外媒《tomshardware》报导，GPU大厂英伟达（NVIDIA）首席科学家最近谈到研发团队如何使用GPU加速改进新GPU设计。利用机器学习（ML）和人工智能（AI）技术，已调整四个复杂且传统耗时的过程。范例之一使用AI/ML技术将常见更新GPU设计任务从3小时缩短到3秒。

报道指出，Bill Dally是英伟达的首席科学家和研究高级副总裁，在他的近期的演讲中指出，NVIDIA的GPU设计包含着四大重要关键。而在这四大重要关键当中，降低映射电压（Mapping Voltage Drop）、预测寄生效应（Predicting Parasitics）、电路设计布局与挑战（Placeand Routing Challenges）、自动化标准单元迁移（Automating Standard Cell Migration）等，当中AI/ML技术可以发挥强大的功能。其中，在降低映射电压部分，Dally表示，使用传统的CAD工具可以协助大约在3个小时内得到结果。但是，通过AI/ML技术的训练辅助，可以将计算时间缩短到3秒内完成，从而缩短了94%的时间。

至于，在使用AI技术预测寄生效应方面，在AI技术架构的新模型下，不但将误差比例降低到10%以下，还加快了工程师在GPU更新上的设计时间，这让工程师不再耗费大俩的时间成本在进行实验，能进一步有更多的时间进行创新研究。另外，在电路设计布局与挑战方面，Bill Dally这对于芯片设计非常重要，因为它们就像在繁忙的大都市中规划道路一样。错误的电路设计与布局将导致交通（数据）的堵塞。因此，通过使用图神经网络（GNN）分析芯片设计中的这一问题，有助于凸显关注领域，并智能化的处理问题。

最后，使用AI来加强自动化标准单元迁移部分，Bill Dally指出，这是英伟达芯片设计工具箱中另一个非常有用的工具。例如，以前将芯片设计从7纳米制成转移到5纳米，其过程所需的膨大成本与时间投入。但是，使用强化学习AI技术，92%的单元都可以借由这个工具完成，而且其中没有设计规则或电气规则错误问题。这其中因为节省了大量劳力成本而受到欢迎，而且在大多数情况下，最终NVIDIA也得到了更好的设计产品。

事实上，NVIDIA研究的需求是试图通过开发由GPU运行的软件系统和技术，来推动NVIDIA发展产品的需求。目前英伟达有3个不同的图像研究小组，以推动电脑图形方面的发展。另外，还有5个不同的AI小组，因为GPU应用AI技术是一件大事，而且当前的规模是越来越大。此外，还有负责机器人和自动驾驶汽车的小组，并有多个实验室进一步推动这些技术与应用的发展。

封面图片来源：拍信网