北京
英偉達(dá)換一次半導(dǎo)體工藝，遷移三千個(gè)標(biāo)準(zhǔn)單元庫(kù)曾經(jīng)需要8個(gè)人干10個(gè)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(gè)專供內(nèi)部的超級(jí)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(cuò)誤源頭、給具體模塊指派責(zé)任人的活，全由AI一手包辦。
進(jìn)位先行鏈?zhǔn)且粋€(gè)從上世紀(jì)五十年代就被反復(fù)研究的底層難題。
英偉達(dá)讓強(qiáng)化學(xué)習(xí)程序像打街機(jī)游戲一樣瘋狂試錯(cuò)。
它只要勉強(qiáng)滿足時(shí)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?jiān)幃愔翗O。
人類設(shè)計(jì)師根本畫不出那種走線。
測(cè)試臺(tái)上的硬性指標(biāo)硬生生比人工精調(diào)的方案高出30%。
如今英偉達(dá)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(xué)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(jì)出來。
人類工程師直接去度假滑雪。
幾天后回來，拿著跑完驗(yàn)證流程的完美圖紙找臺(tái)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(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
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.
