世界的に売れている最先端のAIチップH 100を頼りにして、英偉達は間違いなく年内にこのAIの波の中で最も目立つ「潮流」の一つである。生成式AIの研究開発には大量の計算力のサポートが必要であるが、英偉達の先端AIチップは大言語モデル（LLM）開発の第一選択であり、世界の計算力をほぼ独占している。
では、先端AIチップという「鶏」といえば、生成式AIという世界的にヒットした「卵」が誕生した。将来的にはますます成熟したこの「卵」が、逆に新たな「ヒヨコ」を孵化させる可能性もあるのだろうか。英偉達は今、最新の試みを行っている。
英偉達が月曜日に発表した研究論文は、最も複雑なエンジニアリング作業の1つであるチップの設計を支援するために生成式人工知能を使用する方法を記述している。
現代チップは数百億個のトランジスタからなる回路である。これらのトランジスタをシリコンウェハにどのように配列するかを明らかにすることは、科学技術業界で最も困難な任務の1つである。
一方、雄大なGPUチップは間違いなく業界で最も複雑なチップの1つであり、現在はChatGPTなどの生成型AIツールの背後にあるコア技術の支えとなっている。次の図に示すように、顕微鏡の下では、勇壮なH 100などの最先端チップが、髪の毛の糸よりも1万倍細い「街」につながっている数百億個のトランジスタで構築された、綿密に計画された大都市のように見えます。
このような「デジタル巨大都市」を建設するためには、複数のエンジニアリングチーム、数千人の研究開発者が2年間にわたって調整する必要があることが多い。一部のグループはチップの全体的なアーキテクチャを決定し、一部のグループは各種の超小型回路の作成と配置を担当し、一部のグループは彼らの仕事をテストする責任を負っている。各作業には、専門的な方法、ソフトウェアプログラム、コンピュータ言語が必要です。
これについて、英偉達研究ディレクターで最新の研究報告書の第1著者であるMark Ren氏は、&amp ;quot;時間が経つにつれて、大規模な言語モデルがすべてのプロセスに参加するのに役立つと信じています。
どのようにAIを使ってチップの開発を支援しますか？
英偉達氏は、いわゆる大型言語モデルを採用することで、チップ設計史上30年間にわたって蓄積されたデータを利用したモデル訓練を行うという研究試みを示した。英偉達エンジニアに可能なユースケースを調査した後、研究チームは3つのユースケースを起点として選択した：チャットロボット、コードジェネレータ、分析ツール。
研究論文では、インビルタエンジニアが社内で使用するために、ソフトウェアを生成し最適化し、人間デザイナーを支援するために社内データに基づいてトレーニングを行うChipNeMoというカスタムLLMを作成する方法を詳細に紹介した。
英偉達のチーフ科学者Bill Dally氏は、「私たちの多くのベテランデザイナーが、ジュニアデザイナーの質問に答えるのにかなりの時間を費やしていることが実証されている。チャットロボットを利用することで、ジュニアデザイナーの質問に答えることができ、シニアデザイナーのために多くの時間を節約することができる」と紹介した。
英偉達氏は研究の中で、同社が蓄積した大量の特定データを追加することで、中級チャットロボットが高級チャットロボットよりも正確になることを発見した。英偉達氏によると、これはシステムのコストを制御するのに役立つという。
同社が示しているもう1つの機能は、人工知能を使ってコードを生成することだ。Dally氏によると、エンジニアたちは通常、チップの機能しない部分を探し、テストツールを使って原因を特定するのに多くの時間を費やす必要があるという。テストを行うために、人工知能システムはツールを操作するためにコードをすばやく作成することができます。
電子設計自動化の分野で20年以上働いてきたRen氏は、長期的に見れば、エンジニアたちは生成式人工知能をチップ設計の各段階に応用し、全体の生産性を大幅に向上させたいと考えていると指摘した。
Dally氏は、「プロセスの自動化や人手の代替ではなく、既存の人員を利用してより強力な能力を与え、生産性を向上させることを目標としている」と強調した。