据Tom's Hardware、VideoCardz及Computer Weekly报道，NVIDIA科学家Bill Dally在GTC大会上与Google科学家Jeff Dean展开对话，深入探讨了AI在芯片设计中的应用现状。尽管AI技术显著提升了效率，但设计验证阶段仍是主要瓶颈。
NVIDIA通过强化学习系统NVCell，成功将标准单元库移植作业的时间大幅缩短。过去，这一工作需要8名工程师耗时10个月完成，而如今借助单颗GPU运行的NVCell系统，仅需一夜即可完成。类似地，另一套强化学习工具Prefix RL在超前进位加法器电路设计中表现出色，其生成的设计方案在面积、功耗和延迟等指标上比人工设计提升了20%~30%。
此外，NVIDIA开发了ChipNeMo与BugNeMo两套工具，基于内部专有文件微调的大型语言模型（LLM）。ChipNeMo可为初级工程师提供技术指导，而BugNeMo则能自动分析错误报告并分配给对应工程师，从而提升工作效率。
尽管AI在多个环节展现了巨大潜力，但设计验证阶段仍需大量人工参与，无法完全依赖AI完成。Dally表示，未来希望实现以AI多代理协作模式进行芯片开发，复制人类工程团队的合作方式。与此同时，Jeff Dean提到，Google的AlphaChip在芯片布局和布线方面取得了一定成果，AI代理的进化也促使现有软件工具进行重新设计。
AI在芯片设计中的应用虽已取得显著进展，但完全自动化仍需时日，验证阶段的挑战仍是行业关注的重点。
