Die Vorteile der KI werden zunehmend in einer Reihe von Branchen genutzt, so auch in der Chipentwicklung und -fertigung, wo KI-basierte Funktionen dazu beitragen, monotone, zeitaufwändige Konstruktionsaufgaben an KI auszulagern, so dass sich die Ingenieure auf Innovation, Entwicklung und die Bewältigung spezifischer Herausforderungen konzentrieren können. KI-Funktionen sind bereits seit einiger Zeit in verschiedenen EDA-Programmen enthalten und werden immer leistungsfähiger und können immer mehr Aufgaben übernehmen. Gleichzeitig arbeiten die einzelnen Chipdesigner jedoch an eigenen Tools, um bestimmte Prozesse zu verkürzen und die Markteinführung bestimmter Entwicklungen zu beschleunigen.
Ein gutes Beispiel hierfür ist Nvidia, das interessante KI-Tools einsetzt, um den Ingenieuren unnötige" Arbeit abzunehmen und jede Aufgabe schneller und effizienter zu gestalten. Dies wurde von Nvidias Chief Scientist Bill Dally auf der GTC 2026 in einer Diskussion mit Googles Chief Scientist Jeff Dean erörtert. Aus dem Gespräch geht hervor, dass Nvidia bereits KI-Modelle einsetzt, die auf der Grundlage eigener Daten trainiert wurden, um Möglichkeiten im Chipdesign zu erkunden, Änderungen an der Chipbreite schneller vorzunehmen oder Fehler in einem bestimmten Design zu finden und zu verifizieren. Natürlich betonte er, dass die Zeit für eine vollständig automatisierte Chipentwicklung noch nicht gekommen ist, was bedeutet, dass noch Technik erforderlich ist.
Eine interessante Entwicklung ist ein Tool namens NB-Cell, das dem Unternehmen hilft, ein Design von einer bestimmten Chipbreite auf eine neuere zu portieren. Dies erforderte früher einen ziemlich großen technischen Aufwand, da 8 Ingenieure 10 Monate lang daran arbeiten mussten. Dally sagt, dass mit Hilfe eines KI-Tools, das auf Reinforcement Learning basiert, diese Aufgabe der Portierung von Zellen über Nacht mit nur einer GPU erledigt werden kann.
Die portierten Zellen werden so getestet, dass sie in Bezug auf Größe, Stromverbrauch und Latenz die Qualität der von den Ingenieurteams geleisteten Arbeit erreichen oder sogar übertreffen. Für jede Änderung der Streifenbreite müssen die verschiedenen Eigenschaften und Parameter der Bibliothek von Standardzellen - die Dokumentation, in der die Komponenten beschrieben sind, die die Grundlage des Designs bilden und als Bausteine verwendet werden können - auf die neue Produktionstechnologie portiert werden, was 2.500 bis 3.000 Zellen umfasst. Mit dem neuen Werkzeug kann diese Aufgabe viel schneller erledigt werden, in Stunden oder Tagen, was eine enorme Produktivitätssteigerung bedeutet und eine viel schnellere Umstellung ermöglicht.
Gleichzeitig wurde ein weiteres Werkzeug namens Prefix RL entwickelt, das die verschiedenen Komponenten des Chips vorausschauend und effizient anordnen soll. Das Tool erfüllt diese Aufgabe so gut, dass es Entwürfe vorlegt, an die kein Mensch gedacht hätte, und dabei die wichtigsten Parameter um 20-30 % im Vergleich zu technischen Entwürfen verbessert. Diese Methode schlägt zwei Fliegen mit einer Klappe: Einerseits spart sie wertvolle Ingenieursstunden, die für andere Dinge verwendet werden können, andererseits ermöglicht sie der KI, neuartige Designs zu erstellen, die die menschliche Intuition übertreffen.
Für interne Zwecke werden auch zwei wichtige LLMs (Large Language Models) namens Chip Nemo und Bug Nemo verwendet. Diese werden ebenfalls anhand von Nvidia-Entwürfen und -Dokumenten trainiert und sind sehr effektiv. Als Bonus helfen sie auch jüngeren Ingenieuren beim Lernen, indem sie verschiedene Fragen beantworten, so dass jüngere Mitarbeiter die älteren nicht belästigen müssen, aber dennoch das benötigte Wissen erhalten können. Die Tools können auch zur Erstellung von Fehlerberichten verwendet werden, die automatisch an die zuständigen Ingenieure oder Abteilungen weitergeleitet werden können, was den Entwicklungsprozess weiter beschleunigt.
