近日，英伟达（Nasdaq：NVDA）首席科学家兼研究高级副总裁Bill Dally，公开内部的重点研究与工作项目，提到今年的目标是利用人工智慧来改进自己的产品；举例来说，NVIDIA 已经在自家的GPU（绘图处理器）产品设计工作，大量采用人工智慧辅助，来加速以及最佳化GPU晶片的设计。
在线上举办的GTC（GPU Technology Conference，GPU技术研讨会）活动结束不久后，Bill Dally在专访中总结其在NVIDIA 从事的工作内容与进度。
Bill Dally表示，NVIDIA 已经组成约300人的团队，利用自家基于GPU架构的人工智慧技术来进行下一代GPU的设计。
相关工作被分为几个部分，比如说供电模拟设计、从电路到GPU规模的大型积体电路设计、架构网路以及储存系统管理等等。
[the_ad id=”104737″]
就好比晶片设计业者普遍使用的EDA软体，已经逐渐具备晶片布局自动最佳化功能，NVIDIA 自己有一套称为NVCell的人工智慧晶片设计工具。这套工具可以根据标准的处理单元布局来自动产生晶片的设计图，也可以用来检验人类员工设计出来的晶片布局中有无错误。 Bill Dally指出，这套工具只需要在配备两个GPU的平台上，短短几天的时间，就可以超过一组十人员工一年的工作份量。 （It’s a group on the order of 10 people will take the better part of a year to port a new technology library. Now we can do it with a couple of GPUs running for a few days.）
这套工具可以做到几个非常专门的工作：
1.利用AI进行执行电压预测，帮助晶片设计时达到更精确的功率预估，提升晶片能耗效率以及性能表现。
2.预测电晶体的关连效应，透过神经网路训练，可以在晶片设计过程中预测出晶片性能表现，以及不同电晶体与运算单元之间造成的关连效应；人类设计者无须亲自布局，或逐一绘制原理图（schematic diagram），只需要给予特定参数，就能产生相对应功能的晶片布局。
3.标准运算单元库以及自动布局，通过使用NVCell这个工具，可以利用人工智慧来学习历年设计晶片所累积的标准处理单元设计库，让机器分析过去的设计拥有怎样的特性，以及不同设计的效率差别。在设计新晶片的过程中，可以节省大量人力的投入；这个过程就好比玩电子游戏般，让机器学习在不同电路布局中安放最适当的电晶体，同时在过程中不断进行检测与修复。
[the_ad id=”104737″]
Bill Dally表示，透过这个自动化工具，人工智慧不只能模仿人类晶片设计者的风格，累积晶片设计经验，甚至能够挑出人类在晶片设计工作过程中所犯下的错误。过去设计一款新的晶片，需要在成千上万的电晶体组合单元，以及各种参数不断尝试错误；但透过这个新的工具，你只需要给出设计目标，以及一些必要参数，就可以在最短的时间内设计出一颗晶片。
目前NVCell这个工具仅被用来设计NVIDIA 自家的GPU产品，但如果NVIDIA 愿意，随着学习的晶片设计类型增加，可能可以支援更多样化的晶片类型的设计工作。
那么，晶片设计工作者可能要失业了？
情况可能跟汽车自动驾驶有异曲同工之妙，目前汽车自动驾驶还只能在极小的范围内工作，无法全面取代人类驾驶，这主要是因为受到技术以及法规条件的限制，更重要的是，多数人类还不能相信人工智慧可以表现的比真人更好。
即便实际统计数据摆在他们眼前：Tesla（Nasdaq：TSLA）过去数年的自动驾驶安全统计，显示出远比人类更高的安全性，但新闻媒体以及消费者却往往抓着少数几件事故不放，即便事故发生率远低于人类驾驶。
[the_ad id=”104737″]
人工智慧参与晶片设计，甚至取代人类设计者也会是类似的过程，晶片类型极多，目前人工智慧能够自动化完成的数量仍相当有限，晶片设计业者也不会愿意把自家累积的设计资源开放给人工智慧进行训练，即便他们自己也有从事人工智慧相关方案的开发工作。
NVIDIA 在人工智慧的发展过程中不断尝试新领域，NVCell暂时还只能作为内部的辅助工具，协助NVIDIA 设计出更好的GPU产品，在功能特性上主要是满足NVIDIA 自己的工程需求，要开放NVCell授权其他晶片设计业者使用的机会不大。
不过其他EDA业者也都在尝试在晶片设计工具中加入人工智慧学习能力，让晶片设计者的重复工作降低也是未来业界共识，随着技术发展，的确有可能取代更多工作内容。
