Nvidia известна тем, что производит одни из лучших видеокарт, и в наши дни многие из них в конечном итоге обеспечивают рабочие нагрузки, связанные с искусственным интеллектом, а не игры. Графические процессоры (GPU) являются основой центров обработки данных, которые делают возможным искусственный интеллект. Забавно то, что круг жизни ИИ продолжается и продолжается, поскольку Nvidia теперь также использует ИИ для создания новых чипов, которые позже попадают в графические процессоры. Недавнее интервью показало, что это приводит к таким преимуществам, как более быстрое проектирование микросхем, меньшее количество человеко-часов, затрачиваемых на выполнение определенных задач, и даже новые, инновационные, иногда странные способы решения существующих проблем.
В беседе с Джеффом Дином из Google на конференции по технологиям графических процессоров (GTC) 2026 года Билл Далли, главный научный сотрудник Nvidia и старший вице-президент по исследованиям, рассказал, что производитель чипов пытается внедрить ИИ на каждом этапе проектирования графических процессоров. Хедлайнером, несомненно, является тот факт, что Nvidia использовала ИИ, чтобы сэкономить столько времени и денег на одном этапе процесса.
Всякий раз, когда внедряется новый полупроводниковый процесс (по сути, технологический узел, на основе которого Nvidia затем строит свой графический процессор), компании необходимо портировать на него свою стандартную библиотеку ячеек, которая в сумме составляет от 2500 до 3000 ячеек. Раньше на выполнение этой задачи у восьми человек уходило около 10 месяцев.
Затем компания Nvidia разработала NVCell — программу, которая выполняет эту трудоемкую задачу за одну ночь на одном графическом процессоре. Кажется, здесь нет никакой подвоха, поскольку Далли пояснил, что результаты были лучше, чем то, что добились инженеры-люди.
Nvidia использует ИИ не только для переноса библиотек ячеек
Неясно, сколько времени потребовалось Nvidia для разработки NVCell на основе обучения с подкреплением, но, похоже, это окупается. Nvidia не только экономит драгоценное время, но и упрощает переход к новому процессу, когда появится следующее поколение графических процессоров. Хотя замена восьми инженеров на один графический процессор казалась самой большой победой Nvidia, Далли также перечислил еще несколько способов, которыми компания использует искусственный интеллект в своем процессе проектирования.
Следующий инструмент — Prefix RL, и, чтобы избавить вас от сложных технических объяснений, его задача — рассмотреть различные варианты проектирования чипов. Программное обеспечение пытается решить эти концепции методом проб и ошибок и оценивает себя, чтобы учиться на своих попытках. Далли сказал, что этот инструмент выдает массу странных идей, но в конечном итоге они на 20-30% лучше, чем замыслы человека.
Nvidia также использует ИИ, чтобы высвободить время, которое ее старшим инженерам приходилось тратить на помощь более младшим коллегам. Ее внутренние модели большого языка (LLM), Chip Nemo и Bug Nemo, были обучены на собственной базе данных и кодовой базе Nvidia, поэтому они знают все, что нужно знать о том, как Nvidia создает и проектирует графические процессоры. Вооруженные этими знаниями, эти LLM могут помочь младшим инженерам и объяснить сложные концепции в доступной форме. Что касается потребителей, Nvidia недавно представила Alpamayo, внедряя модели искусственного интеллекта в беспилотные автомобили.
