NVIDIA利用AI来设计和开发GPU，最新Hopper已拥有1.3万个电路实例

在过去几年时间里，NVIDIA 深耕 AI 领域，他们的 GPU 不仅成为 HPC 的首选，也成为包括 AI 和深度学习生态系统在内的数据中心的首选。在最新公布的开发者博文中，NVIDIA宣布正利用 AI 来设计和开发 GPU，其最新的 Hopper GPU 拥有将近 13000 个电路实例，而这些实例完全由 AI 创建。

在 NVIDIA Develope 上发布的新博客中，该公司重申了其优势以及它自己如何利用其 AI 功能来设计其迄今为止最强大的 GPU–Hopper H100。 NVIDIA GPU 主要是使用最先进的 EDA（电子设计自动化）工具设计的，但在利用 PrefixRL 方法的 AI 的帮助下，使用深度强化学习优化并行前码电路，公司可以设计更小、更快、更节能的芯片，同时提供更好的性能。

电脑芯片中的算术电路是使用逻辑门网络（如NAND、NOR和XOR）和电线构成的。理想的电路应具有以下特点：

小：较小的区域，以便更多电路可以安装在芯片上。
快速：降低延迟以提高芯片的性能。
消耗更少的功率：芯片的功耗更低。

NVIDIA 使用这种方法设计了近 13000 个 AI 辅助电路，与同样快速且功能相同的 EDA 工具相比，它们的面积减少了 25%。但是 PrefixRL 被提到是一项运算要求非常高的任务，并且对于每个 GPU 的物理模拟，它需要 256 个 CPU 和超过 32，000 个 GPU 小时。为了消除这个瓶颈，NVIDIA 开发了 Raptor，这是一个内部分布式强化学习平台，它特别利用 NVIDIA 硬件进行这种工业强化学习。