英偉達(dá)使用ML和AI技術(shù)設(shè)計(jì)GPU 從各個(gè)方面加速和改進(jìn)開(kāi)發(fā)

Bill Dally是英偉達(dá)的首席科學(xué)家兼研究高級(jí)副總裁，領(lǐng)導(dǎo)著一個(gè)大約300人的團(tuán)隊(duì)，在此前的GTC 2022上分享了一些英偉達(dá)研發(fā)方面的信息，其中涉及了使用機(jī)器學(xué)習(xí)（ML）和人工智能（AI）技術(shù)，進(jìn)行開(kāi)發(fā)、改進(jìn)和加速GPU設(shè)計(jì)。

據(jù)HPC Wire報(bào)道，Bill Dally介紹了在GPU設(shè)計(jì)上有四個(gè)重要領(lǐng)域，分別是映射電壓降（Mapping Voltage Drop）、預(yù)測(cè)寄生（Predicting Parasitics）、布局和布線挑戰(zhàn)（Place and Routing Challenges）、自動(dòng)化標(biāo)準(zhǔn)單元遷移（Automating Standard Cell Migration），機(jī)器學(xué)習(xí)和人工智能技術(shù)都可以發(fā)揮巨大的作用。

映射電壓降將向設(shè)計(jì)人員展示新GPU設(shè)計(jì)中使用的電源，傳統(tǒng)的CAD工具運(yùn)行需要三個(gè)小時(shí)，而使用經(jīng)過(guò)訓(xùn)練的AI模型僅需要三秒鐘，目前提供了94%的準(zhǔn)確度，是一個(gè)大幅加速的折中方案;Bill Dally認(rèn)為AI工具對(duì)預(yù)測(cè)寄生的幫助相當(dāng)大，可以減少傳統(tǒng)上繁瑣且冗長(zhǎng)的過(guò)程，同時(shí)誤差也低;布局和布線對(duì)芯片設(shè)計(jì)來(lái)說(shuō)非常重要，一旦出錯(cuò)會(huì)導(dǎo)致重新規(guī)劃布局，AI技術(shù)在這方面的預(yù)測(cè)相當(dāng)準(zhǔn)確，即便不完美，也能指出存在問(wèn)題的區(qū)域;Bill Dally表示將芯片設(shè)計(jì)從7nm轉(zhuǎn)向5nm需要相當(dāng)大的功夫，而92%的單元庫(kù)可以借助AI工具去實(shí)現(xiàn)，原來(lái)10個(gè)人要花費(fèi)近一年時(shí)間完成的工作，現(xiàn)在GPU幾天就能做到，僅需要處理剩下的8%。

英偉達(dá)研究的需求方試圖通過(guò)開(kāi)發(fā)GPU運(yùn)行的軟件系統(tǒng)和技術(shù)，來(lái)推動(dòng)英偉達(dá)產(chǎn)品的需求。目前英偉達(dá)有三個(gè)不同的圖形研究小組，以推動(dòng)計(jì)算機(jī)圖形方面的發(fā)展;還有五個(gè)不同的AI小組，因?yàn)镚PU應(yīng)用AI技術(shù)是一件大事，而且規(guī)模越來(lái)越大;此外還有負(fù)責(zé)機(jī)器人和自動(dòng)駕駛汽車(chē)的小組，并有多個(gè)實(shí)驗(yàn)室。