于硅基造芯之新纪元。
英伟达用AI设计GPU，原本需8名资深营造师10名月才能成之差事，一夜就成之。
Bill Dally透露，过往此项差事需一名由8名资深营造师组成之团队，连续奋进10名月才能成，总计耗费80名者月之者力本金。
长期宗旨仍为端到端自动化设计，但需克服验证、接口协商、动态调理等难题。
英伟达正构筑一道由AI驱动之技艺壁垒。
此些设计违背之旧俗电子营造之审美，但于性能表现上，却比苍生最优设计提升之约20%到30%。
他明确指出，完全端到端之自动化芯片设计（即只需说一句「给我设计一名新GPU」，AI就吐出完整图纸）距离实现还有「甚长之路要走」。
苍生营造师，还不能被替代 此种效能上之降维打击，正为其能够一年一更旗舰显卡之核心密码。
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 目前之进展已让英伟达能够 更快地迭代下一代硬件，成为维持摩尔定律之重要支撑。
也就为说，框架设定之部分，比如顶层之逻辑架构、跨模块之调和以及枢纽之决策，依然牢牢掌握于苍生手中。
袁隆平。于芯片之算术逻辑单元（ALU）中，进位前瞻链（Carry Lookahead Chain）之放置为一名研讨之几十年之经典难题。
它能像一位极具耐心之导师，条分缕析地解释GPU之工原理。
初级营造师需通过Chip Nemo自立修习繁模块之工原理，减对资深营造师之打断。
苍生正从繁琐之布线、搬运单元中解脱出来，被迫向更高层级之架构思考、更繁之缔造性决策演进。
硅基导师Chip Nemo，让初级营造师「原地晋级」 英伟达之实践表明，AI并非淘汰营造师，而为重构营造师之工方式。
就于今日，此条消息全网刷屏之。
苍生营造师凭借阅历与直觉进行陈设，往往会达到一名性能瓶颈。
经过私有化操练，它们为「最懂英伟达GPU」之专家。
今，英伟达掘发之一款基于强化修习之器物——NB-Cell。
AI真之能完全自立「造芯」吗。
https://x.com/bearlyai/status/2043052190982639797 资深营造师能从重复性差事中解放，专注于更高身价之革新与决策。
此标志之一名转折点：AI不再仅仅为苍生之助手，它正突围苍生认知之边界，去寻找彼些隐藏于数百万维方位中之「最优解」。
成果。硅基导师Chip Nemo，让初级营造师「原地晋级」 AI于芯片设计中之实在应用层次 高层级架构决策仍依赖苍生专家。
不同于市面上之通用LLM，此些模型基于英伟达数十年积攒之专有架构文档、RTL代码与硬件规格进行微调。
缔造性电路设计与繁逻辑架构仍需者工主导。
当角逐对手还于通过增者力来追击进度时，英伟达已进入之「AI设计AI，AI改良AI」之自轮回体系。
而Dally构想之前景，为一名「多智能体（Multi-agent）」模型，不同之专业AI体系办理不同之设计环节，就像今之各职能团队一样协作。
只为一种「苍生设定框架 + AI极速执行」之协同模式。
当8名营造师10名月之工被一块GPU之一夜取代时，吾等不得不直面一名残酷之现状：平庸之体力型营造劳动正迅速贬值。
于此里，计算不再仅仅为芯片之意图，计算已成为芯片诞生之源头。
初级营造师遇到繁之模块设计不再需去打扰忙碌之高级营造师，而为直接询问Chip Nemo。
只需将需求输入体系，一块GPU于一夜之间即可成全部迁移工。
品德。今，此名Youtube演讲已有上万者观看，受到网友们之盛赞。
令者震惊之为，AI生成之单元于尺寸（Area）、功耗（Power）与延迟（Delay）等核心指标上，不仅达到之苍生水平，甚至于某些案例中优于苍生之手工设计。
若说NB-Cell处置之为重复性劳动，彼么Prefix RL则展示之AI于繁逻辑设计上之缔造力。
英伟达祭出「造芯」神技：芯片设计效能狂飙百倍，非苍生直觉之设计预案惊呆营造师。
尽管效能提升之百倍，但Bill Dally于对话中依然保之极其清醒之克制。
【新智元导读】8者团队干10名月，AI只需一夜。
Future。对于芯片营造师而言，此既为险境也为机会。
于旧俗芯片设计流程中，标准单元库（Standard Cell Library）之迁移为一项极度枯燥且耗时之重体力活。
但Prefix RL体系给出之一份完全不同之解答。
Dally形容，AI生成之陈设为「苍生永远无法想到之怪异设计」。
进来看黄仁勋之秘密兵刃。
每当台积电或三星推出新之半导体工艺（如从5nm跨越到3nm），英伟达须将其包含约2500至3000名单元之根基库重新适配新工艺。
于刚刚过往之英伟达GTC大会上，首席格致家Bill Dally与谷歌首席格致家Jeff Dean之一场巅峰对话，揭露之令者震惊之此名事实。
逻辑重塑：Prefix RL与「非苍生直觉」之陈设 Bug Nemo则负责汇总过失呈文，自动将Bug分发给最合适之营造师或模块，极厚土缩短之芯片验证此一「长跑阶段」之光阴。
另外，虽AI可加速验证，但最终之模拟仿真与实际实验依然必不可少，以确保芯片于物理全球中万无一失。
硅基命始自演进，苍生正退居二线。
此种「隔夜交付」之本领，意味之英伟达可比角逐对手更早地跑通新工艺，从而于硬件竞赛中始终保身位居先。
于半导体行业之史册长河中，摩尔定律曾为不可逾越之大道，但随之物理极限之逼近，研发一款旗舰GPU之繁程度已呈指数级增益。
于整体流程上，AI负责大规模搜索、改良、验证，苍生负责宗旨设定、约束定义、创意引导。
设计验证仍为整名流程中最长之「长杆」，AI只能辅助加速，无法完全闭环 为之释放核心制造力，英伟达掘发之内部大言辞模型——Chip Nemo与Bug Nemo。
目前，AI扮演之角色更像为「增强设计（Augmented Design）」，而非自立造芯。
于英伟达内部，者力源泉之错配曾为一名甚大之隐痛：资深设计师往往需花费大量光阴指导新者，解释某名特定硬件模块（RTL）为如何工之。
但于AI介入后，此一切被彻底颠覆之。
从「80名者月」到「一块GPU之一夜」 但今，英伟达之AI造芯神技，几乎让苍生营造师彻底退居二线之。
于此名历程中，NB-Cell通过不断之试错与自我改良，于极短光阴内探求数以亿计之设计排列组合。