NVIDIA不仅在AI GPU领域占据领先地位，推动全球AI技术发展，其内部也深度应用AI技术优化芯片设计流程。公司首席科学家Bill Dally近日透露，AI已全面融入GPU芯片设计的多个环节，涵盖初期探索、标准单元库开发、缺陷修复及验证等关键步骤。尽管他坦言实现完全自动化端到端芯片设计仍需时日，但对具体成果充满信心。
在标准单元库迁移至新制程工艺的案例中，AI工具展现出惊人效率。传统模式下，8名工程师需耗时10个月完成的工作，如今通过强化学习工具NB-Cell仅需一块GPU运行一夜即可完成。更令人瞩目的是，AI生成的单元在面积、功耗和延迟等核心指标上均达到或超越人工设计水平，使新工艺部署速度大幅提升。这一突破标志着AI从辅助工具升级为设计主导力量。
针对进位超前链布局这一长期挑战，NVIDIA开发的Prefix RL工具再次突破人类认知边界。Dally指出，AI生成的布局方案"完全超出工程师想象"，其关键性能指标较人工设计提升20%-30%。这种超越经验主义的设计能力，正在重塑芯片设计的创新范式。
公司内部部署的两款大语言模型Chip Memo与Bug Nemo，则从知识管理层面重构工作流程。基于数十年GPU设计数据训练的模型，能够直接解答初级工程师的疑问，减少对资深专家的依赖。在缺陷管理方面，系统可自动归类Bug报告并精准分配至对应模块，使资深工程师得以专注解决复杂问题。这种知识传递机制的革新，显著提升了团队协作效率。
值得关注的是，AI工具的引入并未导致人员裁减，反而成为人才培养的加速器。NVIDIA通过技术赋能，帮助初级工程师快速积累经验，形成"技术升级-人才成长"的良性循环。这种将AI定位为协作伙伴而非替代工具的策略，为行业提供了更具人文关怀的技术应用范本。当多数企业聚焦于AI的降本效应时，NVIDIA的实践展现了技术进步与人力资源发展的和谐共生。
