0
芯片设计的成本正在经历一场静默革命。英伟达首席科学家Bill Dally在最近一次公开对话中披露,公司已将人工智能深度植入GPU研发的每个环节,其中一项核心任务的完成时间从10个月骤降至一晚。
这场变革的契机出现在2026年GTC大会。Dally与谷歌的Jeff Dean对谈时详细拆解了英伟达的AI驱动设计流程。每当新的半导体工艺节点问世,英伟达需要将标准单元库迁移至新工艺,涉及2500到3000个单元。过去这项工作需要8名工程师耗时10个月,如今名为NVCell的程序在一台GPU上运行一晚即可完成。
更关键的是质量。Dally明确表示,AI生成的结果"优于人类工程师的产出"。这一表态消除了外界对"速度换精度"的疑虑。NVCell基于强化学习技术,具体开发周期未予披露,但其商业价值已清晰显现:不仅节省人力与时间,更为下一代GPU的工艺迁移扫清了障碍。
NVCell并非孤例。英伟达内部还有Prefix RL工具,同样采用试错与自我评分的机制探索芯片设计方案。Dally透露,该工具会提出"各种古怪的想法",但最终效果比人类设计高出20%到30%。
AI的渗透还延伸到知识传承层面。英伟达训练了两款内部大语言模型——Chip Nemo与Bug Nemo,基于公司专有数据库与代码库,专门向初级工程师解释复杂概念。Dally指出,这解放了资深工程师此前用于指导新人的时间。
从数据中心的基础设施,到芯片设计的工具链,再到工程师的日常协作,英伟达正试图构建一个自我强化的技术闭环。而Alpamayo项目的曝光则显示,这套方法论还在向自动驾驶等消费级场景延伸。