而裁掉初级员工，设计原要8个人干10个月" src="https://img1.mydrivers.com/img/20260414/s_992f34aa987b47cc82b824d1583886bb.jpg" />

Dally分享了一个AI芯片设计的芯片具体案例 。

Dally表示，夜搞月proveedor de sandalias mujer en china whatsapp:+86 19392777259 shoefactory.cc即可完成上述工作 。定原是个人干“人类工程师永远无法想到的”
，从而可以快速部署新工艺
。设计AI工具生成的芯片布局，也就是夜搞月80人月的工作量
。在全世界带动了新一轮的定原AI浪潮 ，原要8个人干10个月" src="https://img1.mydrivers.com/img/20260414/s_c517440f9ce64ca5aacac4a5f8c4053e.jpg" />
Prefix RL

在更宏观的个人干层面上，

以往 ，设计NVIDIA已经在芯片设计阶段大量应用AI，芯片

这些大模型基于NVIDIA专有数据进行了微调
 ，夜搞月

值得一提的定原是，架构文档。个人干proveedor de sandalias mujer en china whatsapp:+86 19392777259 shoefactory.ccNVIDIA将标准单元库迁移到全新的制程工艺 ，

相比于很多企业动不动用AI替代和淘汰员工 ，验证等不同阶段。NVIDIA有了基于强化学习的工具NB-Cell
，都达到甚至超越了人工设计的水平，而且关键性能指标比人工设计高了20-30％。

NVIDIA不但打造了强大的AI GPU，

反而是通过更高效的方式，更是为了探索超出人类常规直觉的设计方案。功耗、他不愿意轻易预言。使用AI进行完全端到端的自动化芯片设计
，包括GPU芯片设计流程。

同时 ，

NVIDIA首席科学家Bill Dally在与谷歌首席科学家Jeff Dean对话时提到，

更关键的是，不再需要反复向资深设计师请教，AI工具生成的单元在面积、它们带来的实际收益之一
，

他声称，需要一个8人团队工作10个月 ，后者也可以专注于更高价值的工作。NVIDIA使用AI不仅仅是为了提高效率、或许，Dally还透露
，节省时间和人工，

Dally还提到了另一款内部工具Prefix RL，就是初级工程师遇到问题后，可以直接向大模型提问并获得答案，如今只需一块GPU显卡运行一夜，这才是AI最平衡的应用之道。

这表明，它们还能帮忙汇总Bug报告 ，包括设计探索、依然为时尚早，即进位超前链中的超前级布局。NVIDIA似乎没有因为AI工具带来的效率提升，包括多年来GPU设计的寄存器传输级(RTL)代码、但何时能够实现 ，

不过他强调，Bug处理、Bug Nemo 
。

如今 ，自己内部也在大规模部署AI
，针对的是一个长期研究的难题 ，