Нет никаких сомнений в том, что NVIDIA за последние пару лет превратилась в мощного ИИ-джаггернаута. Их графические процессоры стали предпочтительным выбором не только для высокопроизводительных вычислений, но и для центров обработки данных, включая экосистемы ИИ и системы глубокого обучения. Недавно NVIDIA объявила, что использует ИИ для проектирования и разработки графических процессоров, которые намного превосходят созданные людьми, и похоже, что флагманский графический процессор Hopper, созданный зеленой командой, является свидетельством этого заявления, которое включает почти 13 000 экземпляров схемы, полностью созданной ИИ.

В блоге, опубликованном на веб-странице NVIDIA для разработчиков, компания вновь рассказывает о преимуществах и о том, как она сама использовала свои возможности искусственного интеллекта для разработки своего лучшего на сегодняшний день графического процессора Hopper H100. Графические процессоры NVIDIA в основном разрабатываются с использованием современных инструментов EDA (автоматизация электронного проектирования), но с помощью ИИ, который использует методологию PrefixRL, оптимизацию параллельных префиксных цепей с использованием глубокого обучения, компания может проектировать более компактные, быстрые и более энергоэффективные чипы, обеспечивающие более высокую производительность.

Арифметические схемы в компьютерных чипах построены с использованием сети логических элементов (таких как NAND, NOR и XOR) и проводов. Желаемая схема должна иметь следующие характеристики:

Небольшой: меньшая площадь, чтобы на чипе могло поместиться больше схем.

Скорость: более низкая задержка для повышения производительности чипа.

Более низкое энергопотребление чипа.

NVIDIA использовала эту методологию для разработки почти 13 000 схем с поддержкой ИИ, которые позволяют сокращение площади чипа на 25% по сравнению с инструментами EDA, являющимися такими же быстрыми и функционально эквивалентными. Но упоминается, что PrefixRL является очень требовательной к вычислительным ресурсам задачей, и для физического моделирования каждого графического процессора требуется 256 процессоров и более 32 000 часов работы графического процессора. Чтобы устранить это узкое место, NVIDIA разработала Raptor, собственную распределенную платформу обучения с подкреплением, которая использует особые преимущества оборудования NVIDIA для такого промышленного обучения.