У компанії NVIDIA оголосили про революційне скорочення часу, необхідного для проєктування мікросхем. Завдяки інтеграції передових рішень на основі штучного інтелекту (ШІ), процес, що раніше тривав близько 10 місяців, тепер може бути завершений лише за одну ніч. Це значний стрибок, що свідчить про трансформаційний потенціал ШІ в індустрії напівпровідників.
ШІ як ключовий інструмент розробки
Під час нещодавнього обговорення на конференції GTC-2026, Білл Дейлі, головний науковий співробітник NVIDIA, поділився деталями щодо застосування штучного інтелекту у внутрішніх процесах компанії. Він зазначив, що ШІ вже активно залучений на різних етапах проєктування мікросхем, зокрема для аналізу потенційних варіантів дизайну, роботи з бібліотеками стандартних логічних блоків (standard cell libraries), а також для виявлення та виправлення помилок (верифікації). Водночас, пан Дейлі підкреслив, що повний перехід до автономного проєктування мікросхем поки що залишається перспективою майбутнього.
Випадок з NVIDIA NB-Cell: трансформація процесу
Як яскравий приклад ефективності ШІ, Дейлі навів інструмент NVIDIA NB-Cell. Він пояснив, що раніше команда з восьми інженерів витрачала приблизно 10 місяців на перенесення стандартної бібліотеки логічних блоків у новий техпроцес виробництва напівпровідників. Натомість, інструмент на базі ШІ, використовуючи методи навчання з підкріпленням (reinforcement learning), тепер виконує це завдання всього за одну ніч, працюючи на одному графічному процесорі. Результати вражають: створені таким чином логічні блоки не лише відповідають, але й часто перевершують розроблені людиною за такими критичними параметрами, як фізичні розміри, енергоспоживання та швидкість роботи (затримки).
Дейлі наголосив, що NVIDIA прагне максимально інтегрувати ШІ в усі можливі аспекти своєї діяльності. Ще одним прикладом є внутрішній інструмент prefix RL, який вирішує складну інженерну проблему оптимізації розміщення етапів прогнозування в ланцюжку дизайну. За словами головного наукового співробітника, штучний інтелект здатний генерувати схемотехнічні рішення, які були б недосяжні для людського розуміння, одночасно покращуючи ключові показники ефективності на 20-30% порівняно з традиційними методами розробки.
Внутрішні LLM для підтримки інженерів
Пан Дейлі також розповів про використання NVIDIA власних великих мовних моделей (LLM), розроблених на базі внутрішніх досліджень компанії, під назвами Chip Nemo та Bug Nemo. Ці моделі були навчені на величезному масиві даних NVIDIA, включаючи технічну документацію RTL (Register Transfer Level) та архів даних про архітектури GPU, накопичених за багаторічну історію компанії.
Ці LLM суттєво полегшують роботу інженерів. Молоді спеціалісти можуть звертатися до моделі з питаннями щодо функціонування певних блоків, уникаючи необхідності постійно відволікати досвідчених колег. Крім того, система здатна автоматично узагальнювати повідомлення про помилки та класифікувати їх за відповідними модулями або інженерами, що значно прискорює процес налагодження.
Нагадаємо, раніше NVIDIA представила технологію Neural Texture Compression, яка дозволяє зменшити обсяг необхідної відеопам’яті (VRAM) з 6,5 ГБ до 970 МБ без втрати якості зображення. Компанія також продовжує інвестувати значні кошти, цього разу рекордні 26 мільярдів доларів, у розвиток відкритих ШІ-моделей.
Думка UA Новини: Ці досягнення NVIDIA демонструють, як штучний інтелект радикально змінює інженерні процеси, перетворюючи багатомісячні цикли розробки на тижневі або навіть нічні. Це відкриває шлях до прискорення інновацій у сфері мікроелектроніки та може призвести до появи більш потужних і енергоефективних пристроїв для кінцевих користувачів швидше, ніж будь-коли раніше.
Джерело новини: itc.ua