A NVIDIA está usando inteligência artificial para comprimir meses de trabalho de engenharia em uma única noite. A empresa vem aplicando modelos proprietários em diversas etapas do fluxo de design de chips, e um dos exemplos mais concretos disso é o NB-Cell, uma ferramenta interna baseada em técnicas de reinforcement learning que está mudando a forma como a companhia adapta sua biblioteca de células padrão a novos processos produtivos.

Para entender o tamanho do salto, vale contextualizar o problema. Adaptar uma biblioteca de células padrão a um novo nó de fabricação era, até pouco tempo atrás, uma tarefa que demandava cerca de 80 meses-homem, o equivalente ao trabalho de oito engenheiros durante dez meses. Com o NB-Cell, a mesma operação passa a ser executada ao longo de uma única noite, utilizando uma única GPU.

O ganho, porém, não se resume à velocidade. Segundo a NVIDIA, os resultados gerados pela ferramenta são comparáveis aos produzidos manualmente e, em alguns casos, superiores, tanto em termos de tamanho das células quanto em consumo energético e latência. Esse tipo de automação acelera a adoção de novos nós de produção, reduzindo um dos principais obstáculos técnicos.

Outro sistema interno, chamado prefix RL, atua em um problema bem específico: o design de cadeias de carry lookahead. Nesse caso, a IA é capaz de gerar configurações que seriam pouco intuitivas para um engenheiro humano, entregando melhorias estimadas entre 20% e 30% em relação às abordagens tradicionais. É um dos exemplos mais claros do que a automação inteligente pode fazer quando vai além da simples execução de tarefas repetitivas, ela começa a explorar soluções que o raciocínio humano convencional dificilmente encontraria.

A NVIDIA também mantém modelos de linguagem proprietários treinados sobre anos de documentação interna acumulada. Dois deles foram mencionados: o Chip Nemo e o Bug Nemo. Esses sistemas atuam como assistentes técnicos para os times de engenharia, ajudando na consulta de arquiteturas, na compreensão de módulos e na gestão de relatórios de erro. Além disso, contribuem para distribuir o trabalho de forma mais eficiente entre as equipes, um ponto relevante em uma empresa com a escala de operação da NVIDIA.

O que emerge desse conjunto de ferramentas é uma mudança estrutural no processo de design de semicondutores. A integração da IA não serve apenas para economizar tempo, mas para reduzir barreiras técnicas na adoção de novos nós de fabricação e abrir espaço para soluções menos convencionais.

Ainda assim, a NVIDIA deixa claro que um design completamente automatizado ainda está longe de ser realidade.

Fonte: Multiplayer.it