NVIDIA는 강력한 AI GPU를 구축하고 전 세계에 새로운 AI 물결을 주도했을 뿐만 아니라 GPU 칩 설계 프로세스를 포함하여 내부적으로 AI를 대규모로 배포했습니다. NVIDIA 수석 과학자 Bill Dally는 Google 수석 과학자 Jeff Dean과의 대화에서 다음과 같이 언급했습니다.NVIDIA는 설계 탐색, 표준 셀 라이브러리 개발, 버그 처리, 검증 및 기타 단계를 포함하여 칩 설계 단계에서 AI를 광범위하게 적용했습니다.
그러나 그는 다음과 같이 강조했다.완전히 엔드투엔드 자동화된 칩 설계에 AI를 사용하기에는 아직 이르다그러나 그것이 실현될 때 그는 쉽게 예측할 의향이 없습니다.
Dally는 AI 칩 설계의 구체적인 사례를 공유했습니다.
과거 NVIDIA에서는 표준 셀 라이브러리를 새로운 프로세스 기술로 마이그레이션하기 위해 8명으로 구성된 팀이 10개월 동안 작업해야 했는데, 이는 80인월의 작업량입니다.
이제 NVIDIA는 2~3세대에 걸쳐 반복된 강화 학습 기반 도구인 NB-Cell을 보유하고 있습니다. 이제 위 작업을 완료하기 위해 밤새 GPU 그래픽 카드 하나만 실행할 수 있습니다.
더 중요한 것은,AI 도구로 생성된 단위는 면적, 전력 소비, 지연 측면에서 수동 설계 수준에 도달하거나 심지어 이를 초과합니다., 새로운 프로세스를 신속하게 배포할 수 있습니다.
Dally는 또 다른 내부 도구도 언급했습니다.접두사 RL, 장기적인 연구 문제, 즉 캐리 미리보기 체인의 미리보기 단계 레이아웃을 목표로합니다.
그는 다음과 같이 주장했다.AI 도구로 생성된 레이아웃은 "인간 엔지니어가 결코 생각할 수 없는 것"이며, 핵심성과지표(KPI)는 수동 설계보다 20~30% 높다.
이는 NVIDIA가 AI를 사용하여 효율성을 향상하고 시간과 노동력을 절약할 뿐만 아니라 기존의 인간 직관을 뛰어넘는 디자인 솔루션을 탐색한다는 것을 보여줍니다.
접두사 RL
좀 더 거시적인 수준에서 Dally는 다음과 같이 밝혔습니다.NVIDIA는 이미 내부적으로 Chip Memo와 Bug Nemo라는 두 가지 대규모 언어 모델을 실행하고 있습니다.
이러한 대형 모델은 RTL(레지스터 전송 수준) 코드 및 수년간의 GPU 설계에서 얻은 아키텍처 문서를 포함하여 NVIDIA의 독점 데이터를 기반으로 미세 조정되었습니다.
Dally는 후배 엔지니어가 문제에 직면했을 때 대형 모델에 직접 질문하고 답변을 얻을 수 있다는 것이 실질적인 이점 중 하나라고 말했습니다. 그들은 더 이상 고부가가치 작업에 집중할 수 있는 수석 디자이너와 반복적으로 상담할 필요가 없습니다.
동시에 버그 보고서를 요약하고 이를 해당 모듈이나 엔지니어에게 할당하는 데 도움을 줄 수도 있습니다.
NVIDIA가 AI 도구로 인한 효율성 향상 때문에 하급 직원을 해고하지 않는 것 같다는 점은 언급할 가치가 있습니다. 대신 보다 효율적인 방법을 통해 빠른 발전을 이룰 수 있도록 육성하고 있습니다.
직원을 교체하고 제거하기 위해 AI를 자주 사용하는 많은 회사와 비교할 때 이것이 아마도 가장 균형 잡힌 AI 적용일 것입니다.