L'automatisation de la conception des GPU NVIDIA remplace de

NVIDIA a mis en œuvre des outils de NVIDIA GPU design automation qui réduisent les tâches complexes de semi-conducteurs de 80 mois-homme à une seule opération de nuit. Selon le scientifique en chef de NVIDIA, Bill Dally, l'outil d'apprentissage par renforcement propriétaire de l'entreprise, NVCell, porte les bibliothèques de cellules standard vers de nouveaux processus en quelques heures. Cette tâche nécessitait auparavant huit ingénieurs travaillant pendant dix mois.

Ce changement accélère le développement du matériel de nouvelle génération. En utilisant l'apprentissage par renforcement (RL) pour la conception de circuits de bas niveau et l'optimisation logique, NVIDIA comprime le calendrier de développement des architectures à venir, y compris la plateforme Rubin. NVIDIA rapporte que ces conceptions générées par l'IA égalent ou dépassent les objectifs de puissance, de surface et de délai (PPA) fixés par les humains.

Le rôle stratégique de NVIDIA GPU design automation

NVIDIA déploie une suite d'outils d'IA spécialisés pour optimiser les différentes étapes du cycle de vie du silicium. Selon la documentation technique de l'entreprise, ces outils incluent :

NVCell : Automatise la migration de 2 500 à 3 000 cellules standard vers de nouveaux nœuds de semi-conducteurs en une nuit à l'aide d'un seul GPU.
prefixRL : Un outil d'apprentissage par renforcement qui optimise le placement logique, surpassant les schémas basés sur l'intuition humaine de 20 % à 30 %.
BugNeMo et ChipNeMo : Des modèles de langage étendus (LLM) internes qui aident les ingénieurs à rédiger du code RTL (Register Transfer Level) et à identifier des bogues matériels complexes.

L'automatisation de ces processus permet à NVIDIA de déplacer l'attention des ingénieurs vers le cycle de vérification de la conception. La vérification reste l'un des aspects les plus chronophages de la fabrication de puces. Une itération plus rapide offre un avantage concurrentiel sur le marché des accélérateurs d'IA.

Ce développement marque une transition vers une « IA conçue par l'IA », où les logiciels d'apprentissage automatique optimisent le matériel dont ils ont besoin. Cette stratégie de NVIDIA GPU design automation réduit les coûts opérationnels et soutient une cadence de sortie agressive pour le matériel informatique de haute performance.

Bien que nous nous efforcions d'être précis, bytevyte peut commettre des erreurs. Il est conseillé aux utilisateurs de vérifier toutes les informations de manière indépendante. Nous déclinons toute responsabilité en cas d'erreurs ou d'omissions.

✔Human Verified