Nvidia доверила ИИ проектирование чипов: ночь вместо 10 месяцев работы восьми инженеров
Nvidia vs собственные инженеры: как ИИ за одну ночь делает работу восьми человек за 10 месяцев
Когда говорят, что ИИ заменит разработчиков, обычно имеют в виду программистов или дизайнеров. Но Nvidia пошла дальше — доверила нейросетям проектирование самих чипов. Результаты впечатляют: то, на что раньше уходили месяцы труда целой команды, теперь делается за ночь на одном GPU. И это не шутка.
Библиотека ячеек — адская рутина, которую ИИ щелкает за часы
Любой современный чип строится из стандартных ячеек — базовых логических элементов (AND, OR, триггеры). Разработка библиотеки ячеек под конкретный полупроводниковый техпроцесс — задача муторная. Nvidia регулярно переходит на новые техпроцессы (5 нм, 3 нм и т.д.). Раньше команда из восьми инженеров тратила на перенос библиотеки из 2500–3000 ячеек около 10 месяцев. Это 80 человеко-месяцев кропотливой работы.
Теперь у них есть NB-Cell — инструмент на основе обучения с подкреплением. Он выполняет ту же задачу за одну ночь на одном графическом процессоре. Итоговые ячейки не уступают ручным: по размеру, энергопотреблению и задержке они такие же или лучше. Восемь человек против одного GPU — разница в тысячи раз по скорости.
Когда ИИ придумывает схемы, которые человеку не пришли бы в голову
Инструмент Prefix RL решает другую проблему — размещение упреждающих элементов в цепи упреждающего переноса. Это тонкая инженерная задача, где важна интуиция. Далли утверждает: система генерирует схемы, которые «не смог бы придумать ни один человек». И улучшает ключевые показатели на 20–30%.
Здесь важно: ИИ не просто ускоряет, а находит новые решения. Это не автоматизация рутины, а расширение возможностей проектировщика. По сути, Nvidia использует нейросети как генератор нестандартных топологий.
Chip Nemo и Bug Nemo — языковые модели для инженеров
Помимо генерации схем, Nvidia внедрила внутренние LLM. Chip Nemo обучен на RTL-коде и архитектурных документах за много лет. Bug Nemo помогает с отчетами об ошибках. Практическая польза: младшие инженеры могут спросить у модели, как работает конкретный блок, вместо того чтобы дергать старших. А еще система сама распределяет баги по нужным разработчикам.
Личное наблюдение: я замечал, что в крупных компаниях самые опытные инженеры тратят до 30% времени на консультации новичков. Такие модели снимают этот барьер и ускоряют верификацию RTL-кода.
Полная автоматизация проектирования? Пока рано
Далли отмечает: до полностью автоматизированного проектирования еще далеко. ИИ — мощный инструмент, но он не заменяет человеческое понимание архитектуры и компромиссов. Однако границы сдвигаются. Уже сейчас Nvidia использует ИИ на каждом этапе: от исследования решений до верификации.
Мое мнение: через 5–10 лет мы увидим, как нейросети возьмут на себя 70% рутинной работы проектировщиков. Но финальные решения — по-прежнему за людьми. И это правильно.
| Параметр | Человек (8 чел.) | NB-Cell (1 GPU) |
|---|---|---|
| Время работы | 10 месяцев | 1 ночь |
| Количество ячеек | 2500–3000 | 2500–3000 |
| Качество (размер/мощность/задержка) | Эталон | Не хуже или лучше |
| Стоимость (человеко-часы) | ~80 человеко-месяцев | ~1 GPU-ночь |
«ИИ не просто ускоряет процесс — он открывает новые проектные пространства, которые не были доступны при традиционном подходе».
NB-Cell и Prefix RL — не экзотика, а реальные инструменты, которые уже экономят Nvidia миллионы долларов и сокращают time-to-market новых чипов. Если вы думали, что ИИ в разработке железа — это далекое будущее, посмотрите на то, что происходит в Купертино. И готовьтесь: такие подходы быстро станут стандартом.
