納入生成式人工智慧，Nvidia 顯示如何提升半導體設計效率
近日 Nvidia 半導體工程師發表的一篇研究論文展示了生成式人工智慧（AI）如何在複雜的半導體設計過程中提供協助。這項研究展示了特定行業如何利用內部資料訓練的大型語言模型（LLMs）來建立提高生產力的助手。該研究利用 Nvidia NeMo 工具展示出定制化 AI 模型在半導體領域提供競爭優勢的潛力。
半導體設計的挑戰性
半導體設計是一項極具挑戰性的工作，需要在三維電路地圖上精心構建包含數十億個電晶體的晶片，這些電路就像城市街道一樣細小，但比人類的頭髮還要細。這需要多個工程團隊在數年的時間內進行協調。每個團隊負責晶片設計的不同方面，使用不同的方法、軟體和電腦語言。
Nvidia 利用大型語言模型助力半導體設計
Nvidia 的晶片設計人員找到了一種方法，讓 LLMs 幫助他們建立半導體晶片。Nvidia 研究總監馬克·任(Mark Ren)是該論文的首席作者，他在宣告中表示：“我相信，隨著時間的推移，大型語言模型將幫助各個領域的所有流程。”該論文是由 Nvidia 首席科學家 Bill Dally 在舉辦於舊金山的國際計算機輔助設計大會上發表的。Dally 表示：“這一努力在將 LLMs 應用於複雜的半導體設計工作上邁出了重要的第一步。它展示了即使在高度專門化的領域中，也可以使用內部資料來訓練有用的生成式 AI 模型。”
Nvidia 研究團隊開發的定制化 LLMs 模型
Nvidia 的研究團隊開發了一個名為 ChipNeMo 的定制化 LLMs 模型，該模型使用了公司的內部資料來生成和最佳化軟體，並協助人類設計師。長期目標是將生成式 AI 應用於晶片設計的每個階段，從而大幅提高整體生產力。團隊當前探索的初始應用案例包括一個聊天機器人、程式碼生成器和分析工具。迄今為止，最受好評的應用案例是分析工具，它能自動化繁瑣的維護故障描述的任務。同時該團隊還在開發可幫助工程師快速查詢技術檔案的原型聊天機器人和可為晶片設計建立專用軟體片段的程式碼生成器。
定制化 LLMs 的重要性
該研究論文著重介紹了團隊在收集設計資料和建立定制化生成式 AI 模型方面的工作。這一過程可以應用於任何行業。團隊首先使用一個基礎模型，然後使用 Nvidia NeMo 進行進一步的模型最佳化和自定義，該框架用於構建、定制和部署生成式 AI 模型。最終的 ChipNeMo 模型具有 430 億個引數，並在超過一兆個 token 上進行了訓練，證實了它理解模式的能力。該研究論文證實了一個技術團隊如何能夠透過使用自己的資料改進預訓練模型，並強調定制化 LLMs 的重要性，即使引數更少的模型也可以達到或超越更大的通用 LLMs 的效能。在訓練過程中，需要仔細收集和清理資料，建議使用者要隨時跟進最新的工具，以簡化和加快工作程式。
半導體行業對生成式 AI 的潛力
半導體行業只是開始探索生成式 AI 的可能性，而這項研究提供了寶貴的見解。有興趣構建自己定制化 LLMs 的企業可以使用 Nvidia 的 NeMo 框架，該工具可在 GitHub 和 Nvidia NGC 目錄上獲得。該研究論文的作者隊伍包括了許多研究人員，他們的名字都在論文中。這些研究展示了生成式 AI 在協助設計半導體過程中的潛力，對於行業的未來發展具有重要的指導意義。
延伸閱讀
- 亞馬遜推出 Bedrock Studio：簡化生成式人工智慧應用開發
- Alphabet 旗下 Intrinsic 將 Nvidia 技術融入機器人平臺
- 本週人工智慧大事記：生成式人工智慧與創作者補償的問題
- Dropbox、Figma CEO 支援 Lamini：新創公司打造企業專用生成式人工智慧平臺
- 亞馬遜計劃託管企業定製的生成式人工智慧模型
- Uber 和 Nvidia 支援的 Serve Robotics 以 4,000 萬美元的鉅額進軍公開市場
- Google 雲端大會：Google 全力開發生成式人工智慧
- Google 將生成式人工智慧技術注入其雲安全工具
- Nvidia 下一代 Blackwell 平臺將於 2025 年初登陸 Google 雲端
- Nvidia 挑起 AI 晶片新創公司的投資風暴，Hailo 仍堅守戰場
