新智元报道
近日，英伟达推出了一项令人瞩目的新技术：利用AI设计GPU芯片，大幅提升了设计效率。
在短短一夜之间完成的工作量，过去需要8位资深工程师花费整整10个月才能达成。
本次突破在不久前的GTC大会上由首席科学家Bill Dally与谷歌首席科学家Jeff Dean共同揭晓，并迅速引起广泛关注。
这项技术不仅引发了业界热议，还在YouTube上获得了大量观众的好评和赞誉。
随着半导体行业的快速发展，传统设计方法正面临越来越多的技术瓶颈。
英伟达的新AI工具——NB-Cell，能够极大程度地减少对人力的依赖，甚至让人类工程师退居二线。
传统的芯片制造过程通常需要耗费大量时间和人力资源，尤其是在迁移标准单元库时。
现在，英伟达采用了一种全新的方式来解决这个问题：从「80个人月」到「一夜搞定」的转变。
每当新的半导体工艺推出时，如5纳米向3纳米过渡，传统的芯片设计工作量巨大且耗时长。
以往，完成这项任务需要一个由资深工程师组成的团队花费数月时间才能实现目标。
然而，在AI技术的辅助下，整个过程变得异常高效和简洁。
英伟达的新工具只需输入设计需求，就能在一夜之间利用一块GPU完成所有工作，并且其效果甚至超越了人类工程师的设计成果。
AI不仅能够迅速找到最佳设计方案，还能大幅度降低功耗、提高性能。
这种快速响应的能力使英伟达能够在硬件竞赛中保持领先地位，为新工艺的研发提供强有力的支持。
现在，AI技术正在芯片设计的各个层面上发挥重要作用。
例如，在复杂逻辑单元的设计上，Prefix RL展示出了非凡的创造力和优化能力。
它生成的一些布局方案完全颠覆了传统认知，并且性能表现显著优于现有水平。
这项技术的进步表明AI已经不再仅仅是辅助工具，而是开始引领新的设计趋势和发展方向。
与此同时，英伟达还推出了内部大语言模型Chip Nemo和Bug Nemo，帮助初级工程师更好地理解和应用专业知识。
这些模型基于多年的专有知识进行训练，能够快速解答各种技术问题并协助调试代码。
初级工程师可以利用这些工具来学习复杂的模块设计原理，从而减少对资深同事的依赖。
尽管AI在芯片设计领域取得了显著进展，但英伟达首席科学家Bill Dally认为完全自动化的设计流程依然需要时间才能实现。
目前阶段，人类工程师仍然负责制定高层次架构决策和处理复杂问题，而AI则专注于执行具体任务和优化设计方案。
这种分工模式让整个设计过程更加高效，并且确保了最终产品的质量和性能。
英伟达的实践证明了这种“人机协作”的重要性，即人类设定框架、定义目标，AI负责快速实现这些设想。
未来的发展趋势可能包括更多专业化的智能体参与设计过程，以进一步提升效率和创新能力。
当前的技术突破已经使英伟达能够在硬件迭代上占据优势地位，并且为持续推动摩尔定律的应用提供了新的动力。
尽管AI技术展现出巨大的潜力，但人类工程师在设计中的核心作用仍然是无可替代的。
随着自动化水平不断提高，未来的芯片设计师将更多地关注高层次架构和创新性思考。
在这个计算驱动的新时代，硅基技术的进步不仅改变了硬件制造方式，也重新定义了工程师的角色与职责。
AI真的能完全自主「造芯」吗？
尽管效率提升了百倍，但Bill Dally在对话中依然保持了极其清醒的克制。
他明确指出，完全端到端的自动化芯片设计（即只需说一句「给我设计一个新GPU」，AI就吐出完整图纸）距离实现还有「很长的路要走」。
目前，AI扮演的角色更像是「增强设计（Augmented Design）」，而非自主造芯。
其中有三大关键限制：
高层级架构决策仍依赖人类专家。
创造性电路设计和复杂逻辑结构仍需人工主导。
设计验证仍是整个流程中最长的「长杆」，AI只能辅助加速，无法完全闭环
也就是说，框架设定的部分，比如顶层的逻辑架构、跨模块的协调以及关键的决策，依然牢牢掌握在人类手中。
另外，虽然AI可以加速验证，但最终的模拟仿真和实际实验依然必不可少，以确保芯片在物理世界中万无一失。
英伟达的实践表明，AI并非淘汰工程师，而是重构工程师的工作方式。
初级工程师需要通过Chip Nemo自主学习复杂模块的工作原理，减少对资深工程师的打断。
资深工程师能从重复性任务中解放，专注于更高价值的创新和决策。
在整体流程上，AI负责大规模搜索、优化、验证，人类负责目标设定、约束定义、创意引导。
只是一种「人类设定框架 + AI极速执行」的协同模式。
而Dally构想的未来，是一个「多智能体（Multi-agent）」模型，不同的专业AI系统处理不同的设计环节，就像现在的各职能团队一样协作。
长期目标仍是端到端自动化设计，但需要克服验证、接口协商、动态调整等难题。
目前的进展已经让英伟达能够 更快地迭代下一代硬件，成为维持摩尔定律的重要支撑。
人类工程师，还不能被替代
当8名工程师10个月的工作被一块GPU的一夜取代时，我们不得不直面一个残酷的现实：平庸的体力型工程劳动正在迅速贬值。
英伟达正在构筑一道由AI驱动的技术壁垒。当竞争对手还在通过增加人力来追赶进度时，英伟达已经进入了「AI设计AI，AI优化AI」的自循环体系。
这种效率上的降维打击，正是其能够一年一更旗舰显卡的核心密码。
对于芯片工程师而言，这既是危机也是机遇。人类正从繁琐的布线、搬运单元中解脱出来，被迫向更高层级的架构思考、更复杂的创造性决策进化。
在硅基造芯的新纪元。在这里，计算不再仅仅是芯片的目的，计算已成为芯片诞生的源头。
参考资料：
https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-says-ai-cuts-10-month-eight-engineer-gpu-design-task-to-overnight-job-company-is-still-a-long-way-from-ai-designing-chips-without-human-input
https://x.com/bearlyai/status/2043052190982639797