NVIDIA всё активнее использует искусственный интеллект не только в своих продуктах, но и внутри самого процесса разработки чипов. Компания рассказала, что один из её ИИ-инструментов теперь выполняет задачу, на которую раньше у команды инженеров уходили месяцы работы, всего за одну ночь.

Для полупроводниковой отрасли это куда важнее красивой истории про автоматизацию. Проектирование микросхем давно стало настолько сложным, что даже локальное ускорение на одном участке может заметно влиять на скорость выхода новых продуктов. А если удаётся убрать один из самых тяжёлых и рутинных этапов при переходе на новый техпроцесс, выигрывает вся цепочка разработки.

Что именно ускорила NVIDIA

Речь идёт о переносе стандартной библиотеки ячеек на новый полупроводниковый техпроцесс. Это один из базовых этапов проектирования чипов, без которого нельзя быстро адаптировать архитектуру под более современное производство.

По словам главного научного сотрудника NVIDIA Билла Далли, раньше такая работа требовала команды из восьми человек и примерно десяти месяцев. В сумме выходило около 80 человеко-месяцев. Сейчас ту же задачу выполняет инструмент NB-Cell на основе обучения с подкреплением — и делает это за одну ночь на одном графическом процессоре.

Главное здесь не только в скорости. Если бы ИИ просто выдавал быстрый, но слабый результат, новость была бы гораздо менее значимой. Но NVIDIA утверждает, что получаемые ячейки по размеру, энергопотреблению и задержке не уступают тем, что создавались людьми, а иногда даже превосходят их.

Почему библиотека ячеек так важна

Для внешнего наблюдателя сама задача может звучать слишком технически. Но на практике стандартная библиотека ячеек — это фундамент, на котором строится дальнейшее проектирование микросхем.

Внутри такой библиотеки содержатся базовые элементы, из которых затем собираются более сложные части будущего чипа. В NVIDIA речь идёт о наборе примерно из 2500–3000 ячеек. И каждый переход на новый техпроцесс означает, что весь этот массив нужно фактически заново адаптировать.

Именно поэтому компания говорит о таком резком выигрыше как о снятии одного из ключевых препятствий. Когда этот этап занимает не месяцы, а ночь, переход на более тонкие нормы производства перестаёт быть таким тяжёлым и медленным узким местом.

Но до полностью автоматического проектирования ещё далеко

Несмотря на впечатляющий результат, сама NVIDIA не пытается подать его как начало эпохи, где инженеры скоро станут не нужны. Билл Далли отдельно подчёркивает: до полностью автоматизированного проектирования чипов индустрии ещё очень далеко.

Это важная оговорка, потому что она возвращает разговор из области громких лозунгов в практическую плоскость. ИИ здесь выступает не как универсальная замена разработчикам, а как мощный инструмент на конкретных этапах — там, где особенно много повторяющейся, сложной и дорогостоящей работы.

Такой подход выглядит даже убедительнее. Вместо обещания «ИИ сам всё спроектирует» NVIDIA показывает реальный участок процесса, где машина уже даёт осязаемый выигрыш по времени и качеству.

Почему это важно для всей отрасли

История с NB-Cell интересна не только самой NVIDIA. Она показывает, как меняется логика полупроводниковой индустрии в целом. Чем дороже и сложнее становится каждый новый техпроцесс, тем больше ценятся инструменты, которые умеют снимать хотя бы часть нагрузки с инженерных команд.

Если такие системы будут надёжно работать и на других этапах, проектирование чипов станет быстрее, а компании смогут легче переносить разработки на новые технологические нормы. Для рынка, где отставание на несколько месяцев иногда стоит огромных денег и долей рынка, это уже очень серьёзное преимущество.

Поэтому новость здесь не в том, что ИИ снова заменил кусок рутинной работы. Гораздо важнее другое: один из крупнейших производителей ускорителей показал, что использует те же ИИ-подходы не только для продажи клиентам, но и для ускорения собственной инженерной машины.