Кто быстрее справится с работой – ИИ или инженер: Nvidia раскрыла неприятную правду

Главный научный сотрудник Nvidia Билл Далли на конференции GTC в апреле 2026 года раскрыл масштабы применения искусственного интеллекта во внутреннем процессе проектирования микрочипов компании, включая перенос библиотек ячеек и поиск нестандартных схемотехнических решений.

По словам Далли, ранее для переноса стандартной библиотеки из двух с половиной или трех тысяч ячеек на новый полупроводниковый техпроцесс требовалась команда из восьми инженеров, работавшая над задачей около десяти месяцев подряд.

Революция в переносе библиотек ячеек

Разработанный Nvidia инструмент NB-Cell на основе обучения с подкреплением теперь справляется с этим объемом работы за одну ночь на одном графическом процессоре, сообщает 3DNews.

Более того, получаемые алгоритмом ячейки по таким критическим параметрам, как физический размер, энергопотребление и время задержки сигнала, не уступают человеческим разработкам, а в ряде случаев превосходят их.

Столь радикальное сокращение времени проектирования устраняет одно из главных препятствий при переходе на новые техпроцессы, позволяя компании ускорять выпуск очередных поколений графических ускорителей.

Инструменты для нестандартных инженерных решений

Далли также упомянул инструмент Prefix RL, предназначенный для оптимизации цепей упреждающего переноса и генерирующий схемы, которые не смог бы придумать ни один человек.

Получаемые алгоритмом решения улучшают ключевые показатели на двадцать-тридцать процентов по сравнению с традиционными разработками, созданными инженерами вручную.

Внутренние языковые модели для поддержки разработчиков

Для помощи инженерам в повседневной работе Nvidia создала внутренние языковые модели Chip Nemo и Bug Nemo, обученные на многолетних архивах RTL-кода и архитектурной документации компании.

Младшие разработчики теперь могут обращаться к модели с вопросами о функционировании конкретных блоков вместо того, чтобы постоянно отвлекать более опытных старших коллег.

Система также способна анализировать отчеты об ошибках, обобщать их содержание и автоматически направлять проблему нужному модулю или ответственному инженеру.

Перспективы автоматизированного проектирования

Несмотря на впечатляющие успехи в автоматизации отдельных этапов, до полностью автономного проектирования чипов без участия человека пока еще очень далеко.

Применение ИИ на критически важных стадиях разработки уже позволяет Nvidia экономить десятки человеко-месяцев и находить решения, лежащие за пределами традиционной инженерной интуиции.

Представленные данные демонстрируют, что искусственный интеллект становится не просто вспомогательным средством, а полноценным участником процесса создания новых поколений полупроводниковой продукции.