ИИ-инструменты создают архитектуру новых видеокарт NVIDIA

Руководство NVIDIA активно внедряет искусственный интеллект во внутренние процессы проектирования микросхем. Главный научный сотрудник компании Билл Далли поделился подробностями о работе специализированных алгоритмов в рамках конференции GTC 2026. Инструменты машинного обучения берут на себя рутинные задачи и сильно сокращают время разработки графических процессоров.

Краткое содержание

• NVIDIA применяет ИИ для проектирования новых полупроводниковых чипов;
• Алгоритм NB-Cell выполняет работу команды из восьми человек за одну ночь;
• Инструмент Prefix RL улучшает топологию схем на 20–30% по сравнению с людьми;
• Внутренние языковые модели помогают младшим инженерам изучать архитектуру GPU.

Автоматизация базовых процессов

Переход на новый технологический процесс всегда требует адаптации стандартной библиотеки ячеек. Раньше перенос базы из 2500–3000 элементов занимал у команды из восьми инженеров около десяти месяцев. Общие затраты времени составляли 80 человеко-месяцев.

Разработчики NVIDIA создали программу NB-Cell на базе обучения с подкреплением. Инструмент выполняет адаптацию библиотеки за одну ночь, задействуя вычислительные мощности лишь одного графического ускорителя. Результаты работы алгоритма соответствуют уровню квалифицированных специалистов, а в некоторых случаях превосходят человеческие решения по размеру кристалла, энергопотреблению и задержкам сигнала.

Поэтому мы стараемся использовать ИИ везде, где это возможно, в процессе проектирования, и этому есть множество примеров. Например, каждый раз, когда у нас появляется новый полупроводниковый процесс, нам приходится переносить на него нашу стандартную библиотеку ячеек. Речь идёт примерно о 2500-3000 ячейках, и раньше команде из восьми человек на это уходило около 10 месяцев, то есть 80 человеко-месяцев.

Затем мы разработали программу на основе обучения с подкреплением, которая называется NB-Cell. Думаю, сейчас у нас уже NB-Cell 2 или 3. И это происходит за одну ночь на одном графическом процессоре. Результаты на самом деле лучше, чем у разработок, созданных людьми, по таким показателям, как размер ячейки, рассеиваемая мощность и задержка. Они соответствуют или превосходят разработки, созданные людьми.

Это огромный прирост производительности, и это устраняет препятствие для перехода к новым процессам, поскольку теперь мы можем очень быстро переносить библиотеки клеток.

— Билл Далли, главный научный сотрудник NVIDIA.

Нестандартные решения от нейросетей

Инженеры используют ИИ не только для экономии времени, но и для поиска принципиально новых подходов. Программа Prefix RL занимается размещением элементов в цепочке ускоренного переноса. Алгоритм генерирует необычные компоновки, которые выходят за рамки стандартного человеческого мышления.

Использование инструмента Prefix RL позволяет улучшить ключевые показатели чипов на 20–30%. Способность искусственного интеллекта находить неочевидные пути оптимизации помогает создавать более эффективные вычислительные блоки. Подобные алгоритмы требуют мощной аппаратной базы. Разработка и обучение нейросетей происходят на специализированных серверах для ИИ, которые спроектированы для непрерывных многопоточных вычислений.

Внутренние помощники для инженеров

Компания также развернула внутренние большие языковые модели Chip Nemo и Bug Nemo. Системы прошли обучение на конфиденциальных данных NVIDIA, включая техническую документацию по архитектуре графических процессоров прошлых лет.

Нейросети выступают в роли цифровых наставников для начинающих специалистов. Младшие сотрудники задают вопросы искусственному интеллекту, снижая нагрузку на старших инженеров. Алгоритмы умеют анализировать отчёты об ошибках и автоматически назначать задачи профильным разработчикам.

Для каких задач Компактный GPU-сервер до 2 видеокарт для начальных задач в AI и графике. Оптимален для инференса, визуализации, VFX и рендеринга в студиях и лабораториях, где важна гибкость.

Подробнее

Видеокарты

RTX / RTX PRO / H200 NVL

Объем видеопамяти до 282 ГБ

Процессоры

Threadripper PRO

Количество ядер до 96

RAM до 1024 ГБ DDR5

Форм-фактор 4.5U

Для каких задач Универсальная платформа на 4–6 GPU для локального обучения моделей и генеративных задач. Подходит для команд, которым важна надёжность сервера и свобода выбора графики — от RTX 5090 до PRO RTX 6000.

Подробнее

Видеокарты

RTX / RTX PRO / H200 NVL

Объем видеопамяти до 576 ГБ

Процессоры

Threadripper PRO

Количество ядер до 96

RAM до 1024 ГБ DDR5

Форм-фактор 6.5U

Для каких задач Сервер промышленного уровня на 8 GPU с кластерной архитектурой. Предназначен для дата-центров и AI-ферм, где требуется масштабируемость и полная загрузка ресурсов под обучение LLM и R&D.

Подробнее

Видеокарты

RTX PRO 6000 / RTX 5090

Объем видеопамяти до 768 ГБ

Процессоры

AMD Epyc, Intel Xeon

Количество ядер до 320

RAM до 3072 ГБ DDR5

Форм-фактор 6U

Для каких задач Серия серверов для кластеризации на 4 GPU. Предназначены для дата-центров и AI-ферм, где требуется повышенная плотность для обучение LLM и R&D.

Подробнее

Видеокарты

L40s / RTX PRO / H200 NVL

Объем видеопамяти до 564 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 128

RAM до 1536 ГБ DDR5

Форм-фактор 2U

Для каких задач Серия серверов для кластеризации на 8 GPU. Предназначены для дата-центров и AI-ферм, где требуется повышенная плотность для обучение LLM и R&D.

Подробнее

Видеокарты

L40s / RTX PRO / H200 NVL

Объем видеопамяти до 1128 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 256

RAM до 2048 ГБ DDR5

Форм-фактор 4U

Для каких задач HGX объединяет 8 видеокарт NVIDIA H200, достигая экстремальной плотности производительности. Благодаря внутренней связности NVSwitch мгновенно интегрируется в масштабные вычислительные кластеры.

Подробнее

Видеокарты

NVIDIA H200 SXM

Объем видеопамяти до 1128 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 256

RAM до 2048 ГБ DDR5

Форм-фактор 5U