A mesterséges intelligencia nyújtotta előnyöket egyre több területen próbálják kamatoztatni a különböző iparágakban, így egyebek mellett a chiptervezésben és a chipgyártásban is szerepet kapnak a különböző AI alapú funkciók, amelyek sokat segítenek abban, hogy a monoton, sok mérnöki munkaórát felemésztő feladatokat kiszervezzék az AI-nak, a mérnökök pedig az innovációra, a fejlődésre, illetve az egyes kihívások leküzdésére koncentráljanak. A különböző EDA szoftverekben már jó ideje jelen vannak az AI funkciók, amelyek egyre ütőképesebbek és egyre több feladatot tudnak ellátni, de ezzel egy időben az egyes chiptervezők is dolgoznak olyan saját fejlesztésű eszközökön, amelyekkel lerövidíthetőek bizonyos folyamatok, ezáltal biztosítható az egyes fejlesztések gyorsabb piacra kerülése.
Remek példa erre az Nvidia, ugyanis a vállalat érdekes AI eszközökkel próbálja levenni a „felesleges” terheket a mérnökök válláról, illetve próbálják hatékonyabbá és gyorsabbá tenni az egyes feladatok elvégzését is. Erről az Nvidia vezető tudósa, Bill Dally beszélt a GTC 2026 alkalmával, a Google vezető tudósával, Jeff Deannel folytatott diskurzusában. A párbeszédből kiderül, az Nvidia már most is használja a saját adatain tréningezett AI modelleket annak érdekében, hogy feltérképezzék a chiptervezés terén mutatkozó lehetőségeket, gyorsabbá tegyék a csíkszélesség-váltást, vagy éppen hibákat keressenek és ellenőrizzék az adott dizájnt. Azt persze kiemelte a szakember, hogy a teljesen automatizált chipfejlesztés ideje még nem érkezett el, vagyis mérnöki munkára továbbra is szükség van.
Az egyik érdekes fejlesztés az NB-Cell névre keresztelt eszköz, ami abban segít, hogy a vállalat egy adott csíkszélességről egy frissebbre portolja az adott dizájnt. Ez a feladat korábban meglehetősen masszív mérnöki erőforrást vett igénybe, ugyanis 8 mérnök 10 havi munkáját igényelte. Dally szerint a megerősítéses tanuláson alapuló AI eszköz segítségével ez a feladat, vagyis a cellák portolása már akár egy éjszaka alatt elvégezhető, ehhez pedig elég egy GPU-t munkába állítani.
A portolt cellák a tesztek szerint megközelítik vagy akár meg is haladják a mérnökcsoportok által elvégzett munka minőségét méret, fogyasztás, illetve késleltetés terén is. Egy-egy csíkszélesség-váltás alkalmával a szabványos cellákból álló könyvtár – vagyis a dizájn alapját adó, építőkockaként bevethető komponenseket leíró dokumentáció – különböző tulajdonságait és paramétereit át kell portolni az új gyártástechnológiára, ami 2500-3000 cellát érint, és ez a munka nyolc mérnök számára 10 hónapon át tartott korábban. Az új eszközzel sokkal gyorsabban, órák vagy napok alatt teljesíthető a feladat, ami óriási előrelépés termelékenység terén és sokkal gyorsabb átállást tesz lehetővé.
Ezzel egy időben egy másik eszközt is kifejlesztettek, ami a prefix RL nevet kapta, feladata pedig az, hogy előrelátóan és hatékonyan rendezze el a chip különböző komponenseit. A feladatot olyan jól abszolválja az eszköz, hogy olyan tervekkel áll elő, amire ember nem gondolna, miközben a kulcsfontosságú paramétereket a mérnöki tervekhez képest 20-30%-kal képes javítani. Ezzel a módszerrel két legyet ütnek egy csapásra: egyrészt értékes mérnöki munkaórákat takarítanak meg, amelyeket másra is lehet fordítani; másrészt olyan újszerű terveket tudnak alkotni az AI jóvoltából, amelyek felülmúlják az emberi intuíciót.
Belsős célra használnak még két fontos LLM-et, azaz nagy nyelvi modellt, amelyek a Chip Nemo és a Bug Nemo nevet viselik. Ezeket is Nvidia terveken és dokumentumokon tréningezték és igen hatékonyan dolgoznak, bónuszként pedig a junior mérnökök tanulását is segítik azáltal, hogy megválaszolják a különböző kérdéseket, így a juniorok nem nyaggatják a senior munkatársakat, viszont a szükséges tudáshoz így is hozzájuthatnak. Az eszközök segítségével hibajelentések is készülhetnek, amelyeket automatikusan a releváns mérnökökhöz vagy részlegekhez kerülhetnek, ezzel tovább gyorsítva a fejlesztési folyamatot.
