英伟达借助AI代理加速芯片工程

英伟达正在利用人工智能代理（AI agent）来加速芯片设计流程，以应对日益增长的复杂性和规模挑战。该公司副总裁兼计算工程总经理Tim Costa指出，到2030年，半导体行业预计将生产2万亿颗芯片，每月处理约4100万片晶圆。单个封装接近万亿晶体管，而整个计算系统的晶体管数量将达到千万亿级别。传统的设计方法无法跟上这种规模，因此AI和加速计算正从生产力工具演变为基础工程基础设施。

Costa强调，芯片架构的决策会影响原子级制造、先进封装功耗、热管理以及整个系统的行为。AI帮助工程师探索更多设计替代方案，并在这些交互中做出更优决策。加速计算则使高保真仿真、验证和优化变得足够快，从而可以重复进行。英伟达正在将AI融入芯片开发流程，而不是取代物理或设计规则，这样工程师可以将这些检查纳入循环并更频繁地使用。

英伟达扩展了其Agent Toolkit，加入了更新的CUDA-X和PhysicsNeMo库，用于训练和部署工程AI。PhysicsNeMo经过重新架构，使代理能够训练和部署用于设计和仿真工作的AI物理模型。该库涵盖了物理感知操作、GPU原生网格处理、分布式训练和数据整理等层面，并将这些能力组织为开放、可组合的库，带有代理就绪的技能。CUDA-X新增了cuISS库，为GPU上的大型稀疏线性系统提供迭代求解器，这对电子设计自动化（EDA）和科学仿真至关重要。

在硬件方面，英伟达正与Cadence和Synopsys合作，利用其基于Arm的“Vera”CV100 CPU加速未来CPU和GPU的设计。Vera拥有88个定制“Olympus”CPU内核和1.2 TB/秒的LPDDR5X内存子系统，并采用第二代可扩展一致性结构网状互连。早期测试显示，Vera在Synopsys VCS和Cadence Jasper平台上运行时的性能比AMD Epyc Torrent系统高出1.5倍。英伟达正在将Vera部署于EDA工作流程，用于创建其未来的CPU和GPU，包括仿真、形式验证和物理实现。

Cadence和Synopsys也在积极采用代理AI。Cadence于2月发布了AI Super Agent，用于芯片设计和验证，并与英伟达、台积电和谷歌合作。其AI Super Agents能在一天内完成原本需要五周的工作，实现40倍的寄存器传输级（RTL）验证周期加速。Synopsys本周宣布了与AMD、微软和英特尔的类似合作，并在设计自动化大会上展示了基于其代理平台的全自动设计验证工作流程，该流程利用英伟达的Nemotron 3 Ultra模型、Agent Toolkit和OpenShell运行时，可实现50倍更快的RTL验证。

英伟达还在开发其下一代CPU“Rosa”，基于Rigel核心，计划于2028年作为Feynman数据中心平台的一部分推出。Costa表示，通过与Cadence和Synopsys的合作，英伟达正将Vera投入实际应用，以加速Rosa的设计。总体而言，英伟达的战略是利用AI代理和加速计算重塑芯片工程，使其能够应对未来数十年的复杂性挑战。