Nvidia使用ML和AI技术来设计GPU，以加速和改善各方面的开发。

比尔戴利(Bill Dally)是英伟达的首席科学家和高级研究副总裁，领导着一个大约300人的团队，在GTC之前

2022分享了一些关于英伟达研发的信息；其中涉及使用机器学习(ML)和人工智能(AI)技术来开发、改进和加速GPU设计。

据HPC Wire报道，Bill Dally介绍，GPU设计有四个重要领域，即映射电压。

丢弃)，预测寄生效应、位置和布线挑战

挑战)、自动化标准细胞迁移(自动化标准细胞

迁移)、机器学习和人工智能技术都可以发挥巨大的作用。

绘制电压降将向设计师展示新GPU设计中使用的电源。传统的CAD工具运行需要[_a4_]个小时，而经过训练的AI模型只需要三秒钟。目前提供94%的准确率，是一个大大加速的折中；账单

Dally认为AI工具对预测寄生很有帮助，可以减少传统繁琐冗长的过程，误差也低。并且布局和布线对于芯片设计非常重要。一旦出现错误，将重新规划布局。AI技术在这方面的预测相当准确，即使不完美，也能指出有问题的地方；账单

Dally表示，将芯片设计从7nm改为5nm需要相当大的努力，92%的单元库可以在AI工具的帮助下实现。原来需要10个人将近一年才能完成的事情，现在用GPU几天就能完成，只需要处理剩下的8%。

英伟达研究的需求方试图通过开发由GPU运行的软件系统和技术来推动英伟达产品的需求。目前，英伟达有三个不同的图形研究小组来推动计算机图形的发展；还有五个不同的AI组，因为GPU对AI技术的应用是一件大事，规模越来越大；此外，还有负责机器人和自动驾驶汽车的小组，还有几个实验室。