L'automazione della progettazione delle GPU NVIDIA sostituis

NVIDIA ha implementato strumenti di NVIDIA GPU design automation che riducono compiti complessi sui semiconduttori da 80 mesi-uomo a una singola operazione notturna. Secondo il Chief Scientist di NVIDIA Bill Dally, lo strumento proprietario di apprendimento per rinforzo dell'azienda, NVCell, esegue il porting delle librerie di celle standard verso nuovi processi in poche ore. Questo compito richiedeva in precedenza otto ingegneri al lavoro per dieci mesi.

Questo cambiamento accelera lo sviluppo dell'hardware di prossima generazione. Utilizzando il reinforcement learning (RL) per la progettazione di circuiti di basso livello e l'ottimizzazione della logica, NVIDIA sta comprimendo i tempi di sviluppo per le architetture future, inclusa la piattaforma Rubin. NVIDIA riferisce che questi design generati dall'IA eguagliano o superano gli obiettivi progettati dall'uomo per potenza, area e ritardo (PPA).

Il ruolo strategico della NVIDIA GPU design automation

NVIDIA sta distribuendo una suite di strumenti IA specializzati per ottimizzare varie fasi del ciclo di vita del silicio. Secondo la documentazione tecnica dell'azienda, questi strumenti includono:

NVCell: Automatizza la migrazione di 2.500-3.000 celle standard verso nuovi nodi di semiconduttori durante la notte utilizzando una singola GPU.
prefixRL: Uno strumento di apprendimento per rinforzo che ottimizza il posizionamento della logica, superando i layout basati sull'intuizione umana del 20%-30%.
BugNeMo e ChipNeMo: Large Language Models (LLM) interni che assistono gli ingegneri nella scrittura del codice Register Transfer Level (RTL) e nell'identificazione di bug hardware complessi.

L'automazione di questi processi consente a NVIDIA di spostare l'attenzione ingegneristica verso il ciclo di verifica del design. La verifica rimane uno degli aspetti che richiedono più tempo nella produzione di chip. Un'iterazione più rapida fornisce un vantaggio competitivo nel mercato degli acceleratori IA.

Questo sviluppo segna un passaggio verso l'"IA progettata dall'IA", in cui il software di machine learning ottimizza l'hardware di cui necessita. Questa strategia di NVIDIA GPU design automation riduce i costi operativi e supporta una cadenza di rilascio aggressiva per l'hardware di calcolo ad alte prestazioni.

Sebbene ci impegniamo per l'accuratezza, bytevyte può commettere errori. Si consiglia agli utenti di verificare tutte le informazioni in modo indipendente. Non accettiamo alcuna responsabilità per errori o omissioni.

✔Human Verified