英偉達(dá)不僅利用其強(qiáng)大的AI GPU在全球范圍推動(dòng)了新一輪人工智能熱潮，其內(nèi)部也在廣泛部署AI技術(shù)，尤其是在GPU芯片的設(shè)計(jì)環(huán)節(jié)。公司首席科學(xué)家Bill Dally在與谷歌首席科學(xué)家Jeff Dean的對談中提到，英偉達(dá)已在芯片設(shè)計(jì)的多個(gè)關(guān)鍵環(huán)節(jié)引入AI應(yīng)用，涵蓋設(shè)計(jì)探索、標(biāo)準(zhǔn)單元庫構(gòu)建、Bug診斷與處理以及驗(yàn)證等不同流程階段。

　　不過，Dally也謹(jǐn)慎地指出，目前仍不是討論完全依賴AI進(jìn)行端到端自動(dòng)化芯片設(shè)計(jì)的時(shí)刻。談及這一前景何時(shí)能真正實(shí)現(xiàn)，他表示自己不愿輕易給出預(yù)測。

　　Dally分享了一個(gè)生動(dòng)的AI應(yīng)用實(shí)例。過去，將標(biāo)準(zhǔn)單元庫適配到全新的制程工藝，通常需要一個(gè)8人團(tuán)隊(duì)投入10個(gè)月時(shí)間，總工時(shí)高達(dá)“80人月”。如今，借助名為NB-Cell、基于強(qiáng)化學(xué)習(xí)開發(fā)的內(nèi)部工具(該工具已迭代數(shù)代)，僅需一塊GPU顯卡進(jìn)行一夜運(yùn)算，即可完成同樣任務(wù)。更重要的是，AI工具生成的單元在芯片面積、功耗及延遲方面，均可比肩甚至超越人工設(shè)計(jì)的水平，從而幫助公司更快地?fù)肀轮瞥坦?jié)點(diǎn)。

　　他還提到了另一款內(nèi)部工具Prefix RL。它解決的是“進(jìn)位超前鏈布局”這一長期存在的難題。Dally形容，該AI工具生成的布局方案“是人類工程師永遠(yuǎn)不可能構(gòu)想出來的”，并且在關(guān)鍵性能指標(biāo)上，較傳統(tǒng)人工設(shè)計(jì)提升了20%-30%。這表明，英偉達(dá)引入AI的目的不只是提升效率和節(jié)省時(shí)間，更著眼于發(fā)現(xiàn)并實(shí)現(xiàn)超出人類常規(guī)思維的設(shè)計(jì)方案。

　　在更宏觀的層面，Dally透露公司內(nèi)部已運(yùn)行兩個(gè)定制的生成式語言模型：Chip Memo與Bug Nemo。它們均基于英偉達(dá)多年積累的專有數(shù)據(jù)集(如GPU的RTL代碼和設(shè)計(jì)架構(gòu)文檔)進(jìn)行了精細(xì)化調(diào)優(yōu)。

　　這些大模型帶來的實(shí)際效益之一是，當(dāng)年輕的工程師遇到問題時(shí)，可直接向其提問并迅速獲取解答，無需事事求助于資深的工程師。這一改變讓經(jīng)驗(yàn)豐富的專家能專注于價(jià)值更高的工作。同時(shí)，模型還具備匯總?cè)毕輬?bào)告、并精準(zhǔn)分派到對應(yīng)模塊或責(zé)任工程師的能力。

　　值得注意的一點(diǎn)是，英偉達(dá)并未因?yàn)锳I工具帶來效率的大幅提升就選擇裁減初級員工。相反，公司正在探索如何借助AI更高效地培養(yǎng)他們，使人才獲得加速成長。相對于某些企業(yè)直接將AI作為裁員借口的做法，這種通過技術(shù)賦能讓員工與公司共同發(fā)展的路徑，或許才代表了AI應(yīng)用在未來職場中更為平衡與積極的演進(jìn)方向。