新智元報(bào)道

編輯：Aeneas

【新智元導(dǎo)讀】8人團(tuán)隊(duì)干10個(gè)月，AI只需一夜！英偉達(dá)祭出「造芯」神技：芯片設(shè)計(jì)效率狂飆百倍，非人類直覺的設(shè)計(jì)方案驚呆工程師。硅基生命開始自進(jìn)化，人類正退居二線？進(jìn)來看黃仁勛的秘密武器。

就在今天，這條消息全網(wǎng)刷屏了。

英偉達(dá)用AI設(shè)計(jì)GPU，原本需要8名資深工程師10個(gè)月才能完成的任務(wù)，一夜就完成了！

在剛剛過去的英偉達(dá)GTC大會(huì)上，首席科學(xué)家Bill Dally與谷歌首席科學(xué)家Jeff Dean的一場巔峰對(duì)話，揭露了令人震驚的這個(gè)事實(shí)。

現(xiàn)在，這個(gè)Youtube演講已經(jīng)有上萬人觀看，受到網(wǎng)友們的盛贊。

在半導(dǎo)體行業(yè)的歷史長河中，摩爾定律曾是不可逾越的真理，但隨著物理極限的逼近，研發(fā)一款旗艦GPU的復(fù)雜程度已呈指數(shù)級(jí)增長。

但現(xiàn)在，英偉達(dá)的AI造芯神技，幾乎讓人類工程師徹底退居二線了？

從「80個(gè)人月」到「一塊GPU的一夜」

在傳統(tǒng)芯片設(shè)計(jì)流程中，標(biāo)準(zhǔn)單元庫（Standard Cell Library）的遷移是一項(xiàng)極度枯燥且耗時(shí)的重體力活。

每當(dāng)臺(tái)積電或三星推出新的半導(dǎo)體工藝（如從5nm跨越到3nm），英偉達(dá)必須將其包含約2500至3000個(gè)單元的基礎(chǔ)庫重新適配新工藝。

Bill Dally透露，過去這項(xiàng)任務(wù)需要一個(gè)由8名資深工程師組成的團(tuán)隊(duì)，連續(xù)奮斗10個(gè)月才能完成，總計(jì)耗費(fèi)80個(gè)人月的人力成本。

但在AI介入后，這一切被徹底顛覆了！

現(xiàn)在，英偉達(dá)開發(fā)了一款基于強(qiáng)化學(xué)習(xí)的工具——NB-Cell。只需將需求輸入系統(tǒng)，一塊GPU在一夜之間即可完成全部遷移工作。

在這個(gè)過程中，NB-Cell通過不斷的試錯(cuò)和自我優(yōu)化，在極短時(shí)間內(nèi)探索數(shù)以億計(jì)的設(shè)計(jì)排列組合。

令人震驚的是，AI生成的單元在尺寸（Area）、功耗（Power）和延遲（Delay）等核心指標(biāo)上，不僅達(dá)到了人類水平，甚至在某些案例中優(yōu)于人類的手工設(shè)計(jì)。

這種「隔夜交付」的能力，意味著英偉達(dá)可以比競爭對(duì)手更早地跑通新工藝，從而在硬件競賽中始終保持身位領(lǐng)先。

AI在芯片設(shè)計(jì)中的具體應(yīng)用層次

邏輯重塑：Prefix RL與「非人類直覺」的布局

如果說NB-Cell解決的是重復(fù)性勞動(dòng)，那么Prefix RL則展示了AI在復(fù)雜邏輯設(shè)計(jì)上的創(chuàng)造力。

在芯片的算術(shù)邏輯單元（ALU）中，進(jìn)位前瞻鏈（Carry Lookahead Chain）的放置是一個(gè)研究了幾十年的經(jīng)典難題。

人類工程師憑借經(jīng)驗(yàn)和直覺進(jìn)行布局，往往會(huì)達(dá)到一個(gè)性能瓶頸。

但Prefix RL系統(tǒng)給出了一份完全不同的答案。Dally形容，AI生成的布局是「人類永遠(yuǎn)無法想到的怪異設(shè)計(jì)」。

這些設(shè)計(jì)違背了傳統(tǒng)電子工程的審美，但在性能表現(xiàn)上，卻比人類最優(yōu)設(shè)計(jì)提升了約20%到30%。

這標(biāo)志著一個(gè)轉(zhuǎn)折點(diǎn)：AI不再僅僅是人類的助手，它正在突破人類認(rèn)知的邊界，去尋找那些隱藏在數(shù)百萬維空間中的「最優(yōu)解」。

硅基導(dǎo)師Chip Nemo，讓初級(jí)工程師「原地升級(jí)」

在英偉達(dá)內(nèi)部，人力***的錯(cuò)配曾是一個(gè)很大的隱痛：資深設(shè)計(jì)師往往需要花費(fèi)大量時(shí)間指導(dǎo)新人，解釋某個(gè)特定硬件模塊（RTL）是如何工作的。

為了釋放核心生產(chǎn)力，英偉達(dá)開發(fā)了內(nèi)部大語言模型——Chip Nemo和Bug Nemo。

不同于市面上的通用LLM，這些模型基于英偉達(dá)數(shù)十年積累的專有架構(gòu)文檔、RTL代碼和硬件規(guī)格進(jìn)行微調(diào)。經(jīng)過私有化訓(xùn)練，它們是「最懂英偉達(dá)GPU」的專家。

初級(jí)工程師遇到復(fù)雜的模塊設(shè)計(jì)不再需要去打擾忙碌的高級(jí)工程師，而是直接詢問Chip Nemo。它能像一位極具耐心的導(dǎo)師，條分縷析地解釋GPU的工作原理。

Bug Nemo則負(fù)責(zé)匯總錯(cuò)誤報(bào)告，自動(dòng)將Bug分配給最合適的工程師或模塊，極大地縮短了芯片驗(yàn)證這一「長跑階段」的時(shí)間。

AI真的能完全自主「造芯」嗎？

盡管效率提升了百倍，但Bill Dally在對(duì)話中依然保持了極其清醒的克制。

他明確指出，完全端到端的自動(dòng)化芯片設(shè)計(jì)（即只需說一句「給我設(shè)計(jì)一個(gè)新GPU」，AI就吐出完整圖紙）距離實(shí)現(xiàn)還有「很長的路要走」。

目前，AI扮演的角色更像是「增強(qiáng)設(shè)計(jì)（Augmented Design）」，而非自主造芯。

其中有三大關(guān)鍵限制：

高層級(jí)架構(gòu)決策仍依賴人類專家。

創(chuàng)造性電路設(shè)計(jì)和復(fù)雜邏輯結(jié)構(gòu)仍需人工主導(dǎo)。

設(shè)計(jì)驗(yàn)證仍是整個(gè)流程中最長的「長桿」，AI只能輔助加速，無法完全閉環(huán)

也就是說，框架設(shè)定的部分，比如頂層的邏輯架構(gòu)、跨模塊的協(xié)調(diào)以及關(guān)鍵的決策，依然牢牢掌握在人類手中。

另外，雖然AI可以加速驗(yàn)證，但最終的模擬仿真和實(shí)際實(shí)驗(yàn)依然必不可少，以確保芯片在物理世界中萬無一失。

英偉達(dá)的實(shí)踐表明，AI并非淘汰工程師，而是重構(gòu)工程師的工作方式。

初級(jí)工程師需要通過Chip Nemo自主學(xué)習(xí)復(fù)雜模塊的工作原理，減少對(duì)資深工程師的打斷。

資深工程師能從重復(fù)性任務(wù)中解放，專注于更高價(jià)值的創(chuàng)新和決策。

在整體流程上，AI負(fù)責(zé)大規(guī)模搜索、優(yōu)化、驗(yàn)證，人類負(fù)責(zé)目標(biāo)設(shè)定、約束定義、創(chuàng)意引導(dǎo)。

只是一種「人類設(shè)定框架 + AI極速執(zhí)行」的協(xié)同模式。

而Dally構(gòu)想的未來，是一個(gè)「多智能體（Multi-agent）」模型，不同的專業(yè)AI系統(tǒng)處理不同的設(shè)計(jì)環(huán)節(jié)，就像現(xiàn)在的各職能團(tuán)隊(duì)一樣協(xié)作。

長期目標(biāo)仍是端到端自動(dòng)化設(shè)計(jì)，但需要克服驗(yàn)證、接口協(xié)商、動(dòng)態(tài)調(diào)整等難題。

目前的進(jìn)展已經(jīng)讓英偉達(dá)能夠 更快地迭代下一代硬件，成為維持摩爾定律的重要支撐。

人類工程師，還不能被替代

當(dāng)8名工程師10個(gè)月的工作被一塊GPU的一夜取代時(shí)，我們不得不直面一個(gè)殘酷的現(xiàn)實(shí)：平庸的體力型工程勞動(dòng)正在迅速貶值。

英偉達(dá)正在構(gòu)筑一道由AI驅(qū)動(dòng)的技術(shù)壁壘。當(dāng)競爭對(duì)手還在通過增加人力來追趕進(jìn)度時(shí)，英偉達(dá)已經(jīng)進(jìn)入了「AI設(shè)計(jì)AI，AI優(yōu)化AI」的自循環(huán)體系。

這種效率上的降維打擊，正是其能夠一年一更旗艦顯卡的核心密碼。

對(duì)于芯片工程師而言，這既是危機(jī)也是機(jī)遇。人類正從繁瑣的布線、搬運(yùn)單元中解脫出來，被迫向更高層級(jí)的架構(gòu)思考、更復(fù)雜的創(chuàng)造性決策進(jìn)化。

在硅基造芯的新紀(jì)元。在這里，計(jì)算不再僅僅是芯片的目的，計(jì)算已成為芯片誕生的源頭。

參考資料：

***s://***.tomshardware***/tech-industry/artificial-intelligence/nvidia-says-ai-cuts-10-month-eight-engineer-gpu-design-task-to-overnight-job-company-is-still-a-long-way-from-ai-designing-chips-without-human-input

秒追ASI返回搜狐，查看更多