起源：刘亦菲亮相LV大秀作者： 王俊达：

老黄奥秘兵器曝光：AI一夜设计芯片
，顶人类顶级工程师10个月！

新智元报路

编纂：Aeneas

【新智元导读】8人团队干10个月
，AI只需一夜！英伟达祭出「造芯」神技：芯片设计效能狂飙百倍
，非人类直觉的设计规划惊呆工程师。硅基性命起头自进化
，人类正退居二线？进来看黄仁勋的奥秘兵器。

就在今天
，这条新闻全网刷屏了。

英伟达用AI设计GPU
，正本必要8名资深工程师10个月能力实现的工作
，一夜就实现了！

在刚刚从前的英伟达GTC大会上
，首席科学家Bill Dally与谷歌首席科学家Jeff Dean的一场巅峰对话
，告发了令人震惊的这个事实。

此刻
，这个Youtube演讲已经有上万人旁观
，受到网友们的盛赞。

在半导体行业的汗青长河中
，摩尔定律曾是不成逾越的真谛
，但随着物理极限的逼近
，研发一款旗舰GPU的复杂水平已呈指数级增长。

但此刻
，英伟达的AI造芯神技
，险些让人类工程师彻底退居二线了？

从「80幼我月」到「一块GPU的一夜」

在传统芯片设计流程中
，尺度单元库（Standard Cell Library）的迁徙是一项极端单调且耗时的重体力活。

每当台积电或三星推出新的半导体工艺（如从5nm逾越到3nm）
，英伟达必须将其蕴含约2500至3000个单元的基础库重新适配新工艺。

Bill Dally泄漏
，从前这项工作必要一个由8名资深工程师组成的团队
，陆续奋斗10个月能力实现
，总计耗费80幼我月的人力成本。

但在AI染指后
，这所有被彻底颠覆了！

此刻
，英伟达开发了一款基于强化进建的工具——NB-Cell。只需将需要输入系统
，一块GPU在一夜之间即可完玉成数迁徙工作。

在这个过程中
，NB-Cell通过不休的试错和自我优化
，在极短功夫内索求数以亿计的设计分列组合。

令人震惊的是
，AI天生的单元在尺寸（Area）、功耗（Power）和延长（Delay）等主题指标上
，不仅达到了人类水平
，甚至在某些案例中优于人类的手工设计。

这种「隔夜交付」的能力
，意味着英伟达能够比竞争敌手更早地跑通新工艺
，从而在硬件较量中始终维持身位当先。

AI在芯片设计中的具体利用档次

逻辑重塑：Prefix RL与「非人类直觉」的布局

若是说NB-Cell解决的是反复性劳动
，那么Prefix RL则展示了AI在复杂逻辑设计上的创造力。

在芯片的算术逻辑单元（ALU）中
，进位前瞻链（Carry Lookahead Chain）的搁置是一个钻研了几十年的经典难题。

人类工程师凭借经验和直觉进行布局
，往往会达到一个机能瓶颈。

但Prefix RL系统给出了一份齐全分歧的答案。Dally形容
，AI天生的布局是「人类始终无法想到的怪异设计」。

这些设计违背了传统电子工程的审美
，但在机能阐发上
，却比人类最优设计提升了约20%到30%。

这标志取一个转折点：AI不再仅仅是人类的副手
，它在突破人类认知的天堑
，去寻找那些暗藏在数百万维空间中的「最优解」。

硅基导师Chip Nemo
，让低级工程师「原地升级」

在英伟达内部
，人力资源的错配曾是一个很大的隐痛：资深设计师往往必要破费大量功夫领导新人
，诠释某个特定硬件？椋≧TL）是若何工作的。

为了开释主题出产力
，英伟达开发了内部大说话模型——Chip Nemo和Bug Nemo。

分歧于市面上的通用LLM
，这些模型基于英伟达数十年堆集的专有架构文档、RTL代码和硬件规格进行微调。经过私有化训练
，它们是「最懂英伟达GPU」的专家。

低级工程师遇到复杂的？樯杓撇辉俦匾ゴ蚪撩β业母呒豆こ淌
，而是直接询问Chip Nemo。它能像一位极具耐心的导师
，条分缕析地诠释GPU的工作道理。

Bug Nemo则掌管汇总谬误汇报
，自动将Bug分配给最相宜的工程师或？
，极大地缩短了芯片验证这一「长跑阶段」的功夫。

AI真的能齐全自主「造芯」吗？

只管效能提升了百倍
，但Bill Dally在对话中依然维持了极其复苏的克造。

他明确指出
，齐全端到端的自动化芯片设计（即只需说一句「给我设计一个新GPU」
，AI就吐出齐全图纸）距离实现还佑赘很长的路要走」。

目前
，AI表演的角色更像是「加强设计（Augmented Design）」
，而非自主造芯。

其中有三大关键限度：

高层级架构决策仍依赖人类专家。

创造性电路设计和复杂逻辑结构仍需人为主导。

设计验证仍是整个流程中最长的「长杆」
，AI只能辅助加快
，无法齐全关环

也就是说
，框架设定的部门
，好比顶层的逻辑架构、跨？榈男饕约肮丶木霾
，依然牢牢把握在人类手中。

另表
，固然AI能够加快验证
，但最终的仿照仿真和现实尝试依然必不成少
，以确保芯片在物理世界中稳操胜券。

英伟达的实际批注
，AI并非裁减工程师
，而是重构工程师的工作方式。

低级工程师必要通过Chip Nemo自主进建复杂？榈墓ぷ鞯览
，削减对资深工程师的打断。

资深工程师能从反复性工作中解放
，专一于更高价值的创新和决策。

在整体流程上
，AI掌管大规模搜索、优化、验证
，人类掌管指标设定、约束界说、创意疏导。

只是一种「人类设定框架 + AI极速执杏坠的协同模式。

而Dally构思的将来
，是一个「多智能体（Multi-agent）」模型
，分歧的专业AI系统处置分歧的设计环节
，就像此刻的各职能团队一样合作。

持久指标仍是端到端自动化设计
，但必要克服验证、接口协商、动态调整等难题。

目前的进展已经让英伟达可能 更快地迭代下一代硬件
，成为维持摩尔定律的重要支持。

人类工程师
，还不能被代替

当8名工程师10个月的工作被一块GPU的一夜取代时
，我们不得不直面一个凶残的现实：平淡的体力型工程劳动在迅速贬值。

英伟达在构筑一路由AI驱动的技术壁垒。当竞争敌手还在通过增长人力来追赶进度时
，英伟达已经进入了「AI设计AI
，AI优化AI」的自循环系统。

这种效能上的降维进攻
，正是其可能一年一更旗舰显卡的主题密码。

对于芯片工程师而言
，这既是；彩腔。人类正从繁琐的布线、搬运单元中开脱出来
，被迫向更高层级的架构思虑、更复杂的创造性决策进化。

在硅基造芯的新纪元。在这里
，推算不再仅仅是芯片的主张
，推算已成为芯片诞生的源头。

参考资料：

https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-says-ai-cuts-10-month-eight-engineer-gpu-design-task-to-overnight-job-company-is-still-a-long-way-from-ai-designing-chips-without-human-input

https://x.com/bearlyai/status/2043052190982639797