NVIDIA AI 彻底改变芯片设计：从数月到一夜之间
多年来，我一直关注半导体行业，见证了对更小、更快、更高效芯片的不懈追求。设计这些复杂器件的巨大复杂性一直让我觉得它是一种艺术形式，是人类创造力的证明。但现在，人工智能正在比许多人预期的更快的速度重塑这一格局，开启了一个曾经需要数月的设计任务可以在一夜之间完成的时代。
来源: 微芯片核心的复杂路径说明了人类创造力和现在人工智能旨在简化的复杂性。
NVIDIA AI 对芯片设计的快速影响摘要
- 大幅加速： 人工智能已将一项为期 10 个月（80 人月）的 GPU 设计任务缩短到一夜之间完成。
- 质量提升： NVIDIA 的专有 AI 工具，如 NB-Cell，在尺寸、功耗和延迟方面，其设计超越或媲美了人类的努力。
- 人工智能增强工程： 人工智能充当“倍增器”，使工程师能够专注于更高层次的创新。
- 用于设计的 LLM： 内部大型语言模型 (LLM)，如 Chip Nemo 和 Bug Nemo，简化了沟通和错误报告。
- 量子人工智能集成： NVIDIA 的 Ising 模型显著提高了量子错误纠正的速度和准确性。
- 未来愿景： NVIDIA 旨在实现多代理人工智能设置，以实现完全自动化、端到端的芯片设计。
芯片设计中的人工智能
通过应用人工智能，NVIDIA 已经从根本上改变了其内部芯片设计的关键方面。标准单元库的移植，一项以前需要八名工程师花费十个月（相当于 80 人月的工作量）才能完成的任务，现在可以使用单个 GPU 在一夜之间完成，正如
Creati.ai. 这种大幅加速源于 NVIDIA 开发的专有强化学习程序 NB-Cell。NB-Cell 生成的设计在单元尺寸、功耗和延迟方面超越或媲美了人类设计。AI 工具及其影响
除了标准单元库的创建，NVIDIA 在芯片开发流程的各个阶段都利用人工智能，包括设计探索、错误处理和验证。该公司还使用名为 PrefixRL 的内部工具来优化电路布局，正如
NVIDIA Developer blog. PrefixRL 生成的布局可能在人类设计者看来是非传统的，但可以提高 20% 到 30% 的性能指标。“人工智能增强工程”充当了倍增器，使工程师能够将更多时间投入到高级架构创新中。用于设计的 LLM
NVIDIA 还开发了内部大型语言模型 (LLM)，如 Chip Nemo 和 Bug Nemo。这些 LLM 基于 NVIDIA 数十年的专有数据进行训练，包括寄存器传输级 (RTL) 代码和 GPU 的架构文档。
来源: profesionalreview.com
一幅说明性流程图描绘了 NVIDIA 的 LLM Chip Nemo 和 Bug Nemo，它们促进了芯片设计工作流中的关键步骤。
- Chip Nemo： 使初级工程师能够查询复杂的架构块，而无需打扰高级人员，如NVIDIA’s website.
- Bug Nemo： 有助于总结错误报告并将其有效分配给正确的模块或工程师，也提及在NVIDIA’s website.
尽管取得了这些进展，但完全自动化的端到端芯片设计过程仍然是一个未来的目标。验证，作为芯片开发中最关键和最耗时的阶段之一，仍然需要大量的人为干预，如
Creati.ai. NVIDIA 设想一个长期的未来，拥有多代理人工智能系统，其中专门的人工智能系统将处理设计过程的不同部分。量子计算与人工智能的联系
在 4 月 14 日，即世界量子日，NVIDIA 在
NVIDIA’s website. 推出了名为 Ising 的开源量子人工智能模型家族。这些模型，Ising Calibration 和 Ising Decoding，显著提高了量子错误纠正的速度和准确性。| Ising 模型 | 描述 | 影响 |
|---|---|---|
| Ising Calibration | 350 亿参数的视觉语言模型 | 将校准时间从几天缩短到几小时 |
| Ising Decoding | 两个 3D 卷积神经网络 | 为错误纠正的速度和精度进行了优化 |
❝ 人工智能正在成为量子机器的控制层 ❞
NVIDIA CEO
哈佛大学、费米实验室和英国国家物理实验室等机构已经采用了 Ising 模型。
NVIDIA 和芯片设计的演变
NVIDIA 公司成立于 1993 年，总部位于加利福尼亚州圣克拉拉，主要经营两个部门：计算与网络以及图形，如
NVIDIA’s website.
来源: alamy.com
NVIDIA 位于加利福尼亚州圣克拉拉的总部是计算和图形技术创新的中心。
NVIDIA 的业务部门
- 计算与网络： 专注于数据中心、网络、汽车人工智能和自动驾驶汽车的加速计算平台。
- 图形： 提供用于游戏和 PC 的 GeForce GPU、 GeForce NOW 游戏流媒体服务以及用于企业工作站图形的 Quadro/NVIDIA RTX GPU。
NVIDIA 还提供用于云端视觉和虚拟计算的虚拟 GPU (vGPU) 软件，以及企业软件 Omniverse。
NVIDIA 的首席开发人员 Bill Dally 和 Google 的 Jeff Dean 在 GTC 2026 上讨论了这些人工智能的进步。越来越复杂的晶体管，正在挑战物理极限，这使得有必要将人工智能集成到设计过程，这是一个在
Semiengineering.com.
来源: galaxy.ai
Bill Dally 和 Jeff Dean 在 GTC 2026 上进行讨论，强调人工智能在芯片设计中的协作未来。
虽然人工智能提供了巨大的好处，但挑战依然存在，特别是关于人工智能在边缘案例中的可靠性以及深度学习模型的可解释性，通常被称为“可解释人工智能”(XAI)。NVIDIA 强调其人工智能驱动的设计工具是互补的，而不是人类创造力和监督的替代品。通过人工智能加速芯片设计有望缩短 GPU 几代产品之间的差距，并促进更具创新性的设计的开发。
结论
NVIDIA 在其芯片设计和量子计算项目中的战略部署标志着技术发展的深刻转变。通过自动化复杂、耗时的任务和生成人类设计者可能忽略的优化，人工智能正在使工程师能够实现前所未有的效率和创新水平。虽然完全自主设计仍然是一个遥远的目标，但当前的“人工智能增强工程”方法已经在改变行业，为未来提供更快、更强大、更先进的技术。
常见问题解答 (FAQ)
人工智能在 NVIDIA 的芯片设计过程中节省了多少时间？
人工智能已将一项以前需要 80 人月（例如，一个 8 人团队工作 10 个月）的任务缩短为使用单个 GPU 的一夜之间的过程。
什么是 NB-Cell 和 PrefixRL？
NB-Cell 是 NVIDIA 用于创建标准单元库的专有强化学习程序，通常性能优于人类设计。 PrefixRL 是一个内部工具，用于优化电路布局，将性能指标提高 20-30%。
什么是 Chip Nemo 和 Bug Nemo？
这些是 NVIDIA 开发的内部大型语言模型 (LLM)。 Chip Nemo 帮助初级工程师理解复杂的架构块，而 Bug Nemo 则有助于总结和分配错误报告。
人工智能是否正在取代芯片设计中的人类工程师？
NVIDIA 表示，其人工智能工具是互补的，充当“人工智能增强工程”，以增强人类的创造力和监督，而不是完全取代工程师。人为干预仍然至关重要，特别是在验证方面。
来源