NVIDIA heeft openbaar gemaakt hoe strikt de eigen AI-intern wordt ingezet bij het ontwerpen van nieuwe chips. Het bedrijf maakt gebruik van een systeem genaamd NB-Cell, een reinforcement learning-systeem dat standard cell libraries — cruciaal voor de overgang naar nieuwe productieprocessen — nu kan porten in een enkele nacht op een GPU. Voorheen kostte dit acht engineers tien maanden.

Maar wat vooral opvalt is de filosofische kant die chief scientist William Dally schetst in gesprekken met Google’s Jeff Dean: I would love to have the end-to-end stage where I could simply say, design me the new GPU, but I think we are a long way from that. Het einde is dus nog niet in zicht, maar de stappen zijn indrukwekkend.

Naast NB-Cell heeft NVIDIA interne large language models ontwikkeld — Chip Nemo en Bug Nemo genaamd — getraind op eigen architectuurdocumentatie en RTL van elke GPU die het bedrijf ooit heeft gebouwd. Junior designers kunnen deze raadplegen om te begrijpen hoe complexe hardware-blokken werken, zonder senior engineers te hoeven lastigvallen. Dally noemt het a very patient mentor.

Op circuit-niveau gaat AI nog verder: het reinforcement learning-systeem komt met ontwerpen that no human would ever come up with, but they are actually 20% or 30% better than the human designs, aldus Dally. Dit is geen toekomstmuziek meer — het gebeurt nu al bij NVIDIA.

De stap naar volledig end-to-end AI-chipdesign blijft echter een forse afstand. Dally’s voorzichtige inschatting onderstreept dat hoewel AI taken kan versnellen en optimaliseren, de menselijke oversight nog steeds cruciaal blijft voor de definitieve beslissingen.