Bill Dally是英偉達的首席科學家兼研究高級副總裁，領導著一個大約300人的團隊，在此前的GTC 2022上分享了一些英偉達研發方面的信息，其中涉及了使用機器學習(ML)和人工智能(AI)技術，進行開發、改進和加速GPU設計。

據HPC Wire報道，Bill Dally介紹了在GPU設計上有四個重要領域，分別是映射電壓降(Mapping Voltage Drop)、預測寄生(Predicting Parasitics)、布局和布線挑戰(Place and Routing Challenges)、自動化標準單元遷移(Automating Standard Cell Migration)，機器學習和人工智能技術都可以發揮巨大的作用。

映射電壓降將向設計人員展示新GPU設計中使用的電源，傳統的CAD工具運行需要三個小時，而使用經過訓練的AI模型僅需要三秒鐘，目前提供了94%的準確度，是一個大幅加速的折中方案;Bill Dally認為AI工具對預測寄生的幫助相當大，可以減少傳統上繁瑣且冗長的過程，同時誤差也低;布局和布線對芯片設計來說非常重要，一旦出錯會導致重新規劃布局，AI技術在這方面的預測相當準確，即便不完美，也能指出存在問題的區域;Bill Dally表示將芯片設計從7nm轉向5nm需要相當大的功夫，而92%的單元庫可以借助AI工具去實現，原來10個人要花費近一年時間完成的工作，現在GPU幾天就能做到，僅需要處理剩下的8%。

英偉達研究的需求方試圖通過開發GPU運行的軟件系統和技術，來推動英偉達產品的需求。目前英偉達有三個不同的圖形研究小組，以推動計算機圖形方面的發展;還有五個不同的AI小組，因為GPU應用AI技術是一件大事，而且規模越來越大;此外還有負責機器人和自動駕駛汽車的小組，并有多個實驗室。

關鍵詞： 技術設計