Automação de Design de GPU NVIDIA Substitui Meses de Trabalh

A NVIDIA implementou ferramentas de NVIDIA GPU design automation que reduzem tarefas complexas de semicondutores de 80 meses-pessoa para uma única operação noturna. De acordo com o Cientista-Chefe da NVIDIA, Bill Dally, a ferramenta proprietária de aprendizado por reforço da empresa, NVCell, porta bibliotecas de células padrão para novos processos em horas. Esta tarefa anteriormente exigia oito engenheiros trabalhando por dez meses.

Essa mudança acelera o desenvolvimento de hardware de próxima geração. Ao utilizar aprendizado por reforço (RL) para design de circuitos de baixo nível e otimização lógica, a NVIDIA está comprimindo o cronograma de desenvolvimento para as próximas arquiteturas, incluindo a plataforma Rubin. A NVIDIA relata que esses designs gerados por IA igualam ou superam as metas projetadas por humanos para potência, área e atraso (PPA).

O Papel Estratégico da NVIDIA GPU Design Automation

A NVIDIA está implantando um conjunto de ferramentas de IA especializadas para otimizar várias etapas do ciclo de vida do silício. De acordo com a documentação técnica da empresa, essas ferramentas incluem:

NVCell: Automatiza a migração de 2.500 a 3.000 células padrão para novos nós de semicondutores da noite para o dia usando uma única GPU.
prefixRL: Uma ferramenta de aprendizado por reforço que otimiza o posicionamento lógico, superando layouts baseados na intuição humana em 20% a 30%.
BugNeMo e ChipNeMo: Modelos de Linguagem de Grande Porte (LLMs) internos que auxiliam engenheiros na escrita de código Register Transfer Level (RTL) e na identificação de bugs complexos de hardware.

A automação desses processos permite que a NVIDIA mude o foco da engenharia para o ciclo de verificação de design. A verificação continua sendo um dos aspectos mais demorados da fabricação de chips. Uma iteração mais rápida proporciona uma vantagem competitiva no mercado de aceleradores de IA.

Este desenvolvimento sinaliza um movimento em direção à "IA projetada por IA", onde o software de aprendizado de máquina otimiza o hardware de que necessita. Esta estratégia de NVIDIA GPU design automation reduz os custos operacionais e apoia uma cadência de lançamento agressiva para hardware de computação de alto desempenho.

Embora nos esforcemos pela precisão, o bytevyte pode cometer erros. Os usuários são aconselhados a verificar todas as informações de forma independente. Não aceitamos qualquer responsabilidade por erros ou omissões.

✔Human Verified