英伟达使用ML和AI技术设计GPU 从各个方面加速和改进开发

Bill Dally是英伟达的首席科学家兼研究高级副总裁，领导着一个大约300人的团队，在此前的GTC 2022上分享了一些英伟达研发方面的信息，其中涉及了使用机器学习（ML）和人工智能（AI）技术，进行开发、改进和加速GPU设计。

据HPC Wire报道，Bill Dally介绍了在GPU设计上有四个重要领域，分别是映射电压降（Mapping Voltage Drop）、预测寄生（Predicting Parasitics）、布局和布线挑战（Place and Routing Challenges）、自动化标准单元迁移（Automating Standard Cell Migration），机器学习和人工智能技术都可以发挥巨大的作用。

映射电压降将向设计人员展示新GPU设计中使用的电源，传统的CAD工具运行需要三个小时，而使用经过训练的AI模型仅需要三秒钟，目前提供了94%的准确度，是一个大幅加速的折中方案;Bill Dally认为AI工具对预测寄生的帮助相当大，可以减少传统上繁琐且冗长的过程，同时误差也低;布局和布线对芯片设计来说非常重要，一旦出错会导致重新规划布局，AI技术在这方面的预测相当准确，即便不完美，也能指出存在问题的区域;Bill Dally表示将芯片设计从7nm转向5nm需要相当大的功夫，而92%的单元库可以借助AI工具去实现，原来10个人要花费近一年时间完成的工作，现在GPU几天就能做到，仅需要处理剩下的8%。

英伟达研究的需求方试图通过开发GPU运行的软件系统和技术，来推动英伟达产品的需求。目前英伟达有三个不同的图形研究小组，以推动计算机图形方面的发展;还有五个不同的AI小组，因为GPU应用AI技术是一件大事，而且规模越来越大;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。