北京
英偉達換一次半導體工藝，遷移三千個標準單元庫曾經(jīng)需要8個人干10個月。
現(xiàn)在單張GPU跑一夜就能搞定。
最終產(chǎn)出的功耗和延遲數(shù)據(jù)，直接蓋過人類工程師的圖紙。
這家公司把過去三十年歷代GPU的底層源碼和絕密文檔全盤喂給AI。
練出了一個專供內(nèi)部的超級大腦ChipNeMo。
新手遇到不懂的底層原理直接找大模型連環(huán)追問。
資深老手徹底從基礎(chǔ)答疑里解放出來。
連抓Bug、分析錯誤源頭、給具體模塊指派責任人的活，全由AI一手包辦。
進位先行鏈是一個從上世紀五十年代就被反復研究的底層難題。
英偉達讓強化學習程序像打街機游戲一樣瘋狂試錯。
它只要勉強滿足時序底線，就把體積和功耗往死里壓。
最終系統(tǒng)吐出的架構(gòu)圖紙詭異至極。
人類設(shè)計師根本畫不出那種走線。
測試臺上的硬性指標硬生生比人工精調(diào)的方案高出30%。
如今英偉達內(nèi)部的AI群體已經(jīng)在接管新架構(gòu)的參數(shù)探索。
首席科學家Bill Dally描繪了硬件制造的終局。
開局甩給系統(tǒng)一句指令：去把下一代GPU設(shè)計出來。
人類工程師直接去度假滑雪。
幾天后回來，拿著跑完驗證流程的完美圖紙找臺積電流片。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
