算术处理性能的重要组成部分。神经网络探索电路配置，不受人类设计者施加的概念限制。 NVIDIA 使用这种方法确定了新的架构。实验室测试记录能源效率和速度提高了 20% 到 30%。

制造商通过专注于精密工程的专门语言模型来支持这种开发基础设施。这些系统接受了公司在其历史中积累的数十年内部文档的培训。该生态系统集成了不同的前沿，涵盖芯片设计的所有阶段：

• NB-Cell：布局优化并减少处理单元的物理面积。
• 前缀 RL：使用非常规逻辑创建复杂的电路架构。
• Nemo Chip：帮助工程师查阅技术规范和标准的语言模型。
• Bug Nemo：人工智能旨在识别、筛选和纠正芯片项目中的缺陷。
• Verif-AI：形式化验证工具，保证自动生成电路的完整性。

这些资源的整合创建了一个环境，其中历史文档作为主要数据库来提供新的神经网络。 Bug Nemo 显着减少了实验室内的调试时间。在芯片进入物理原型设计阶段之前检测到严重故障。该措施避免了半导体代工厂数百万美元的财务浪费。最后阶段的设计错误可能会导致发射延迟数月，并造成废弃原材料的巨大损失。

Leia Tambem

美国将PCC和Red Command列为恐怖组织并封锁资产

美国6月5日决定将PCC和红色司令部列为恐怖组织

丹尼尔·沃卡罗资助的纽约豪华会议成为联邦警察调查目标

进军消费市场及对直接竞争的影响

新技术的发布正值 NVIDIA 将业务扩展到高性能笔记本电脑市场之际。当前的重点涉及在用户机器上本地运行的人工智能处理。配备 NVIDIA N1 片上系统的主板原型已出现在最近的实验室测试中。该硬件具有强大的配置和高达 128 GB 的集成 RAM。企业设计的效率很快就达到了针对最终消费者的产品。

积极的设计自动化巩固了公司在数据中心基础设施和全球电子游戏市场等竞争激烈的行业中的领导地位。减少人为错误和开发时间，能够以前所未有的速度迭代新的 GPU 架构。对于公司投资者来说，创新周期变得更加短且更加可预测。

市场趋势表明，其他半导体巨头短期内也会走类似的道路。英特尔和 AMD 等公司需要采用深度自动化来保持技术竞争力。这一举措避免了在日益小型化的制造节点中开发成本呈指数级增长，而硅的物理复杂性需要数十亿美元的研发投资。

人类监督侧重于战略验证和质量控制

NVIDIA 强调，鉴于自动化工具的成功，硬件工程师的角色已经经历了必要的演变。专业人员花更少的时间重复设计基本电路。当前的重点是人工智能系统的高级参数设置和道德监督。辅助设计模型要求团队掌握新的技术技能。为 Chip Nemo 等训练模型整理数据已成为日常运营的首要任务。

技术精度是自动化工业发展新阶段的核心支柱。在 2 纳米芯片设计过程中，人工智能模型中的任何错误都可能导致整批硅在工厂中无法使用。制造商使用严格的交叉验证系统来验证机器生成的每个逻辑门。目标是创建一个安全且可扩展的反馈循环。更强大的硬件可以训练设计下一代处理器的更智能的系统。

该公司的预测表明，未来几年，物理设计中的人工干预将越来越具有战略性，而操作性将越来越少。晶体管的微架构和精确排列将由复杂的数学算法负责。从长远来看，这一变化使得生产成本降低，并加快了上市速度。通过前所未有的优化，最大限度地探索了硅的物理极限。传统的手工工程不具备以当前市场所需的相同速度和精度来绘制这些结构的计算能力。