NVIDIA不但打造了強大的AI GPU，在全世界帶動了新一輪的AI浪潮，自己內部也在大規模部署AI，包括GPU芯片設計流程。
NVIDIA首席科學家Bill Dally在與谷歌首席科學家Jeff Dean對話時提到，NVIDIA已經在芯片設計階段大量應用AI，包括設計探索、標準單元庫開發、Bug處理、驗證等不同階段。
不過他強調，使用AI進行完全端到端的自動化芯片設計，依然為時尚早，但何時能夠實現，他不願意輕易預言。
Dally分享了一個AI芯片設計的具體案例。
以往，NVIDIA將標準單元庫遷移到全新的製程工藝，需要一個8人團隊工作10個月，也就是80人月的工作量。
如今，NVIDIA有了基於強化學習的工具NB-Cell，已迭代兩三代，如今只需一塊GPU顯卡運行一夜，即可完成上述工作。
更關鍵的是，AI工具生成的單元在面積、功耗、延時方面，都達到甚至超越了人工設計的水平，從而可以快速部署新工藝。
Dally還提到了另一款內部工具Prefix RL，針對的是一個長期研究的難題，即進位超前鏈中的超前級佈局。
他聲稱，AI工具生成的佈局，是“人類工程師永遠無法想到的”，而且關鍵性能指標比人工設計高了20-30％。
這表明，NVIDIA使用AI不僅僅是為了提高效率、節省時間和人工，更是為了探索超出人類常規直覺的設計方案。
Prefix RL
在更宏觀的層面上，Dally還透露，NVIDIA已經在內部運行兩款大語言模型：Chip Memo、Bug Nemo。
這些大模型基於NVIDIA專有數據進行了微調，包括多年來GPU設計的寄存器傳輸級(RTL)代碼、架構文檔。
Dally表示，它們帶來的實際收益之一，就是初級工程師遇到問題後，可以直接向大模型提問並獲得答案，不再需要反覆向資深設計師請教，後者也可以專注於更高價值的工作。
同時，它們還能幫忙彙總Bug報告，並協助分配至對應模塊或工程師。
值得一提的是，NVIDIA似乎沒有因為AI工具帶來的效率提升，而裁掉初級員工，反而是通過更高效的方式，培養他們快速進步。
相比於很多企業動不動用AI替代和淘汰員工，或許，這才是AI最平衡的應用之道。