La automatización del diseño de GPU de NVIDIA reemplaza mese

NVIDIA ha implementado herramientas de NVIDIA GPU design automation que reducen tareas complejas de semiconductores de 80 meses-persona a una sola operación nocturna. Según el Jefe Científico de NVIDIA, Bill Dally, la herramienta de aprendizaje por refuerzo patentada de la compañía, NVCell, traslada bibliotecas de celdas estándar a nuevos procesos en cuestión de horas. Esta tarea requería anteriormente a ocho ingenieros trabajando durante diez meses.

Este cambio acelera el desarrollo de hardware de próxima generación. Al utilizar el aprendizaje por refuerzo (RL) para el diseño de circuitos de bajo nivel y la optimización lógica, NVIDIA está comprimiendo el cronograma de desarrollo para las próximas arquitecturas, incluida la plataforma Rubin. NVIDIA informa que estos diseños generados por IA igualan o superan los objetivos diseñados por humanos en cuanto a potencia, área y retraso (PPA).

El papel estratégico de NVIDIA GPU design automation

NVIDIA está desplegando una suite de herramientas de IA especializadas para optimizar varias etapas del ciclo de vida del silicio. Según la documentación técnica de la empresa, estas herramientas incluyen:

NVCell: Automatiza la migración de 2,500 a 3,000 celdas estándar a nuevos nodos de semiconductores de la noche a la mañana utilizando una sola GPU.
prefixRL: Una herramienta de aprendizaje por refuerzo que optimiza la ubicación lógica, superando los diseños basados en la intuición humana entre un 20% y un 30%.
BugNeMo y ChipNeMo: Modelos de lenguaje extenso (LLMs) internos que ayudan a los ingenieros a escribir código de Nivel de Transferencia de Registros (RTL) e identificar errores de hardware complejos.

La automatización de estos procesos permite a NVIDIA desviar el enfoque de la ingeniería hacia el ciclo de verificación del diseño. La verificación sigue siendo uno de los aspectos que más tiempo consume en la fabricación de chips. Una iteración más rápida proporciona una ventaja competitiva en el mercado de aceleradores de IA.

Este avance señala un movimiento hacia la "IA diseñada por IA", donde el software de aprendizaje automático optimiza el hardware que requiere. Esta estrategia de NVIDIA GPU design automation reduce los costes operativos y respalda una cadencia de lanzamientos agresiva para el hardware de computación de alto rendimiento.

Aunque nos esforzamos por la exactitud, bytevyte puede cometer errores. Se aconseja a los usuarios verificar toda la información de forma independiente. No aceptamos ninguna responsabilidad por errores u omisiones.

✔Human Verified