Nvidia kata AI boleh tukar kerja reka bentuk GPU 10 bulan jadi tugasan semalaman, tapi designer cip manusia masih penting

Nvidia kata AI bukan lagi sekadar tool sampingan dalam pembangunan cip. Syarikat ini kini menggunakannya merentasi pelbagai bahagian proses reka bentuk GPU, dengan satu contoh berjaya memendekkan kerja yang dulu memerlukan lapan jurutera selama 10 bulan kepada satu run semalaman pada satu GPU.

Tapi itu bukan bermaksud Nvidia boleh terus suruh AI "buat GeForce seterusnya" dan settle begitu sahaja. Menurut ketua saintis Nvidia, William Dally, syarikat itu masih jauh daripada tahap di mana AI boleh mereka bentuk keseluruhan processor tanpa penglibatan manusia yang besar.

Salah satu penjimatan masa terbesar berlaku jauh dalam pipeline cip

Dally berkata Nvidia sedang menolak penggunaan AI ke sebanyak mungkin peringkat reka bentuk. Salah satu kejayaan besar ialah tugasan bernama standard cell library porting, yang berlaku apabila reka bentuk dipindahkan ke proses pembuatan baharu.

Sebelum ini, mengurus library sekitar 2,500 hingga 3,000 cells mengambil masa lapan jurutera kira-kira 10 bulan. Nvidia kata sistem reinforcement learning mereka, yang dipanggil NB-Cell, kini boleh menyiapkan kerja sama semalaman pada satu GPU.

Itu memang lonjakan produktiviti yang serius, terutamanya untuk syarikat yang sedang berlumba menghantar GPU yang makin kompleks untuk gaming, AI dan data centre.

Nvidia juga bina mentor AI dalaman untuk jurutera

Syarikat ini bukan hanya menggunakan AI untuk kerja reka bentuk low-level. Mereka juga telah membina large language model dalaman bernama Chip Nemo dan Bug Nemo.

Model-model ini di-fine-tune menggunakan bahan sulit Nvidia sendiri, termasuk RTL, dokumen reka bentuk hardware, dan spesifikasi architecture daripada setiap GPU yang pernah dibina Nvidia. Secara praktikal, ini membolehkan jurutera junior bertanya tentang hardware block yang rumit tanpa asyik mengganggu jurutera senior.

Dally menggambarkan sistem ini lebih seperti mentor dalaman yang sabar, bukan designer yang berdikari sepenuhnya. Untuk Nvidia, maksudnya staf senior boleh luangkan lebih banyak masa pada masalah yang lebih susah, sementara jurutera baharu dapat jawapan dengan lebih cepat.

Dalam sesetengah bahagian, AI sudah mengatasi manusia

Nvidia kata reinforcement learning juga membantu menyelesaikan masalah reka bentuk circuit tradisional. Daripada ikut laluan sama yang mungkin diambil jurutera manusia, AI meneroka pilihan melalui trial and error berskala besar.

Menurut Dally, sebahagian hasil itu nampak pelik pada pandangan pertama, tetapi akhirnya masih menghasilkan reka bentuk yang 20% hingga 30% lebih baik berbanding versi buatan manusia dari segi area, power, dan performance.

Syarikat ini juga menggunakan AI dalam place and route, selain architectural exploration awal. Sistem berasaskan agent mereka boleh menjalankan banyak eksperimen, menguji arah reka bentuk berbeza, dan mengecilkan pilihan konfigurasi yang berpotensi dengan lebih pantas berbanding pasukan manusia yang bekerja secara manual.

Tapi bahagian paling susah masih perlukan manusia

Walaupun semua kemajuan itu nampak gila, Nvidia kata AI masih belum boleh mengambil alih sepenuhnya proses verification, iaitu salah satu peringkat paling perlahan dan paling penting dalam pembangunan cip.

Reka bentuk masih perlu diemulasi dan diuji dengan betul untuk memastikan ia benar-benar berfungsi. Sebab itu Dally kata Nvidia masih "jauh lagi" daripada reka bentuk cip AI end-to-end sepenuhnya.

Visi jangka panjang ialah setup multi-agent, di mana sistem AI berbeza mengurus bahagian khusus dalam proses tersebut, lebih macam pasukan pakar berbanding satu model yang tahu semua benda.

Kenapa pembaca Malaysia dan SEA patut ambil tahu

Untuk gamers, PC builders, penganjur esports dan juga startup AI di Malaysia serta seluruh SEA, perkara ini penting kerana reka bentuk cip yang lebih pantas boleh memendekkan jarak masa antara generasi GPU utama dan membantu syarikat meneroka reka bentuk yang lebih baik dengan lebih cepat.

Itu tidak menjamin graphics card akan jadi lebih murah, dan Nvidia pun tidak kata perkara ini akan terus menurunkan harga. Tapi ia menunjukkan betapa agresifnya syarikat ini menggunakan AI untuk mempercepat penciptaan hardware masa depan yang menggerakkan gaming PC, creator rig, mesin siaran esports dan workload AI.

Di rantau yang permintaan untuk GPU lebih baik terus meningkat, daripada gaming cafe sampai livestream studio, apa-apa yang membantu pembuat cip besar bergerak lebih laju memang berbaloi untuk kita pantau.

Source: Tom's Hardware